classificateur

Les anciennes cartes au trésor étaient dessinées à partir de rumeurs : quelqu'un avait trouvé de l'or près d'une rivière, quelqu'un d'autre dans les montagnes, et chacun creusait à son propre endroit.

L'interprète se laisse distraire par le moindre bruit dans la salle, et une réunion d'une heure s'étire sur deux. C'est le même problème pour les modèles de fondation moléculaires : ils apprennent le langage des molécules sur d'immenses corpus, mais chaque nouvelle conversation exige un réglage.

À la décharge en périphérie de la ville, le vent change de direction, et quelques heures plus tard, le village voisin sent les œufs pourris. C'est l'odeur du sulfure d'hydrogène, un gaz produit par la décomposition des déchets et dangereux pour la santé à forte dose. En général, les autorités ne sont alertées que lorsque les habitants ont déjà respiré et appelé pour se plaindre.

L'appareil éclaire l'échantillon avec un faisceau infrarouge, et les molécules répondent par leur motif d'absorption — comme des clochettes de tons différents. Ce motif, le spectre, contient des informations sur la composition chimique.

La galaxie NGC 4254 se trouve à un million et demi d'années-lumière du centre de l'amas de la Vierge. Elle traîne derrière elle un long filament d'hydrogène en refroidissement – signe qu'elle s'engouffre à pleine vitesse dans le gaz surchauffé.

Chaque matin, des dizaines de télescopes se braquent sur le Soleil. Leurs caméras capturent une fine bande de lumière rouge : la raie Hα, découverte par Johann Jakob Balmer. Sur les images, des filaments sombres et capricieusement incurvés apparaissent.

Cent mille étoiles dans le noyau dense d’un amas globulaire se déplacent comme des billes d’acier dans un flipper géant. Chaque « choc » — une rencontre gravitationnelle entre un couple binaire et une étoile isolée — déclenche une cascade d’événements imprévisibles.

L'intelligence artificielle qui prédit l'acoustique d'une salle fait penser à un étudiant qui triche à l'examen avec une antisèche. Si les points de validation sont les mêmes que ceux de l'entraînement, le modèle se contente de mémoriser l'« empreinte » sonore de chaque position, comme un étudiant qui reconnaît un sujet grâce à un coin de page plié.

Dans une casserole de soupe, deux thermomètres suffisent pour connaître la température partout — à condition de savoir que la chaleur se propage en cercles depuis le fond. De même en science : à partir de mesures éparses, il faut reconstruire l'image complète du champ thermique.

Un enfant qui explore un appartement inconnu rampe d'un objet à l'autre et mémorise ce qu'il voit depuis chaque coin. C'est ainsi que le cerveau construit une carte mentale — un modèle interne de l'espace. L'algorithme gradCSCG fonctionne sur le même principe : il reçoit un flux vidéo d'une caméra et dessine lui-même le plan du lieu, en s'appuyant uniquement sur le changement des images.

En général, les algorithmes apprennent à agir dans des conditions prédéfinies, comme l'eau qui coule dans un lit déjà creusé. La nouvelle méthode renverse cette logique : elle permet au système d'apprendre à la fois à agir et à modifier son environnement.

L'oreille humaine se concentre sur ce qui lui est familier, mais ce nouveau système fonctionne autrement : il capte tout pic sonore, même celui qui n'a jamais été entendu auparavant. C'est la diarisation audio — pas simplement la recherche de bruits précis, mais le découpage de tout l'enregistrement en segments où l'on note le début et la fin de chaque événement.

Des chercheurs ont pris 16 activités quotidiennes — de la vaisselle aux squats — et ont décomposé les mouvements en composantes élémentaires, un peu comme un spectroscope décompose la lumière en spectre. En comparant trois approches, ils ont trouvé une clé inattendue pour la reconnaissance : une simple image moyenne suffit.

Les machines complexes — des drones aux robots chirurgiens — se comportent parfois comme un mustang sauvage : pleines de désordre et de caprices, où un léger contact déclenche une tempête. Plutôt que de mémoriser des formules, la nouvelle méthode observe le système, tel un dresseur.

Un détective expérimenté ne calcule pas la trajectoire d'un criminel selon les lois de la physique — il consulte sa bibliothèque d'affaires similaires.

L'apprentissage automatique n'est plus depuis longtemps un simple outil — il devient un chercheur qui extrait lui-même les lois de la nature à partir des données. Mais comment un esprit de silicium parvient-il à la compréhension ?

Le ciel gamma, immortalisé par le télescope Fermi, est une symphonie grandiose de milliers de sources. On y trouve les pulsations rythmiques des pulsars, les accords puissants des noyaux actifs de galaxie, mais surtout des objets non identifiés dont la partition reste une énigme.

Les signaux gravitationnels des étoiles massives mourantes sont des murmures qui nous parviennent des laboratoires les plus violents de l'Univers.

Les profondeurs du cosmos ne sont pas silencieuses — elles regorgent de messages chiffrés. Chaque étoile, chaque quasar envoie son code lumineux tremblotant : rythmé comme le morse d'une céphéide, ou chaotique comme un chiffre brisé de supernova. Les astronomes interceptent ces signaux par millions chaque nuit — mais comment les lire sans clé ?

Imaginez : un orchestre philharmonique joue, mais le microphone ne capte qu'un bourdonnement indistinct — un tutti où se mêlent contrebasses, flûtes et timbales. Les physiciens résolvent un problème similaire depuis des décennies en examinant les champs de densité, de température ou d'induction magnétique.

Les modèles statistiques sont une tentative de tendre une toile mathématique idéale sur le paysage accidenté des données. Lorsque le modèle résiste, il émet une tension, mais nous avons pris l'habitude de l'ignorer. Les chercheurs passent des heures à scruter les graphiques de résidus, essayant de deviner où le modèle « craque ». Squealer traduit cette résistance en son.

Les éruptions solaires sont de puissantes explosions sur le soleil, capables de mettre hors service des satellites et de priver des villes entières d'électricité. Leur prédiction est compliquée par l'enchevêtrement des champs magnétiques dans les taches solaires.

Les réseaux de neurones classiques apprennent à partir d'exemples, un peu comme quelqu'un qui mémorise des mélodies à l'oreille. Mais les réseaux qui intègrent dès le départ les lois physiques ressemblent à un musicien qui connaît les notes et l'harmonie : il peut jouer un nouveau morceau à partir de quelques accords.

Chercher la bonne molécule parmi des milliards de possibilités, c'est un peu comme chercher un grain de riz dans un sac de riz. Pour ne pas tout éplucher à la main, les chimistes font de plus en plus appel aux réseaux de neurones. Mais les grands modèles exigent des ordinateurs puissants, et les petits manquent souvent de vision d'ensemble.

Un interprète est assis dans la salle de réunion et traduit chaque mot. Mais voilà qu'il remarque que sa traduction pourrait être améliorée s'il apprenait de ses erreurs. Il commence à noter les phrases qui ont causé des incompréhensions et les corrige. Au bout d'une heure, sa traduction est plus précise et la réunion se déroule plus vite.

Un laboratoire envoie à un robot une liste de mille molécules candidates pour un nouveau médicament. Le robot-prédicteur, entraîné sur d'anciennes données, donne pour chacune une évaluation « convient – ne convient pas ». Mais lorsque la liste provient d'un domaine inconnu – un autre virus ou une tumeur rare – le robot commence à se tromper.

Une bouilloire qui bout avec son couvercle fermé ne montre pas l'ébullition, mais le son et les vibrations trahissent la puissance de chauffe de l'eau.

Un photographe prend en photo une forêt de nuit et tente de capturer des lucioles. Les flashs sont rares, faibles, et autour, il y a le bruit du vent et des lumières lointaines.

On peut palper un objet inconnu dans le sens de la longueur, en travers, en diagonale — à chaque fois, on obtient une nouvelle information. Mais que se passerait-il si une méthode de palpation ne nous apprenait absolument rien sur ce que révélerait une autre ?

Vous goûtez un plat au restaurant, mais vous n'avez pas vu le menu. Vous posez des questions au serveur — trop salé ? avec quelles épices ? — et à partir des réponses, vous essayez de deviner quel chef l'a préparé.

Chaque fois que vous hésitez devant un pas risqué — investir dans des actions ou attendre — un dialogue interne se déroule dans votre tête. Habituellement, les scientifiques tentent de reconstituer le fil de ce dialogue à partir du seul choix final, comme si un détective reconstituait une conversation entre deux personnes en regardant une photo du lieu de rencontre.

Plan d'une ville : les intersections sont les nœuds, les rues les connexions. Pour que l'algorithme comprenne la structure, chaque nœud doit être étiqueté. L'approche classique — modèle standard — attribue des étiquettes simples, comme des numéros de maisons.

Dans un laboratoire où l'on étudie les cristaux, le technicien regarde un écran parsemé de taches lumineuses et fait pivoter lentement l'échantillon, cherchant à obtenir un motif symétrique. Ce travail ressemble à l'accord d'un vieux poste de radio : on tourne le bouton jusqu'à ce que le bruit laisse place à un signal clair. Désormais, cette manette peut être tournée par une machine.

Le nez est un instrument étonnant. Une molécule de café, une fois dans la narine, éveille le souvenir d'une cuisine matinale. Une autre, presque identique par sa forme, sent l'œuf pourri.

Le meilleur assistant IA pour scientifiques a réussi l'examen moins bien qu'un cancre à un contrôle. Seulement 21% de bonnes réponses – et c'est le plafond pour les quatre modèles les plus puissants. Les problèmes du nouveau test n'ont pas été écrits par des programmeurs, mais par des doctorants : des gens qui côtoient la vraie science au quotidien. Le test s'appelle COMPOSITE-STEM.

La chaleur traverse la matière comme l'eau dans des tuyaux : parfois vite, parfois à peine. Les ingénieurs recherchent des matériaux qui laissent passer très peu de chaleur — comme des tuyaux bouchés. Ces isolants sont essentiels pour économiser l'énergie et pour les dispositifs qui transforment la chaleur en électricité.

Les détecteurs de particules, comme les chambres à plaques résistives (RPC), fonctionnent comme des pièges sensibles : lorsqu'une particule chargée les traverse, un signal électrique est généré. Mais parfois, la chambre produit une fausse trace, comme si quelqu'un d'invisible avait appuyé sur la sonnette.

Un modèle d'apprentissage automatique classique examine un objet à la fois : un cerveau, un patient, un moteur. Mais les biologistes cherchent le général : comment le cerveau d'une espèce est organisé, et pas seulement celui d'un poisson particulier.

Dans une batterie ordinaire, l'électrolyte est liquide et les particules chargées (les ions) se déplacent librement. Dans la version solide, elles se faufilent à travers des « couloirs » atomiques, comme des piétons dans des passages étroits. Pour que la batterie fonctionne vite, il faut un matériau avec une bonne conductivité ionique.

Le détecteur de particules du Grand collisionneur de hadrons fonctionne pendant des années sans s'arrêter. Ses capteurs produisent des montagnes de données à chaque seconde, et il faut repérer rapidement une défaillance — par exemple, une surchauffe ou un canal cassé. Avant, des règles simples surveillaient cela, mais elles faisaient souvent des erreurs.