Introduction à l’IA dans l’astrobiologie
Les chercheurs en intelligence artificielle (IA) ont mis au point un système capable de mener des recherches autonomes en astrobiologie, l’étude des origines de la vie dans l’Univers. Ce système, nommé AstroAgents, se compose de huit « agents IA » qui analysent les données et génèrent des hypothèses scientifiques. Il s’ajoute à une série d’autres outils d’IA visant à automatiser le processus scientifique, de la lecture de la littérature à la formulation d’hypothèses, voire à la rédaction d’articles.
Le rôle des AstroAgents dans l’étude des échantillons martiens
Les créateurs de cet outil prévoient de l’utiliser pour étudier les échantillons que la NASA envisage de récupérer de Mars. Les agents aideront à déterminer si ces échantillons contiennent des molécules organiques indiquant la présence de vie passée ou présente. Les chercheurs ont présenté AstroAgents le 27 avril lors de la Conférence internationale sur les représentations d’apprentissage à Singapour.
Comprendre la formation des molécules dans l’espace
« Il nous aide à mieux comprendre comment les molécules se forment dans l’espace, comment elles se forment à partir de la vie sur Terre et comment elles sont préservées, puis quels signes spécifiques nous devrions rechercher », explique Denise Buckner, astrobiologiste au Centre de vol spatial Goddard de la NASA à Greenbelt, Maryland, qui a co-écrit un préprint décrivant AstroAgents.
Les systèmes d’IA agentiques : une nouvelle ère
AstroAgents est un exemple de systèmes d’IA « agentiques ». Ces systèmes, généralement basés sur de grands modèles de langage (LLM), sont conçus pour être des participants plus actifs que les outils d’IA conventionnels, décidant de ce qui doit être fait et comment le faire, évaluant les résultats et s’adaptant en conséquence. Leur émergence a suscité un débat animé sur la capacité de l’IA agentique à proposer des idées scientifiques véritablement originales et sur la manière dont la nouveauté devrait être définie.
Exemples d’application de l’IA agentique
L’un des exemples les plus marquants est le « co-scientifique » d’IA de Google, qui a été lancé en février et a recherché des traitements potentiels pour les maladies du foie et suggéré comment la résistance aux antimicrobiens se développe. L’application de l’IA agentique à l’astrobiologie est nouvelle, déclare Michael Wong, astrobiologiste au laboratoire des sciences de la Terre et des planètes de Carnegie à Washington DC.
Fonctionnement des AstroAgents
Pour spécifier les comportements des agents, les chercheurs fournissent différents prompts à un LLM. Par exemple, un « analyste de données » doit identifier les motifs importants dans les données, un « planificateur » doit décider de ce qu’il faut déléguer à d’autres agents « scientifiques » pour des recherches et la génération d’hypothèses supplémentaires, et un « critique » doit évaluer les hypothèses et suggérer des améliorations à l’analyste de données, ce qui déclenche ensuite un nouveau cycle du processus.
Innovation dans la génération d’hypothèses
La manière dont AstroAgents divise la génération d’hypothèses entre plusieurs agents spécialisés est innovante, déclare Amirali Aghazadeh, co-auteur et informaticien à l’Institut de technologie de Géorgie à Atlanta. « Nous avons réalisé qu’en raison de la complexité des données, il est préférable que l’agent attribue plusieurs tâches à plusieurs ‘scientifiques' », dit-il. C’est au planificateur de décider ce que chaque agent scientifique étudiera, et il le fait de manière autonome. « C’est un peu la magie du système », ajoute-t-il.
Expérimentations avec les modèles de langage
L’équipe de recherche a expérimenté l’utilisation de deux LLM pour alimenter AstroAgents : Claude Sonnet 3.5 et Gemini 2.0 Flash. Ils ont fourni à chaque système des données de spectrométrie de masse pour huit météorites et dix échantillons de sol prélevés dans divers endroits de la Terre, y compris l’Antarctique et le désert d’Atacama au Chili, et ont effectué dix cycles de raffinement.
🔗 **Fuente:** https://www.nature.com/articles/d41586-025-01364-w