Gemini for Science : fonctionnalités et outils d'IA pour une nouvelle ère de découverte
La méthode scientifique est le principal moteur du progrès humain depuis des siècles. Chez Google, notre mission consiste à créer des outils qui l'accélèrent. Nous sommes convaincus qu'une nouvelle ère de découverte ne viendra pas de modèles spécialisés et restrictifs mais d'agents généraux qui donnent aux scientifiques les moyens d'agir, quel que soit leur domaine.
C'est pourquoi nous lançons Gemini for Science, une collection d'outils et de fonctionnalités scientifiques expérimentales conçus pour étendre la portée et la précision de l'exploration scientifique.
Un multiplicateur de l'ingéniosité humaine
La science est aujourd'hui confrontée à un paradoxe : notre savoir collectif croît si rapidement qu'il devient de plus en plus difficile pour les scientifiques d'en appréhender la globalité. Les percées scientifiques reposent souvent sur l'établissement de liens ingénieux entre les données, mais le travail manuel que cela requiert peut prendre des semaines, voire des mois. L'IA peut contribuer à lever cet obstacle et à décupler l'efficacité du travail scientifique en prenant en charge les tâches complexes. Les chercheurs peuvent ainsi se concentrer sur l'identification et la résolution des problèmes scientifiques les plus importants et sur les pistes de recherche les plus prometteuses
Les outils expérimentaux Gemini for Science sur Google Labs comprennent trois prototypes principaux conçus pour gérer de telles tâches.
- Hypothesis Generation, créé avec Co-Scientist : L'idéation est essentielle à la science, mais personne n'est capable de synthétiser les millions d'articles publiés chaque année. Hypothesis Generation comble cette lacune en simulant la méthode scientifique : il collabore avec les chercheurs pour définir un défi de recherche, puis utilise un "concours d'idées" multi-agents pour générer des hypothèses, en débattre et les évaluer. Afin de garantir une rigueur absolue, les affirmations sont minutieusement vérifiées et étayées par des citations cliquables.
- Computational Discovery, créé avec AlphaEvolve et ERA (Empirical Research Assistance) : Le progrès scientifique est souvent limité par le nombre d'hypothèses que l'on peut tester de manière réaliste avec des expérimentations computationnelles. Le prototype Computational Discovery est un moteur de recherche agentique qui résout ce problème en générant et en évaluant en parallèle des milliers de variantes de code. Cela permet aux scientifiques de tester des approches de modélisation novatrices (pour des domaines complexes comme les prévisions solaires ou l'épidémiologie) dont l'exploration manuelle prendrait des mois.
- Literature Insights, créé avec Google NotebookLM : La compréhension de la littérature scientifique est essentielle à tout projet de recherche. Literature Insights explore la littérature scientifique et organise les résultats dans des tableaux avec des attributs personnalisés pouvant faire l'objet d'une recherche, pour permettre des analyses comparatives. Les chercheurs peuvent utiliser le chat pour révéler des nuances dans leur corpus de référence et créer des documents de haute qualité tels que des rapports, des présentations, des infographies et des résumés audio et vidéo. Grâce à la puissance de NotebookLM, Literature Insights facilite la synthèse des résultats issus de différents articles, l'identification des lacunes de la recherche et la mise en lumière de pistes de recherche prometteuses.
À compter d'aujourd'hui, nous allons commencer à ouvrir progressivement l'accès à ces fonctionnalités expérimentales. Rendez-vous sur labs.google/science pour manifester votre intérêt.
Outre ces fonctionnalités expérimentales individuelles, nous mettons également ces capacités d'IA avancées à la disposition des entreprises par le biais de Google Cloud. Nos solutions d'entreprise pour la R&D scientifique et industrielle sont déjà utilisées dans le cadre de previews privées et ont un impact concret. Des entreprises comme BASF utilisent AlphaEvolve pour optimiser leurs chaînes d'approvisionnement, et Klarna l'utilise pour améliorer ses modèles de machine learning.
Par ailleurs, des organisations comme Daiichi Sankyo, Bayer Crop Science et les Laboratoires nationaux des États-Unis (dans le cadre de la Mission Genesis du département de l'Énergie des États-Unis) utilisent Co-Scientist pour accélérer leur recherche et aborder des défis scientifiques fondamentaux. Ces outils professionnels s'avèrent particulièrement utiles dans leur phase de preview actuelle. Nous sommes ravis des avancées réalisées par nos partenaires et nous avons hâte d'étendre l'accès à davantage d'organisations dans les prochains mois.
Plusieurs articles de validation fondés sur ces outils et d'autres ont déjà été publiés. Les papiers de recherche sur Empirical Research Assistance (ERA) et Co-Scientist paraissent aujourd'hui dans Nature.
Une boîte à outils scientifique sur votre ordinateur
Dans le cadre de Gemini for Science, nous lançons également Science Skills, un bundle spécialisé qui intègre des informations issues de plus de 30 bases de données et outils majeurs en sciences de la vie, comme UniProt, la base de données AlphaFold, l'API AlphaGenome et InterPro. En utilisant ces compétences sur des plates-formes agentiques comme Antigravity, les chercheurs peuvent effectuer en quelques minutes des workflows complexes et souvent manuels qui prendraient des heures, comme la bioinformatique structurale et les analyses génomiques.
Nos équipes de recherche qui utilisent Science Skills ont déjà constaté cette accélération en pratique. Dès les premiers tests, notre équipe a utilisé Science Skills pour effectuer en quelques minutes une analyse complexe qui prend normalement plusieurs heures. Ceci a permis de mieux comprendre les mécanismes potentiels d'une maladie génétique rare causée par des mutations du gène AK2.
Pour savoir comment utiliser les Science Skills dans Google Antigravity, rendez-vous sur antigravity.google/use-cases/science.
Un travail collaboratif avec la communauté scientifique
Notre engagement à développer et à déployer de manière responsable des outils pour la science commence par l'écosystème scientifique. Nous travaillons avec plus de 100 institutions (comme l'Université de Stanford pour la fibrose hépatique, l'Imperial College London pour la résistance aux antimicrobiens et le The Crick Institute dans le cadre d'un engagement sur plusieurs années) pour valider nos nouveaux systèmes et outils. Afin de nous assurer de l’intégrité des analyses générées par l’IA, nous avons constitué une communauté de testeurs de confiance, composée d’étudiants en doctorat, de chercheurs industriels et de lauréats du prix Nobel, chargée de mettre nos systèmes à l’épreuve face à des défis complexes du monde réel.
Nous avons aussi mis en place des projets pilotes dédiés avec des organisations scientifiques majeures comme l'ICML, STOC et NeurIPS pour développer des outils novateurs pour l'évaluation agentique par les pairs et la validation scientifique, tels que nos outils expérimentaux Paper Assistant Tool (PAT) et ScholarPeer.
Tous ces travaux s'appuient sur une longue tradition de percées dans le domaine de l’intelligence artificielle. Nos modèles d'IA spécialisés accélèrent déjà les progrès de la science : AlphaFold a aidé plus de 3 millions de chercheurs à travailler sur les vaccins contre le paludisme et les enzymes qui dégradent le plastique. Et AlphaGenome aide les scientifiques à identifier les facteurs à l'origine des maladies. Ces outils complètent les outils utilisés tous les jours par les chercheurs, de Google Scholar et Earth Engine à Colab, MedGemma, Earth AI et Gemini Deep Research. Avec notre dernière version de Gemini Deep Think nous continuons d'améliorer les capacités de notre modèle de base sur les tâches scientifiques complexes. Ces outils sont déjà devenus des éléments essentiels de l'écosystème scientifique, aidant les chercheurs à organiser l'information et à effectuer des analyses de données complexes à grande échelle.
Tout en explorant ensemble l'avenir de la recherche agentique, nous continuons à œuvrer pour un avenir où l'IA accélère le progrès scientifique et contribue à résoudre nos défis sociétaux les plus urgents.
