Mise en perspective
Vous avez sans doute croisé la promesse : l’IA va bientôt faire de la science toute seule. Un ingénieur de Google DeepMind publie l’argument inverse, et il mérite d’être traduit en français courant. Sa thèse tient en une image : les machines apprennent très bien ce qui existe déjà, mais elles ne savent pas sauter.
Le fait
Le texte s’intitule « LLMs can’t jump », littéralement « les modèles de langage ne savent pas sauter ». Ce papier de position est daté du 27 janvier 2026 et signé Tom Zahavy, chercheur chez Google DeepMind et contributeur d’AlphaProof, le système qui a atteint le niveau d’une médaille d’argent aux Olympiades internationales de mathématiques. Il a été retenu par la conférence ICML 2026 et présenté en session poster le 9 juillet. Un papier de position n’est pas un résultat de laboratoire : c’est une thèse argumentée, relue par des pairs, qui engage son auteur et personne d’autre.
L’argument reprend trois mots du philosophe Charles Sanders Peirce. L’induction remonte des cas observés vers une règle. La déduction descend d’une règle vers ses conséquences. L’abduction part d’un résultat bizarre et invente la cause capable de l’expliquer. Le papier accorde la première aux systèmes actuels, leur reconnaît des progrès rapides sur la deuxième, et leur refuse la troisième dans sa version forte : fabriquer un cadre théorique inédit, et non choisir parmi des explications déjà écrites.
La démonstration passe par la relativité générale et par une lettre d’Einstein à Maurice Solovine, où le physicien dessine son schéma de la découverte : expérience sensible, saut vers des axiomes, puis déduction de théorèmes vérifiables. Le point dur est là. Au moment de la percée, la mécanique de Newton n’était pas en crise : l’égalité des masses inertielle et gravitationnelle était vérifiée au milliardième près, et la seule anomalie sérieuse, l’avance du périhélie de Mercure, était attribuée à une planète cachée baptisée Vulcain. Un système entraîné à réduire l’erreur n’avait aucune raison de réécrire l’espace et le temps. Il aurait cherché Vulcain.
Notre regard
Concrètement, la cible est un raccourci que vous entendez partout : la machine a tout lu, donc elle finira par tout trouver. La réponse du papier tient en trois mots : compresser n’est pas inventer. L’intuition fondatrice d’Einstein, celle qu’il appelait sa pensée la plus heureuse, consistait à imaginer un observateur en chute libre depuis un toit : dans son voisinage immédiat, il n’existe pas de champ de gravitation. Ce n’est ni une régularité extraite de données ni une conséquence logique : c’est une sensation physique simulée, puis transformée en axiome.
La frontière est utile parce qu’elle sépare deux gestes que le débat public mélange. Prouver, c’est descendre d’axiomes vers un résultat, et les machines y sont devenues très bonnes : nous l’avions détaillé à propos de l’IA qui prouve. Poser l’axiome, c’est le mouvement inverse, et rien ne garantit qu’il s’obtienne en empilant du texte. Le papier compare les modèles actuels à la chambre chinoise de John Searle : ils manipulent le vocabulaire de la physique sans accès aux choses que ce vocabulaire désigne.
Pour vous, la conséquence pratique est modeste et nette : un assistant qui rédige une revue de littérature impeccable ne prouve rien sur sa capacité à formuler une hypothèse neuve. Sur ce point, nous croisons trois pièces rarement lues ensemble en français : le papier, les réponses publiées par d’autres chercheurs, et la mise au point de son auteur.
La nuance
Premier correctif, il vient de l’auteur. Devant les reprises qui titraient sur un DeepMind refroidissant l’IA pour la science, il a publié sa mise au point : position personnelle, pas la doctrine de son employeur, et aucune affirmation que les modèles ne découvriront jamais rien. Le papier concède d’ailleurs qu’un modèle actuel pourrait très bien dériver la relativité générale si on lui fournissait les axiomes d’Einstein. Le désaccord ne porte pas sur la puissance des outils, il porte sur l’origine des prémisses.
Deuxième correctif, les contradicteurs publient aussi. Dans le fil des objections, trois reproches reviennent : la thèse serait infalsifiable tant qu’aucun critère public ne dit ce qui compterait comme un saut réussi ; les humains sautent aussi en mathématiques ou en informatique, sans ancrage sensoriel ; et le récit de la relativité gomme les apports antérieurs de Lorentz et Poincaré. Une lecture critique publiée le 6 mars 2026 accepte le diagnostic mais conteste le remède : elle plaide pour une architecture modulaire, une société d’intelligences spécialisées, plutôt que pour un modèle unique mieux nourri.
Troisième correctif, il faut séparer ce qui est mesuré de ce qui est discuté. Les performances existent et se vérifient : niveau médaille aux Olympiades de mathématiques, systèmes comme AlphaEvolve ou l’AI Scientist de Sakana qui automatisent des pans entiers du travail de recherche, comme le rappelle une reprise détaillée du papier. L’interprétation, elle, reste une opinion argumentée : dire que ces succès restent des recombinaisons de concepts existants est une lecture, pas une mesure. Personne n’a produit le test qui trancherait.
À surveiller
Le papier ne s’arrête pas au constat, il propose une piste : des modèles du monde physiquement cohérents et pilotables par l’action. Un générateur vidéo produit une chute crédible parce qu’il a vu des milliers de chutes ; un modèle interactif du type Genie laisse intervenir dans la scène, changer un paramètre, observer la suite. C’est cette boucle, selon l’auteur, qui rapprocherait une machine de l’ascenseur imaginaire d’Einstein. La proposition vaut ce que vaudront ses résultats, et il n’y en a pas encore.
Deux signaux méritent d’être suivis. Le premier serait un critère falsifiable : une tâche où l’on saurait dire, sans ambiguïté, qu’un système a inventé une hypothèse plutôt que retrouvé la nôtre. Le second est le vocabulaire, toujours le meilleur indicateur d’un emballement : quand une position personnelle devient une annonce de laboratoire dans les titres, la même mécanique est à l’œuvre que sur le mot singularité. Le périmètre du papier, lui, est explicite : les sciences physiques, celles qui se cognent à une réalité matérielle.
Retenez surtout le déplacement de la question. On demandait si l’IA saurait répondre. On demande désormais si elle sait poser la question. Ce n’est pas le même chantier, ni le même calendrier.
Votre réaction :
Article créé en collaboration avec l’IA.
Les plus lus
- 1
L’Odyssée de Nolan en IMAX 70 mm : la seule salle de France est à Montpellier - 2
Musées gratuits le premier dimanche du mois : la règle et les pièges - 3
600e de Taratata : ce que France 2 a rediffusé jeudi soir avait été tourné dix mois plus tôt - 4
2 millions d’acres brûlés : l’Oregon bat son record d’incendies avec deux mois de saison à venir - 5
Un agent d’IA a passé quatre jours et demi dans les serveurs de Hugging Face avant d’être repéré
Nos dossiers
- France490
- Santé210
- Science207
- Prévention198
- Culture184
- Consommation179
- Biodiversité171
- IA149
Recevez notre sélection dans votre boîte mail
Le meilleur d’Actu Alt Plus : décryptages, chiffres et panoramas. Désinscription en 1 clic, zéro spam.
