A mesure que l’intelligence artificielle (IA) et l’apprentissage automatique ont atteint des niveaux de performance de plus en plus impressionnants en terme de reconnaissance des images et de compréhension du langage, des chercheurs ont commencé à se demander si cela ne pourrait pas aussi transformer la recherche de nouveaux médicaments.
Actuellement les chercheurs humains sont confrontés à un problème majeur : ils ne peuvent explorer qu’une infime partie de ce qui est possible. On estime qu’il y a jusqu’à 1060 molécules potentiellement utilisables pour synthétiser un médicament, soit plus que le nombre d’atomes dans le système solaire. En accélérant cette étape critique, l’apprentissage en profondeur pourrait offrir beaucoup plus de possibilités aux chimistes, ce qui accélérerait grandement la découverte de médicaments. D’autres utilisent l’apprentissage machine pour essayer d’inventer de nouveaux matériaux pour des applications de clean-techs comme des batteries améliorées pour stocker l’énergie sur le réseau électrique et des piles solaires organiques (qui pourraient être beaucoup moins chères à fabriquer que les piles encombrantes à base de silicium actuelles). Les tâches ralentissant les progrès dans ce domaine sont justement celles où l’apprentissage en profondeur excelle.
Fin d’année dernière, Paul Romer a reçu le prix Nobel d’économie pour les travaux réalisés à la fin des années 1980 et au début des années 1990, qui ont montré comment les investissements dans les nouvelles idées et l’innovation stimulent une croissance économique robuste. Au cours des décennies qui ont suivi, les conclusions de Romer ont inspiré de nombreuses personnes dans la Silicon Valley. Mais que faire si notre pipeline d’idées nouvelles s’épuise ?
Du point de vue d’un économiste, c’est un problème de productivité : nous payons plus cher pour un volume de production similaire. Et les chiffres ont l’air mauvais. La productivité de la recherche, c’est-à-dire le nombre de chercheurs nécessaires pour produire un résultat donné, diminue d’environ 6,8 % par an pour que perdure la loi de Moore (qui exige que nous trouvions des moyens d’intégrer des composants toujours plus petits et plus nombreux sur une puce semi-conductrice afin de rendre les ordinateurs toujours plus rapides et puissants). Selon les économistes de Stanford et du MIT, il faut plus de chercheurs et d’argent pour trouver de nouvelles idées productives. La baisse de la productivité dans le domaine de la recherche semble être une tendance qui dure depuis plusieurs décennies.
Les résultats de cette analyse sont particulièrement inquiétant pour les économistes d’aujourd’hui parce que nous avons assisté à un ralentissement général de la croissance économique depuis le milieu des années 2000. À une époque où, pourtant, des nouvelles technologies très innovantes comme les smartphones, les voitures autonomes ou Facebook sont en plein essor, la croissance est lente et la part de cette croissance attribuée à l’innovation a été particulièrement faible.
Je suis très intéressé par tout ce qui concerne l’IA (auteur de “La Révolution numérique de demain” chez EdP (Editions du Panthéon), tome I déjà publié, tome II bientôt publié….Voir articles sur LinkedIn ou Facebook. MERCI !