Vers une science augmentée : l’IA comme partenaire, non comme remplaçant

Dans un article publié le 21 mars 2025 dans le Journal des Libertés, Angelo Maria Petroni, professeur de logique et de philosophie des sciences à l’Université de Rome, explore l’évolution de la recherche scientifique à l’ère de l’intelligence artificielle comme un formidable instrument au service de la découverte. 

L’article défend la pertinence et la nécessité de la science pure face aux avancées de l’intelligence artificielle (IA), en soulignant la différence fondamentale entre recherche fondamentale et recherche appliquée. La science pure, bien que parfois difficile à distinguer de ses applications techniques, vise essentiellement la découverte de lois naturelles sans objectif utilitaire immédiat. Depuis le Manuel de Frascati de l’OCDE, cette distinction est reconnue, même si les financements publics ont souvent brouillé les frontières, notamment depuis la Seconde Guerre mondiale avec l’émergence de la « grande science ».

La méthode scientifique moderne, depuis Galilée, repose sur l’expérimentation, la modélisation et la recherche de lois causales. Elle se distingue par son ambition de découvrir des vérités universelles sur la nature, à travers des théories explicatives. Face à cette tradition, certains auteurs comme Chris Anderson, ont annoncé une rupture avec l’essor des données massives, qui rendraient obsolètes les hypothèses, les modèles et la recherche de causalité. Selon cette vision, il suffirait de corréler les données pour comprendre le monde. L’auteur s’oppose fermement à cette thèse, qu’il juge réductrice.

Il rappelle que les grandes découvertes scientifiques – la relativité, la mécanique quantique, ou les lois de Newton – ne sont pas issues d’une simple induction à partir des données, mais de constructions théoriques radicalement nouvelles, souvent contre-intuitives. Aucune IA ne peut, selon Petroni, « redécouvrir » ces lois fondamentales sans intégrer des biais inductifs ou des connaissances théoriques préexistantes. Il critique ainsi les tentatives récentes de redécouverte algorithmique des lois de Kepler ou de Newton, en montrant qu’elles reposent toujours sur des hypothèses implicites ou des éléments de théorie, et non sur les seules données.

Petroni aborde ensuite le débat sur la fin ou la continuité du progrès scientifique. Il oppose la position de Feynman, qui voyait le progrès borné, à celle de Popper et d’autres, pour qui la science est sans fin. Selon Petroni, la recherche reste un processus dynamique et infini, fondé sur l’interaction entre le réel et les représentations mentales. La science progresse par raffinement des théories et amélioration des instruments, plutôt que par accumulation de données seules.

Il estime que l’IA, en particulier l’apprentissage profond, peut jouer un rôle précieux en aidant à découvrir de nouveaux savoirs, mais non en remplaçant la théorie. Il voit dans l’IA un outil heuristique, capable de renforcer la modélisation scientifique sans se substituer à elle. L’IA ne marque pas la fin de la théorie mais invite à repenser la complémentarité entre modèles formels et exploitation des données.

Lire l’article en entier