En janvier, Jennifer Newton a demandé combien de temps il faudrait avant qu’une IA soit répertoriée parmi les auteurs d’un document de recherche. Eh bien, il s’avère que la réponse n’était pas très longue du tout. ChatGPT, l’algorithme de texte génératif qui est rapidement devenu un phénomène culturel, a récemment été répertorié comme co-auteur de plusieurs articles. Les éditeurs ont répondu par une interdiction au motif qu’une machine ne peut répondre aux critères de responsabilité et d’imputabilité exigés des auteurs. Pourtant, comme Holden Thorp l’a noté dans un récent Science éditorial, un problème plus important pourrait être que lorsque les contributions de ChatGPT ne sont pas divulguées, nous ne le saurons tout simplement pas. Quoi qu’il en soit, la technologie est là pour rester.

L’IA, l’apprentissage automatique et l’automatisation révolutionnent la chimie, la rendant plus rapide et plus efficace que jamais. Avec la capacité d’analyser de grandes quantités de données et de faire des prédictions, ces technologies aident les chercheurs à découvrir de nouveaux composés et à améliorer ceux qui existent déjà. Cependant, comme pour toute nouvelle technologie, l’impact de l’IA et de l’automatisation sur les emplois et le potentiel d’utilisation abusive suscitent également des inquiétudes.

Nous rapportons sur ces sujets depuis un certain temps et donc, pour ne pas être en reste, j’ai demandé à ChatGPT d’écrire le paragraphe précédent. Il a fait un travail parfaitement utilisable. (Les choses semblent devenir plus amusantes lorsque vous demandez du mimétisme – la même requête demandée dans le style de Roald Hoffmann a renvoyé quelques lignes de vers dans un cas.) Pourtant, j’espère que le goût du style de ChatGPT suffira et que, au moins pour l’instant, vous préférez ne pas subir la version de 600 mots que j’ai.

Il est clair que l’IA change déjà nos vies. Pourtant, il est plus difficile de voir à travers le battage médiatique pour savoir où les changements se produiront et pour le moment, il y a plus de questions que de réponses. Nous consacrons donc une série d’articles de fond à répondre à ces questions – pour comprendre la réalité et la capacité de ces technologies.

Il y a déjà eu des jalons notables dans la chimie. L’année dernière, AlphaFold de Deepmind a efficacement résolu le problème du repliement des protéines et nous avons récemment rendu compte des outils d’apprentissage automatique qui ont fourni les solutions les plus précises à ce jour à l’équation de Schrödinger. Les grandes sociétés pharmaceutiques s’associent également à des experts en intelligence artificielle non seulement pour accélérer la découverte de médicaments grâce au dépistage et à la modélisation virtuels, mais également pour améliorer les synthèses, l’optimisation et les essais cliniques. Et comme l’explique Nessa Carson, vous pouvez aujourd’hui utiliser bon nombre de ces outils dans votre propre laboratoire.

Les opportunités ici amènent également de nouveaux joueurs – certains poids lourds avec des poches profondes – dans le tableau périodique. Alphabet, Meta, IBM et d’autres géants de la technologie voient un potentiel de perturbation et ont renforcé leurs capacités en chimie. Le rythme de cette croissance s’est récemment ralenti alors que les vents contraires économiques obligent à réévaluer les projections faites pendant la pandémie, mais la tendance est là.

La question la plus stimulante intellectuellement est peut-être qu’est-ce que tout cela signifie pour les chimistes ? Oui, « l’impact sur les emplois » comme le dit ChatGPT, mais aussi les implications plus existentielles. Et si la chimie devenait une boîte noire, par exemple, comprise seulement par des machines et quelques spécialistes ? Ou, comme le pense Philip Ball, qu’advient-il de l’essence épistémologique de la chimie – quelles sortes d’idées et de découvertes les machines pourraient-elles faire qui pourraient éclairer notre sujet et ce que font les chimistes ?

Une étude récente en Nature ont suggéré qu’il y a eu une baisse progressive du taux de recherche perturbatrice depuis le milieu du XXe siècle. Les auteurs avancent que l’une des raisons à cela pourrait être que la science est devenue si spécialisée et ses connaissances si vastes que nous ne pouvons plus couvrir différents domaines et les relier. Pourtant, une machine le pourrait. Peut-être sommes-nous à l’aube d’une nouvelle ère de perturbations.