Chercheur de l’USC : L’IA générative comprime les délais de recherche et remodele le rôle des scientifiques

L’intelligence artificielle commence à passer d’assistant de laboratoire au centre de la méthode scientifique, condensant un travail qui prenait autrefois des mois en plusieurs jours, selon Mayank Kejriwal, professeur associé de recherche à l’Université de Californie du Sud et PDG de Grail.

S’entretenant avec l’animateur Keith Shaw dans l’émission Today in Tech, Kejriwal a déclaré que les avancées en IA générative permettent aux systèmes de générer des hypothèses, de concevoir des expériences et d’interpréter les résultats — des tâches traditionnellement prises en charge par des chercheurs humains.

Il a indiqué que ce changement modifie déjà les flux de travail de recherche dans des secteurs allant de l’informatique d’entreprise aux laboratoires scientifiques, offrant rapidité et échelle tout en introduisant de nouveaux défis liés à la validation, la supervision et la confiance.

Kejriwal attribue son point de vue à l’expérience pratique. Il travaille dans l’IA depuis près de 15 ans, débutant comme étudiant de premier cycle au National Center for Supercomputing Applications dans l’Illinois, obtenant un doctorat à l’Université du Texas à Austin, et rejoignant l’USC en 2016.

À l’USC, il dirige le laboratoire d’IA et de systèmes complexes, se concentrant sur des travaux appliqués et empiriques sur des problèmes complexes, y compris la lutte contre la traite des êtres humains. Il y a environ un an, lui et ses élèves ont commencé à utiliser des outils comme Cursor et Codex.

Le résultat, a-t-il dit, fut une accélération rapide : des projets qui prenaient autrefois six mois sont passés à six semaines, puis à six jours. Convaincu que « l’IA pour la science est réelle » et pourrait faire progresser de façon exponentielle, il a déclaré que cet élan avait conduit à la création du Graal.

Le tournant est survenu plus récemment. Après l’émergence de nouveaux modèles, Kejriwal et son équipe ont demandé s’ils pouvaient créer un « scientifique » IA pour prendre en charge davantage le cycle de recherche. Testant lui-même cette approche, il utilisa le système pour poursuivre des idées qu’il avait mises de côté pendant des années.

« J’ai terminé l’une de ces idées — j’ai mené des expériences et j’en ai écrit de grandes parties — en moins d’une journée », a-t-il dit, ajoutant qu’avec un jour ou deux de plus, elle pourrait être prête à être soumise.

Cette accélération, a noté Kejriwal, soulève également des questions philosophiques et pratiques sur le rôle de l’humain dans la découverte — si les chercheurs passent de l’exécution au jugement et à la direction, et comment les organisations garantissent la fiabilité des résultats.

À mesure que les outils d’IA deviennent plus performants, a-t-il ajouté, les dirigeants d’entreprise et de technologie devront repenser les flux de travail de recherche et les garde-fous. La question centrale, telle que formulée dans la conversation : l’IA améliore-t-elle simplement la productivité, ou commence-t-elle à redéfinir la manière dont la découverte elle-même se produit ?