Google.org a annoncé avoir sélectionné 17 organisations qui bénéficieront d’un financement total de 36 millions de dollars dans le cadre du défi Impact Challenge: AI for Science, afin d’utiliser l’intelligence artificielle pour accélérer des recherches liées au climat, à la santé et aux sciences fondamentales. Les organisations bénéficiaires pourront rejoindre un programme d’accélération de six mois, au cours duquel les participants recevront un accompagnement technique, un soutien en ingénierie et un accès à des ressources d’infrastructure de Google.
La sélection intervient à l’issue d’un appel à candidatures ouvert qui a reçu des demandes provenant de 30 pays. Les projets couvrent des domaines variés, allant de la prévision des tempêtes et du développement de l’énergie de fusion à la conception de traitements et à la compréhension des changements génétiques.
Des exemples d’innovation dans le climat et l’énergie
AfriClimate AI Limited analyse les indicateurs météorologiques historiques des systèmes de tempêtes dangereuses en Afrique, avec pour objectif de faire passer le délai d’alerte en cas de crues soudaines de moins de trois heures à plus de six heures. Inria Chile Research Center construit un modèle fondamental multimodal de l’océan en créant un jumeau numérique des écosystèmes marins de la planète.
Dans le domaine de l’énergie, Max Planck Institute for Plasma Physics, en collaboration avec TU Eindhoven, utilise une intelligence artificielle fondée sur les principes de la physique pour simuler les conditions turbulentes à l’intérieur des réacteurs à fusion et réduire l’écart entre la simulation et l’application dans le monde réel. University of Texas at Austin développe également des modèles de réseaux neuronaux afin d’accélérer la conception de réacteurs à fusion compacts.
Les autres projets comprennent la découverte automatisée de matériaux au Massachusetts Institute of Technology, le développement de modèles climatiques interprétables à UC San Diego, l’amélioration des batteries sodium-ion à University of Cambridge et la conception de protéines à l’aide du langage naturel à University of Washington pour des applications comprenant la décomposition des plastiques.
L’intelligence artificielle dans la recherche en santé
AITHYRA Research Institute, en collaboration avec EPFL, cherche à comprendre comment les virus manipulent les cellules et à créer une bibliothèque de protéines conçues par intelligence artificielle afin de découvrir des traitements ciblant des protéines difficiles à atteindre avec des médicaments. Allen Institute travaille à la conception de séquences d’ADN ciblant certains types de cellules cérébrales particulièrement exposées aux maladies neurodégénératives, tout en partageant ouvertement les modèles, les séquences et les résultats.
Les autres initiatives dans le domaine de la santé portent notamment sur le développement d’une chimiothérapie de précision à Australian National University, l’étude de l’effet des variants génétiques sur la régulation de l’épissage de l’ARN à National University of Singapore et la découverte de causes inconnues de mutations à New York University Grossman School of Medicine.
University of California, Berkeley développe également des méthodes permettant d’extraire des biomarqueurs cliniques interprétables à partir de modèles médicaux fonctionnant comme des boîtes noires, tandis que University of Cape Town met en place une plateforme destinée à cartographier la variation génétique des gènes africains qui métabolisent les médicaments. La liste comprend aussi des modèles d’ingénierie destinés à comparer la régénération cardiaque à University of Pittsburgh, ainsi qu’un modèle fondamental pour la conception de médicaments peptidiques à University of Toronto.
Qu’est-ce qui change concrètement ?
Le programme n’annonce ni modèle d’intelligence artificielle unique ni produit prêt à l’emploi. Il oriente plutôt le financement et le soutien en ingénierie vers des projets de recherche spécialisés susceptibles de bénéficier d’une augmentation des capacités de calcul et d’une amélioration des modèles. La valeur immédiate de la subvention réside dans la combinaison de l’expertise scientifique et de l’infrastructure technique, tandis que les résultats finaux — comme l’amélioration de la précision des prévisions ou l’accès à des traitements utilisables — restent liés aux progrès de chaque projet et à sa capacité à passer de la recherche à une application vérifiable.
La nature des projets témoigne d’un recours croissant aux modèles multimodaux, à l’intelligence artificielle interprétable et aux modèles fondamentaux dans des domaines nécessitant des données et des expériences scientifiques spécialisées. Toutefois, l’annonce ne précise pas le montant du financement accordé à chaque organisation et ne mentionne ni calendrier pour les résultats des projets ni critères de mesure uniformes entre eux.