Opinions | De Google à la Révolution de la Recherche !

La décision de Google DeepMind de dissoudre l’équipe qui a développé AlphaFold peut sembler, à première vue, déroutante. Pourquoi disséminer une équipe ayant réalisé l’un des résultats scientifiques les plus significatifs des dernières années, portant même à une reconnaissance par le prix Nobel? En réalité, cette décision éclaire le rythme rapide du changement dans le paysage international de la recherche.
AlphaFold est le système d’intelligence artificielle qui a appris à prédire la structure tridimensionnelle des protéines à partir de leur séquence. Ce n’est pas un détail technique : la forme d’une protéine détermine en grande partie ses fonctions dans une cellule, ses interactions avec d’autres molécules et son rôle dans la santé ou la maladie. Pendant des décennies, la reconstruction de ces structures requérait des expériences longues, coûteuses et complexes. AlphaFold n’a pas éliminé la nécessité de vérifications expérimentales, mais il a considérablement réduit l’éventail des possibilités, offrant ainsi de nouvelles capacités prédictives à la recherche.

Ce n’est donc pas simplement un triomphe de l’intelligence artificielle. Cela a montré qu’un problème scientifique jugé extrêmement difficile pendant des décennies peut être abordé en combinant données, puissance de calcul, nouveaux modèles et une forte interdisciplinarité. Mais surtout, cela rappelle que le résultat le plus précieux n’est pas toujours la découverte isolée. Il s’agit de construire une capacité générale permettant de nombreuses découvertes futures.
La réorganisation actuelle du groupe d’origine n’indique pas nécessairement que la recherche sur les protéines est achevée ou moins pertinente. Cela signifie plutôt qu’AlphaFold est désormais devenu une plateforme, une infrastructure à intégrer dans des systèmes plus vastes. La nouvelle frontière ne se limite pas à la prédiction de la structure d’une protéine, mais consiste à développer des intelligences artificielles de plus en plus capables d’analyser la littérature, de formuler des hypothèses, de concevoir des molécules et des expériences, d’interpréter des résultats, et de proposer des perspectives d’exploration. Faut-il en avoir peur? Pas nécessairement.
La compétition scientifique internationale évolue vers une dynamique de production continue de découvertes. C’est dans ce contexte que l’Italie devrait se questionner sur sa vision de la recherche.

Depuis de nombreuses années, nous discutons principalement de financement, de précarité, d’exil des cerveaux, de recrutement et d’évaluation. Ces sujets sont importants, mais risquent de rester insuffisants sans une réflexion plus profonde : quel rôle notre pays désire-t-il jouer dans la nouvelle géographie mondiale de la connaissance?
Il ne suffit pas de désigner quelques secteurs prioritaires et de répartir des ressources. C’est une manière simpliste de redistribuer pouvoir et positions. Un inventaire de disciplines ne constitue pas une stratégie, et une simple redistribution ne crée pas une vision scientifique. Une vision émerge lorsque l’on choisit des questions importantes, suffisamment complexes pour nécessiter des compétences variées, des infrastructures communes et des investissements à long terme. Cela implique de définir des objectifs clairs, au-delà de savoir qui doit occuper chaque poste.
Une recherche nationale à long terme doit ainsi choisir judicieusement ses orientations.

En attendant, les pays et les organisations scientifiques les plus avancés investissent dans des projets, construisent de nouvelles plateformes, des systèmes de calcul, des biobanques, des laboratoires automatisés, des réseaux de données, des modèles scientifiques, des infrastructures expérimentales, et de nouvelles formes de collaboration entre la recherche publique et l’industrie.
C’est là que se jouera une part croissante de la compétition. Toutefois, il est essentiel d’éviter un malentendu courant : l’intelligence artificielle n’est pas, en elle-même, une vision scientifique. C’est un outil, aussi puissant soit-il. Il y a un risque à confondre la sophistication technique et la profondeur de la recherche. Une politique scientifique nationale ne devrait donc pas considérer l’intelligence artificielle comme un objectif en soi, mais comme l’une des infrastructures pour aborder des problèmes significatifs. Les machines deviendront plus rapides, les modèles plus vastes et la capacité de calcul moins chère. Il restera néanmoins essentiel de maintenir la qualité des données, la rigueur des expériences, la précision des mesures, et surtout, la clarté dans la formulation des questions réellement pertinentes.

La nouvelle recherche exigera des cycles beaucoup plus rapprochés entre théorie et expérience. Cependant, cela ne signifie pas imaginer des laboratoires dépourvus de scientifiques. Au contraire, il sera encore plus crucial de formuler de bonnes questions, de reconnaître les erreurs, d’interpréter les anomalies, de remettre en question les hypothèses de départ et d’évaluer les conséquences. De nombreuses tâches répétitives pourront être automatisées, mais aucune infrastructure ne remplacera une vision scientifique.

Les institutions devront également évoluer. Elles auront besoin de nouvelles compétences techniques. Cependant, il ne faut pas tomber dans l’extrême inverse : transformer la recherche en une immense entreprise technique, où ceux qui maîtrisent un système sont confondus avec ceux qui savent indiquer sa direction. L’infrastructure est nécessaire, mais elle doit servir à aller un pas plus loin : vers des questions scientifiques précises, profondes et encore sans réponse.
Il faudra également revoir nos méthodes d’évaluation de la recherche. Nous continuons à nous fier à des indicateurs de plus en plus faciles à manipuler, qui peinent à différencier un projet innovant d’un autre qui exploite efficacement une voie déjà empruntée. Dans le nouveau paysage, il sera donc fondamental de développer des données fiables, des outils réutilisables, des infrastructures partagées, des équipes interdisciplinaires et des questions qui transforment réellement un domaine donné.

Nous devons apprendre à reconnaître la valeur des choix qui ouvrent la voie à de nouvelles découvertes. Il est crucial de récompenser davantage le risque scientifique, l’originalité des questions et même les résultats négatifs provenant de la recherche de problèmes importants. Sinon, nous continuerons à sélectionner des projets adaptés à la science d’hier.
Il ne suffit pas de promettre que nous guérirons toutes les maladies, que nous stopperons le changement climatique, ou que nous prolongerons indéfiniment la vie. Les grandes missions ne sont pas de simples slogans. Elles émergent de questions précises, difficiles et vérifiables, capables de générer de nouvelles connaissances même si la réponse initiale s’avère erronée.

La leçon d’AlphaFold est que l’intelligence artificielle jouera un rôle de plus en plus prépondérant dans la recherche, et a déjà transformé la façon dont celle-ci est organisée, financée, évaluée et transformée en une capacité collective.
Cependant, pour l’Italie, le plus grand risque est de rater le coche en tentant de reproduire les mêmes outils que les autres sans avoir préalablement déterminé quelles questions il convient de leur poser.