Un rapport de terrain d'OpenAI et de collaborateurs universitaires a révélé que les agents de codage d'IA peuvent considérablement accélérer la modernisation des logiciels scientifiques vieillissants, en réécrivant les outils dans des langages plus rapides et en réduisant les temps d'exécution de plusieurs ordres de grandeur. Le hic : les mêmes agents ne peuvent pas juger de manière fiable si leur travail est scientifiquement correct, présentant souvent du code bogué en toute confiance.

Le rapport, publié le 1er août 2026 et documenté par The Decoder, a examiné huit études de cas – principalement en biologie – dans lesquelles des groupes de recherche ont utilisé des agents de codage tels que Codex et Claude Code pour sauver, optimiser et réécrire des logiciels critiques. Pour des rapports continus sur les outils qui remodèlent la science et l'industrie, suivez nos dernières actualités sur l'IA.

Une crise silencieuse dans les logiciels scientifiques

Une grande partie des logiciels qui sous-tendent la recherche moderne ont commencé comme du code de support pour un seul article. De petites équipes universitaires ont construit ces outils sans disposer des ressources nécessaires à des tests, une maintenance ou une optimisation appropriés. Le résultat est une fondation fragile : des programmes qui restent essentiels à des domaines entiers mais nécessitent des réparations constantes. Le rapport de terrain d’OpenAI suggère que les agents de codage de l’IA pourraient aider à combler cette lacune de longue date.

Les projets allaient de la maintenance de routine à la réécriture complète dans des langages de programmation modernes, et plusieurs d'entre eux ont généré des gains de performances accrocheurs.

Reconstruire STAR dans Rust

L'un des projets les plus ambitieux, rustar-aligner, a reconstruit STAR à partir de zéro dans Rust. STAR est un outil largement utilisé qui cartographie les lectures de séquençage des cellules vers leurs emplacements correspondants dans un génome. Le programme original contient plus de 20 000 lignes de C et C++ et n’est plus activement maintenu, même s’il reste intégré dans de nombreux pipelines de recherche.

Pour vérifier la réécriture, l’équipe a testé les deux outils sur 10 000 lectures de séquençage courtes à partir de cellules de levure. Pour les lectures à une seule extrémité, rustar-aligner a produit le même résultat que STAR dans 99,815 % des cas. Pour les lectures appariées, le taux d'accord était de 99,883 %. La comparaison s'est étendue au-delà des emplacements cartographiés pour inclure plusieurs autres champs clés que les deux programmes produisent pour chaque lecture, et aucun des deux outils n'a mappé les lectures que l'autre n'a pas réussi à mapper.

Une accélération 60 fois supérieure

RustQC a fourni la plus grande accélération en combinant 15 outils de contrôle qualité distincts en un seul programme. Sur un grand ensemble de données, le temps d'exécution a chuté de 15 heures et 34 minutes à seulement 14 minutes et 54 secondes, soit une accélération de plus de 60 fois.

Un autre projet, HelixForge, a remplacé un outil de génération de données génomiques synthétiques par une version accélérée par GPU. Dans un test utilisant les données d'un donneur et une section de dix millions de paires de bases du génome, HelixForge a complété le pipeline complet 59,6 fois plus rapidement que le BamSurgeon d'origine, l'étape de calcul principale étant à elle seule exécutée 98,6 fois plus rapide.

Dans le cadre d'une modernisation plus conventionnelle, GPT-5.5 a remplacé le processus de création et d'installation obsolète de cyvcf2, une bibliothèque Python permettant de lire des données génétiques. La migration MHCflurry, plus complexe, a vu Claude Code et Codex alterner entre les rôles de développeur et de réviseur tout en portant environ 10 000 lignes de code de TensorFlow vers PyTorch. MHCflurry est un modèle immunologique qui prédit quelles cibles les cellules immunitaires reconnaîtront.

'Certainement faux'

La conclusion qui fait la une des journaux donne cependant à réfléchir. Dans les études de cas, les agents accomplissaient rapidement des tâches bien définies mais ne pouvaient pas juger de manière fiable si leur travail était scientifiquement correct. Même lorsque leur code contenait des erreurs, les systèmes le présentaient souvent en toute confiance.

Brent Pedersen, le développeur de cyvcf2, a capturé la tension dans le rapport : « Avec les agents de codage, il est assez facile d'aller vite ; pour l'instant, pour aller loin dans la science, il faut toujours des conseils, une compréhension, du goût et de l'attention d'experts. »

Philip Ewels, qui a dirigé le projet RustQC, a été plus direct. Il a décrit les agents comme étant « éloquents, convaincants et confiants dans leurs erreurs, d'une manière qu'il est facile de rater ». Ewels n'a jamais permis aux modèles de juger de l'exactitude de leur propre travail, mais a plutôt construit un harnais de test indépendant pour détecter leurs erreurs.

Erreurs cachées à la vue de tous

L'étude de cas bayesm a illustré à quel point ces erreurs peuvent être difficiles à détecter. Sa réécriture Rust s'est déroulée entre deux et vingt fois plus rapidement que l'original, mais les premières versions de deux méthodes avancées contenaient des défauts subtils. Dans l’un d’entre eux, l’agent a inversé un paramètre de contrôle clé, obligeant le programme à utiliser l’inverse des valeurs prévues. Un bug distinct a affecté le calcul lui-même. Les chercheurs n’ont découvert ces deux problèmes qu’après avoir effectué un test d’étalonnage détaillé sur des milliers d’ensembles de données synthétiques dont les résultats sont connus.

L’épisode souligne un changement structurel dans la façon dont les scientifiques peuvent travailler aux côtés de l’IA : plutôt que d’écrire du code eux-mêmes, leur tâche principale devient de vérifier rigoureusement les résultats – un rôle qui exige une expertise approfondie du domaine que les agents eux-mêmes ne peuvent pas fournir.

Ce que cela signifie pour la science

Les résultats arrivent à un moment de débat intense sur le degré d’autonomie qui devrait être accordé aux systèmes d’IA dans des domaines à enjeux élevés. Les accélérations sont véritablement transformatrices : une réduction de 60 fois du temps d'exécution peut transformer un travail de nuit en une pause-café. Mais la contribution la plus importante du rapport réside peut-être dans son honnêteté quant aux limites. Les agents rapides, fluides et convaincants, mais incapables d’auto-évaluer la validité scientifique, ne constituent un outil puissant que entre les mains d’experts qui savent exactement quoi vérifier.

Pour les chercheurs impliqués, la leçon est claire : l’IA peut reconstruire l’échafaudage de la science à une vitesse remarquable, mais le jugement humain reste porteur.

Gardez une longueur d'avance sur l'IA

Des avancées en recherche aux déploiements en entreprise, le rythme du changement est incessant. Ajoutez AI Buzz Wire à vos favoris pour une couverture continue et vérifiée de la manière dont l'intelligence artificielle remodèle la science, les affaires et la société.

Lire plus d'actualités sur la recherche en IA →