L'évolution suit les mêmes lois express

Original: "Universal statistical signatures of evolution in artificial intelligence architectures"
· Theodor Spiro
arXiv:2604.10571 · 2026-04-12 · CC BY 4.0 · 1 min
Les réseaux de neurones évoluent comme les organismes vivants.

📄 Version "Simple" affichee, "Avancé" n est pas encore prete. Ajoutez-le aux favoris pour aider a la prioriser.

Les ingénieurs qui améliorent les réseaux de neurones agissent comme des sélectionneurs : ils essaient une variante, observent le résultat, conservent la meilleure. Ils ont rassemblé 935 de ces essais issus de 161 articles et mesuré à quelle fréquence une modification de code s'avère bénéfique, nuisible ou sans effet. Le tableau est familier à tout biologiste : 68 % des modifications dégradent les performances, 19 % ne changent rien, et seulement 13 % apportent un gain.

Chez la drosophile et la levure, les mutations bénéfiques ne représentent que 1 à 6 %. Chez les réseaux de neurones, elles sont deux à trois fois plus nombreuses — l'ingénieur ne procède pas à l'aveugle, il anticipe ce qui pourrait fonctionner.

La forme de la distribution des conséquences chez l'IA est presque identique à celle connue pour les mutations chez la mouche du vinaigre et la levure de boulanger. De plus, l'apparition de nouvelles techniques architecturales suit les mêmes vagues : d'abord lente, puis une croissance explosive, enfin un plateau. Quatorze solutions techniques ont été inventées indépendamment 3 à 5 fois chacune — comme les ailes chez les oiseaux et les chauves-souris.

La conclusion est simple : l'évolution ne concerne pas l'ADN ou le code, mais la forme du paysage dans lequel la recherche se déplace. Qu'il s'agisse de gènes ou de paramètres de réseaux de neurones, la statistique des succès et des échecs est la même.

Résumé original

tel que rédigé par les auteurs, en anglais arXiv:2604.10571

We test whether artificial intelligence architectural evolution obeys the same statistical laws as biological evolution. Compiling 935 ablation experiments from 161 publications, we show that the distribution of fitness effects (DFE) of architectural modifications follows a heavy-tailed Student's t-distribution with proportions (68% deleterious, 19% neutral, 13% beneficial for major ablations, n=568) that place AI between compact viral genomes and simple eukaryotes. The DFE shape matches D. melanogaster (normalized KS=0.07) and S. cerevisiae (KS=0.09); the elevated beneficial fraction (13% vs. 1-6% in biology) quantifies the advantage of directed over blind search while preserving the distributional form. Architectural origination follows logistic dynamics (R^2=0.994) with punctuated equilibria and adaptive radiation into domain niches. Fourteen architectural traits were independently invented 3-5 times, paralleling biological convergences. These results demonstrate that the statistical structure of evolution is substrate-independent, determined by fitness landscape topology rather than the mechanism of selection.

La proportion de modifications bénéfiques chez les réseaux de neurones (13 %) est plus élevée que chez tous les organismes étudiés, mais plus faible que chez les virus avec leurs génomes minuscules — ceux-ci évoluent encore plus rapidement.

Dans « Jurassic Park », le mathématicien du chaos Ian Malcolm disait que la vie trouve toujours un chemin. Il s'avère que l'intelligence artificielle cherche son chemin sur les mêmes sentiers statistiques.

Scientifiques
William Lawrence Bragg
Notions
théorème fondamental de la sélection naturelle de Fisher algorithme génétique forêt aléatoire architecture mémoire des réseaux de neurones règle de Hamilton principe de Baldwin loi de Dollo équation de Price loi de l'assortiment indépendant de Mendel modèle de Wright-Fisher