Einstein à la chaîne. OpenAI fait une nouvelle fois l’actualité avec un outil destiné au monde scientifique.
L’entreprise, perpétuellement en activité, a dévoilé FrontierScience, un système d’évaluation qui propulse l’intelligence artificielle en territoire inconnu en s’attaquant aux mêmes problèmes scientifiques complexes qui mobilisent généralement les chercheurs titulaires d’un doctorat pendant des semaines.
Alors que les précédents benchmarks se concentraient sur la mémorisation, FrontierScience est présenté comme un véritable système de raisonnement scientifique couvrant la physique, la chimie et la biologie. Le système a été lancé le 16 décembre avec plus de 700 questions soigneusement élaborées par certains des esprits scientifiques les plus brillants au monde.
Le modèle GPT-5.2 d’OpenAI a obtenu un taux de réussite de 77 % à des problèmes de niveau olympique, des exercices qui mettent au défi les jeunes scientifiques les plus doués de la planète.
L’écart de performance entre
GPT-5.2 a dominé les questions structurées de type olympiade avec son score de 77 %, avant de s’effondrer de manière spectaculaire face aux tâches de recherche ouvertes, avec seulement 25 % de réussite.
Cet écart de performance de 52 points révèle ce que les scientifiques appellent la « barrière de l’ambiguïté ». Les créateurs du benchmark ont réuni une équipe sans précédent — 42 médaillés d’olympiades internationales représentant 109 médailles, aux côtés de 45 scientifiques titulaires d’un doctorat — afin de concevoir des questions capables de véritablement mettre à l’épreuve le raisonnement de l’IA. Certaines questions de recherche sont si complexes que les experts humains estiment qu’il faudrait plusieurs jours de simulations informatiques ou des semaines de travail mathématique pour les résoudre correctement.
Prenons cet exemple : interrogés sur les « atomes d’azote méso dans la phtalocyanine de nickel(II) », des chercheurs ont indiqué que l’exécution des simulations informatiques à elle seule « pourrait prendre plusieurs jours ». Une autre question demandant de dériver les « modes d’ondes électrostatiques » dans un plasma a poussé un expert à reconnaître : « J’ai effectué une analyse similaire plus tôt cette année pour un autre type d’onde… Je crois qu’il m’a fallu environ trois semaines pour faire les calculs correctement ».
Une nouvelle ère de découvertes scientifiques
Les implications vont bien au-delà de résultats impressionnants aux tests : ce benchmark indique que nous approchons d’un point de bascule critique, où l’IA passe du statut de moteur de recherche sophistiqué à celui de véritable collaborateur de recherche. Lorsque les modèles finiront par obtenir des scores presque parfaits sur le volet consacré à la recherche, ils fonctionneront comme de « très bons collaborateurs », capables de multiplier les progrès réalisés par les doctorants ou les scientifiques.
Le système d’évaluation de ce benchmark marque un changement fondamental dans l’évaluation de l’IA. En utilisant des grilles de notation sur 10 points, évaluées par GPT-5 pour mesurer la qualité du raisonnement et pas seulement les réponses finales, il dépasse la mentalité traditionnelle du « réussir le test » au profit d’évaluations visant à déterminer si le modèle « peut faire le travail ». La progression est nette : lorsque des benchmarks scientifiques similaires de niveau doctorat ont été lancés en novembre 2023, GPT-4 n’avait obtenu que 39 %, tandis que GPT-5.2 atteint désormais 92 % sur ces mêmes questions.
Cette progression rapide laisse penser que nous assistons à l’émergence de systèmes d’IA capables de contribuer véritablement aux avancées scientifiques.
La course à la suprématie de l’IA scientifique
Le lancement de ce benchmark coïncide avec une envolée sans précédent des investissements dans la recherche en IA, qui transforme l’ensemble du paysage scientifique. La compétition dépasse largement OpenAI : Google DeepMind a déjà prédit plus de 200 millions de structures protéiques, un travail qui aurait nécessité des centaines de millions d’années pour être réalisé expérimentalement.
Lorsque les modèles d’IA auront finalement comblé l’écart de 52 points entre les scores Olympiade et Recherche, ils traiteront les problèmes ambigus aussi facilement que les problèmes contraints. La vitesse des progrès laisse penser que cette limitation ne perdurera pas longtemps.
Inutile de raisonner avec elle. Hannah Wong, la dirigeante qui a piloté OpenAI pendant sa période la plus chaotique, a annoncé son départ de l’entreprise.