IA et science : des progrès réels, pas encore l’utopie

Ce que les sources confirment réellement

Je ne réduirais pas cette vague d’avancées à de la fiction, mais il est tout aussi prématuré d’en faire une utopie clé en main. En août 2026, les travaux vérifiés montrent de réels progrès en oncologie, en mathématiques et en robotique. Toutefois, l’ampleur des affirmations publiques dépasse nettement les preuves publiées.

Le signal le plus solide vient de la médecine. Une publication de npj Precision Oncology consacrée à l’étude clinique PRECISE CURATE.AI décrit l’évaluation de recommandations de dosage de chimiothérapie, personnalisées de façon dynamique, pour des patients atteints de tumeurs solides avancées. Il s’agit d’une étude de faisabilité, pas de la démonstration d’un traitement personnalisé du cancer prêt à l’emploi, encore moins d’une guérison des stades avancés.

Le tableau dépasse un seul essai. Une revue systématique de 2025 dans Artificial Intelligence in Medicine a couvert 72 études sur les applications de l’IA dans les essais en oncologie. Une analyse du registre ClinicalTrials.gov publiée dans Cancers a identifié 50 études terminées, dont 66 % étaient interventionnelles. C’est déjà du travail translationnel, pas une simple démonstration spectaculaire.

En mathématiques pures, les éléments probants sont plus modestes que les formulations les plus médiatiques. Le préprint de 2025 Advancing Mathematical Research via Human-AI Interactive Theorem Proving confirme les progrès de la démonstration interactive de théorèmes entre humains et IA. Mais les publications examinées ne confirment pas séparément l’histoire d’une nouvelle courbe elliptique de rang 30 ni celle de dix théorèmes auparavant inaccessibles résolus chaque jour.

La situation est comparable en robotique. L’article LLMs as NAO Robot 3D Motion Planners, présenté lors de l’atelier ICCV 2025, a montré un contrôle de la planification des mouvements via un modèle de langage, avec des résultats statistiquement supérieurs au hasard. Le rapport Apple MIA-Bench 2026 développe l’évaluation du suivi d’instructions, mais ces documents ne confirment pas un modèle robotique universel capable d’exécuter n’importe quelle action à partir d’un prompt.

Où se situe le véritable changement

Le changement majeur a déjà eu lieu : l’IA générative devient une couche de travail entre le chercheur et des systèmes métier complexes. En oncologie, elle aide à personnaliser les décisions ; en mathématiques, elle soutient la recherche de preuves ; en robotique, elle traduit le langage naturel en plans d’action.

La maturité de ces domaines reste cependant très différente. Je vérifierais d’abord les critères d’évaluation cliniques, la vérification formelle des preuves et la robustesse d’un robot hors d’un banc d’essai contrôlé. C’est là que les beaux résultats rencontrent le plus souvent la réalité : généralisation, erreurs de raisonnement et monde physique.

Les progrès ne sont pas inventés. L’utopie commence lorsqu’une étude de faisabilité, un assistant mathématique et un prototype de laboratoire sont présentés comme des problèmes déjà résolus.

Nous avons auparavant étudié l’IA incarnée à travers un cas RPi, en distinguant les démonstrations robotiques de l’architecture nécessaire à leur fonctionnement. Cette distinction aide à comprendre ce que les percées en robotique généraliste exigent réellement.