Un nouveau paradigme dans la recherche : l'aube du co-autorat par l'IA
19 février 2026 – La communauté scientifique assiste actuellement à une transformation que les historiens pourraient un jour comparer à l'invention du microscope ou du calcul infinitésimal. Suite à la sortie de ChatGPT-5 Pro d'OpenAI fin 2025, des chercheurs du monde entier ont commencé à signaler une série de percées profondes qui défient les calendriers traditionnels de la découverte académique. Cette semaine, l'impact de cette intelligence artificielle « agentique » (agentic AI) s'est cristallisé sous la forme de deux réalisations marquantes : une nouvelle preuve mathématique résolvant une conjecture de longue date et une analyse révolutionnaire de la thermodynamique des trous noirs.
Chez Creati.ai, nous avons suivi de près la trajectoire des modèles de langage de grande taille (LLM — Large Language Models), passés de simples chatbots à des moteurs de raisonnement. Les événements de ce mois confirment que nous avons franchi un seuil. L'IA n'est plus seulement un outil pour rédiger des résumés ou déboguer du code ; elle a accédé au rôle de partenaire de recherche capable, bien qu'imparfait. Ce changement, impulsé par le « Mode Pensée » (Thinking Mode) amélioré de ChatGPT-5 Pro, signale l'arrivée de la science agentique (Agentic Science) — une ère où l'intuition humaine s'associe à la précision de la machine pour naviguer dans l'inconnu.
La renaissance mathématique : résoudre l'insoluble
La validation la plus frappante des capacités de ChatGPT-5 Pro provient du domaine des mathématiques pures. Plus tôt ce mois-ci, Ernest Ryu, mathématicien à l'UCLA, a publié un article détaillant une preuve formelle pour un problème complexe qui déconcertait les chercheurs depuis des décennies. Bien que l'IA ait déjà aidé à formaliser des preuves par le passé, le cas de Ryu se distingue par le rôle actif du modèle dans le processus de découverte.
Selon les rapports, Ryu a utilisé les capacités de raisonnement avancé de ChatGPT-5 Pro non seulement pour vérifier son travail, mais aussi pour générer des lemmes candidats. Le modèle, fonctionnant dans son « Mode Pensée » à forte consommation de calcul, a pu combler une lacune logique critique qui nécessitait de parcourir un vaste espace de recherche d'arguments potentiels. Contrairement à ses prédécesseurs, qui hallucinaient souvent des étapes semblant plausibles mais mathématiquement invalides, GPT-5 Pro a fait preuve d'une chaîne de pensée soutenue, identifiant correctement un chemin non intuitif que Ryu a ensuite pu vérifier et formaliser.
Ce succès met en évidence une mise à niveau fondamentale de l'architecture du modèle. Il ne se contente pas de récupérer des informations ; il simule une forme d'intuition mathématique, proposant des connexions structurelles que les experts humains peuvent ensuite tester rigoureusement.
Décoder le cosmos : trous noirs et synthèse de données
Alors que les mathématiques bénéficient de la rigidité logique du modèle, l'astrophysique tire parti de sa capacité à synthétiser des ensembles de données massifs. Alex Lupsasca, un physicien théoricien connu pour ses travaux sur l'imagerie des trous noirs, a attribué à ChatGPT-5 Pro l'accélération d'une découverte majeure concernant la structure de l'anneau de photons des trous noirs.
L'équipe de Lupsasca a utilisé l'IA pour analyser des données interférométriques, une tâche qui nécessite généralement des algorithmes personnalisés et des mois de réglages manuels. Le modèle a cependant été capable d'écrire et d'exécuter de manière adaptative ses propres scripts d'analyse de données, identifiant des corrélations subtiles dans le bruit qui suggéraient une nouvelle signature observationnelle pour mesurer le spin des trous noirs. Cette approche de « code-interpreter-sous-stéroïdes » a permis aux physiciens d'itérer sur des hypothèses en temps réel, réduisant ainsi des années d'analyse de données à quelques semaines seulement.
Les implications pour l'astrophysique sont stupéfiantes. Si l'IA peut agir de manière autonome en tant que scientifique des données (data scientist), les physiciens théoriciens peuvent se concentrer entièrement sur l'interprétation conceptuelle de l'univers, laissant les calculs fastidieux à leurs homologues numériques.
Comparaison des générations : le bond vers la science agentique
Pour comprendre l'ampleur de ce changement, il est utile de contraster les capacités des modèles actuels de pointe avec la génération précédente d'outils d'IA. La transition de GPT-4o vers GPT-5 Pro représente un passage d'une assistance passive à un engagement actif.
Tableau 1 : Évolution de l'IA dans la recherche scientifique
| Caractéristique | IA traditionnelle (Ère GPT-4) | IA agentique (Ère GPT-5 Pro) |
|---|---|---|
| Profondeur de raisonnement | Limitée au contexte d'un prompt à tour unique | Raisonnement autonome multi-étapes (« Mode Pensée ») |
| Taux d'hallucination | Élevé (~12,9 % pour les tâches complexes) | Significativement réduit (~4,5 % en Mode Pensée) |
| Rôle dans la recherche | Assistant passif (Rédaction, code de base) | Co-scientifique actif (Génération d'hypothèses, vérification rigoureuse) |
| Résolution de problèmes | Nécessite un guidage humain explicite étape par étape | Résolution de problèmes récursive auto-correctrice |
| Analyse de données | Interprétation statique de fragments fournis | Exécution dynamique de pipelines d'analyse sur des données brutes |
Naviguer dans la « boîte noire » et les hallucinations
Malgré ces triomphes, l'intégration de ChatGPT-5 Pro dans la science sérieuse n'est pas sans péril. Le scepticisme reste une composante essentielle de la méthode scientifique, et pour cause. Bien que le taux d'hallucination ait considérablement chuté par rapport à l'ère GPT-4, il n'a pas disparu. Le taux d'erreur de 4,5 % en « Mode Pensée » pose un risque unique : les erreurs sont désormais plus subtiles, plus convaincantes et plus difficiles à détecter que les erreurs flagrantes du passé.
Les critiques soutiennent que le fait de s'appuyer sur un système de « boîte noire » (black box) — où la logique interne du réseau de neurones est opaque — contredit le principe scientifique de reproductibilité. Si une IA génère une hypothèse basée sur un processus interne de reconnaissance de formes qui ne peut pas être pleinement expliqué, pouvons-nous lui faire confiance ?
Le consensus émergeant de la communauté académique, y compris des voix du MIT et des Académies nationales, est celui d'une « confiance vérifiée ». Des scientifiques comme Ryu et Lupsasca n'ont pas accepté aveuglément les résultats de l'IA ; ils ont utilisé l'IA pour trouver la porte, mais ils l'ont franchie eux-mêmes, vérifiant chaque étape avec des méthodes traditionnelles rigoureuses. L'IA sert de générateur de possibilités, et non d'arbitre de la vérité.
L'avenir de la découverte : le Nobel Turing Challenge
À l'avenir, les réalisations de février 2026 pourraient être considérées comme les premières salves du « Nobel Turing Challenge » — une proposition visant à créer un système d'IA capable de réaliser une découverte digne d'un prix Nobel d'ici 2050. Avec ChatGPT-5 Pro, nous sommes sans doute en avance sur le calendrier.
La démocratisation de ce pouvoir est également notable. Les outils utilisés par Ryu et Lupsasca sont accessibles aux chercheurs de plus petites institutions, ce qui pourrait uniformiser les règles du jeu et permettre une diversité de pensée qui était auparavant freinée par l'accès au financement et aux ressources.
Chez Creati.ai, nous pensons que nous entrons dans un âge d'or de l'intelligence hybride. Le scientifique du futur ne sera pas seulement un maître dans son domaine, mais un maître de l'orchestration — dirigeant une symphonie d'agents d'IA pour explorer les frontières de la connaissance à des vitesses auparavant inimaginables. L'esprit humain reste l'architecte, mais les outils à notre disposition viennent de devenir infiniment plus puissants.
