Le 17 octobre 2026, Jack Clark, cofondateur d’Anthropic, a prononcé la conférence Per Jacobsson lors d’une réunion du FMI à Bangkok, en Thaïlande. L’IA commence à produire des résultats à la pointe de domaines scientifiques comme les mathématiques, la physique et la découverte de médicaments, a-t-il expliqué, appelant les économistes et les responsables politiques à se préparer à ces changements rapides. Selon lui, « la singularité a déjà commencé ». Il a évoqué à la fois les investissements nécessaires pour partager les bénéfices de ces avancées et les situations où il faudrait délibérément savoir s’arrêter.
De l’IA qui écrit des textes à l’IA qui entre dans les laboratoires
Quand on parle d’IA générative, beaucoup pensent à des outils qui créent des textes ou des images. Lors de cette conférence, Jack Clark a abordé la suite : la recherche scientifique. Selon lui, l’IA entre dans une phase où elle s’attaque aux questions non résolues aux côtés des chercheurs humains.
Il a évoqué le concept de « singularité technologique », prédit en 1993 par l’auteur de science-fiction Vernor Vinge. Si une intelligence supérieure à celle des humains prend les rênes du progrès, celui-ci pourrait engendrer des entités toujours plus intelligentes, et ce, de plus en plus rapidement. C’est ce que désigne cette notion. Jack Clark a déclaré qu’en 2026, des éléments convaincants montraient que ce processus avait commencé. Il a bien sûr reconnu que l’arrivée de la « singularité » était son point de vue et que certains détails pouvaient faire débat. Mais le fait même d’avoir abordé ce sujet au Fonds monétaire international (FMI) témoigne de l’extension des discussions sur l’IA au-delà du secteur technologique.
L’IA deviendra-t-elle le « bras » des chercheurs ?
La conférence a présenté des exemples dans plusieurs domaines. En mathématiques, l’IA sert à proposer des solutions à des problèmes restés longtemps sans réponse ; dans certains cas, elle aurait même fourni l’intuition décisive. En biologie, elle est utilisée pour concevoir des virus et repérer des candidats médicaments. Un médicament conçu avec une importante contribution de l’IA est déjà entré en phase d’essais cliniques, a-t-il indiqué. En robotique, l’IA commence à piloter à distance et de façon autonome des équipements de laboratoire, contribuant à automatiser les expériences dans des domaines comme la mise au point de batteries et de piles à combustible.
Il a insisté sur le fait qu’il ne s’agissait pas de technologies distinctes. Dans de nombreux cas, un seul et même modèle de pointe est utilisé. Selon lui, des systèmes comme Claude, ChatGPT et Gemini sont désormais capables d’effectuer des travaux de pointe dans plusieurs disciplines scientifiques.
Il a également estimé que les changements déjà observés dans le développement logiciel allaient s’étendre aux sciences et à la robotique. D’après lui, les chercheurs d’Anthropic écrivent environ dix fois plus de code qu’au cours des quatre premières années de l’entreprise. Mais les progrès du codage renforcent aussi les capacités de cyberattaque et alimentent une course entre défenseurs et attaquants. Les bénéfices et les risques apparaissent simultanément et sont indissociables. Jack Clark a décrit cette évolution comme « un aperçu de ce qui nous attend ».
Une courbe de progression vertigineuse, illustrée par des scores et l’expérience de physiciens
Pour illustrer la progression des capacités, Jack Clark a cité deux tests. Dans « Humanity’s Last Exam », une épreuve rassemblant des questions difficiles, le meilleur score est passé de 8 % à sa publication, en janvier 2025, à 67,7 % la semaine de la conférence. Pour « FrontierMath », un ensemble de problèmes conçu par des mathématiciens, il est passé de 2 % lors de sa publication, en novembre 2024, à 94 %. Ces chiffres sont ceux que Jack Clark a présentés lors de la conférence.
Une anecdote autour de « TheoPhysEval », une nouvelle évaluation en physique théorique, est particulièrement frappante. Lorsqu’on a demandé à l’IA de résoudre 50 questions inédites réunies par des physiciens du monde entier, elle a obtenu un score élevé, mais a aussi affirmé que les corrigés de référence des experts étaient erronés. Après vérification, plusieurs erreurs subtiles ont été repérées au cœur des calculs des experts. À chaque correction, le score de l’IA a augmenté, jusqu’à atteindre 98 % (49 questions sur 50), selon un commentaire de Suvrat Raju, contributeur à l’article.
Jack Clark a comparé cette scène à un film où un disciple finit par convaincre son maître de ses compétences. C’est le moment où celui qui enseignait se retrouve à apprendre. Cette histoire lui paraît importante parce que la science de pointe met à l’épreuve la « créativité ». Selon lui, si l’IA peut résoudre des problèmes de manière créative en science, cette capacité pourrait s’étendre à de nombreux domaines, y compris à la recherche en IA elle-même.
La croissance pourrait-elle changer dans un monde où les chercheurs seraient cent fois plus nombreux ?
Sur la croissance économique, son propos devient encore plus audacieux. Au cours du dernier demi-siècle, le nombre de chercheurs a augmenté dans de nombreux pays, tandis que la productivité de la recherche a diminué. C’est le problème souvent résumé par l’idée que « les bonnes idées sont de plus en plus difficiles à trouver ». L’IA pourrait changer la donne si elle servait de « chercheur virtuel ». Jack Clark a posé la question à partir de sa propre expérience : que se passerait-il si lui, dont la formation a pris environ 40 ans, pouvait travailler simultanément sous la forme de centaines ou de milliers de copies ?
Former un chercheur humain prend de 10 à 15 ans et coûte plusieurs millions de dollars. Avec l’IA, il suffirait de disposer de ressources informatiques pour en déployer instantanément autant que souhaité. Jack Clark a déclaré que, dans ces conditions, chaque scientifique humain deviendrait plus important et serait amené à superviser des centaines, voire des milliers d’experts virtuels.
Dans la simulation d’Anthropic qu’il a présentée, le PIB des États-Unis pourrait atteindre 44 000 milliards de dollars d’ici 2030, à condition que les modèles prennent en charge de manière autonome un large éventail de tâches et se diffusent rapidement dans l’économie. M. Clark reconnaît lui-même que ce chiffre « semble extravagant », mais le présente comme une conséquence logique si la technologie continue de progresser. Il s’agit d’une estimation fondée sur certaines hypothèses, et non d’une prévision certaine.
Multiplier les découvertes ne suffit pas : sans capacités pour les exploiter, elles ne débouchent sur rien
Après les ressources de calcul, M. Clark cite les équipements expérimentaux et les robots parmi les infrastructures à mettre en place. Depuis dix ans, il exhorte les gouvernements à développer les capacités de production électrique et les centres de données, mais peu de responsables politiques, dit-il, ont prêté attention à ses appels. Aujourd’hui, les capacités des centres de données prennent de l’ampleur aux États-Unis, en Chine et au Moyen-Orient, tandis que les tensions sur les chaînes d’approvisionnement font grimper les prix.
La prochaine étape consiste à étendre ces capacités au monde physique. Selon les estimations de l’UNESCO, le monde compte environ 10 millions de scientifiques. Même avec un tel effectif, souligne M. Clark, il manque d’encadrants de recherche, d’installations d’analyse en science des matériaux, de laboratoires de biologie pour tester de nouveaux médicaments et de grands dispositifs expérimentaux dans l’espace ou sur Terre. Que se passera-t-il lorsque les scientifiques virtuels seront 1 milliard, voire 10 milliards ? La question qu’il pose est très concrète.
Il faut ici retenir sa mise en garde contre un « embouteillage des découvertes ». Les candidats-médicaments peuvent se multiplier à toute vitesse, mais si seule une poignée peut être testée, leur utilité reste limitée. M. Clark a appelé les responsables politiques à mettre en place des mécanismes permettant d’accélérer le passage des résultats des laboratoires aux essais cliniques, aux usines et au terrain. Si l’IA accélère la « conception », mais que la validation et la mise en œuvre restent au rythme de la société humaine, le goulot d’étranglement ne fera que se déplacer vers l’aval.
M. Clark applique cette logique à la situation des différents pays. Les pays développés dotés d’une solide base scientifique peuvent accroître la productivité de leurs chercheurs. Les pays en développement qui fournissent des matières premières, entre autres, ont, selon lui, la possibilité de « brûler les étapes » en créant des installations d’essai et en développant leur communauté scientifique, afin d’accroître leur valeur au sein des chaînes d’approvisionnement.
Que déléguer, et que comprendre ?
Dans la seconde moitié de son intervention, l’accent se déplace des espoirs vers les choix à faire. Le fait que l’IA puisse mener des recherches scientifiques ne signifie pas qu’il faille tout lui confier. M. Clark cite d’abord la recherche en biologie, qui exige selon lui le niveau le plus strict de supervision humaine et de transparence. Il en va de même pour la recherche sur l’IA : la mesure dans laquelle il faut encadrer les travaux menés par l’IA est une question à laquelle des instituts comme Anthropic doivent répondre. Cette démarche peut accélérer les progrès, mais elle comporte aussi le risque de perdre le contrôle ; il faut donc avancer avec prudence. Il estime également nécessaire d’établir des règles.
M. Clark a aussi raconté sa rencontre, à Tokyo, avec un étudiant en physique à l’université. Alors que l’IA commence à réaliser une grande partie des expériences, comment décider lesquelles mener soi-même et lesquelles lui confier ? M. Clark dit ne pas avoir de réponse, mais estime que chaque discipline doit répondre à cette question.
Le deuxième choix porte sur le degré de compréhension que nous voulons avoir des résultats de l’IA. En mathématiques, les résultats produits par l’IA sont déjà parfois si originaux qu’ils doivent être déchiffrés par des humains. D’ici quelques années, l’IA pourrait aussi inventer de nouveaux équipements expérimentaux adaptés à sa propre manière de travailler. Les humains devraient-ils comprendre ces appareils ? M. Clark affirme que c’est là encore un choix qui nous appartient.
Distinguer « ce qui est possible » de « ce qu’il faut faire »
M. Clark se souvient qu’à l’adolescence, il craignait que la combinaison de la croissance démographique, du changement climatique et du gaspillage des ressources ne conduise l’humanité à l’effondrement. Depuis, il a vu les panneaux solaires devenir moins chers plus rapidement que prévu, les progrès de la compréhension du corps humain permettre de traiter des maladies, l’IA commencer à servir au décryptage des vocalisations animales, et des fusées atterrir puis être réutilisées. Il a ainsi compris que la technologie pouvait changer la donne. C’est aussi, a-t-il expliqué, ce qui le motive à travailler sur l’IA.
L’IA comporte toutefois des risques inhérents. M. Clark a plaidé pour la mise en place d’un cadre réglementaire inédit et robuste pour cette technologie et les entreprises qui la développent, ainsi que pour la « retenue », l’une des qualités humaines les plus difficiles à exercer. Sa position : développer les infrastructures, tout en maîtrisant le rythme de développement de la technologie elle-même et en avançant avec prudence.
Pour conclure, M. Clark a cité un passage de « Pale Blue Dot » de Carl Sagan. L’humanité qui atteindra un jour d’autres étoiles sera, selon cette idée, « très semblable à nous, mais avec davantage de forces et moins de faiblesses ». Alors que Sagan envisageait cette évolution sur plusieurs centaines de milliers d’années, M. Clark estime qu’il faut l’accomplir « en quelques années ». La capacité d’accélérer la recherche et celle de savoir s’arrêter : c’est notre aptitude à développer les deux simultanément qui est en question.
コメント