Les articles scientifiques sont des documents statiques depuis la parution des premières revues scientifiques dans les années 1660. Une équipe de Stanford Medicine veut les faire parler. Dans une étude publiée le 16 septembre dans la revue Nature, les chercheurs ont dévoilé Paper2Agent, un système qui convertit n'importe quel manuscrit scientifique (son texte, ses figures et ses données) en un agent d'IA interactif capable de répondre à des questions sur le travail, d'appliquer ses méthodes à de nouvelles données et de collaborer avec d'autres agents papier pour générer de nouvelles découvertes.
Le projet a été dirigé par le chercheur postdoctoral Jiacheng Miao et l'auteur principal James Zou, professeur agrégé de science des données biomédicales à Stanford Medicine.
Des pages passives aux connaissances actives
"Pendant pratiquement toute l'histoire de l'humanité, la manière dont nous représentons la connaissance prend la forme de ces artefacts très passifs", a déclaré Zou dans le communiqué de Stanford Medicine. « Autrefois, les gens gravaient leurs connaissances dans des pierres, et maintenant nous tapons nos connaissances sous forme de mots sur des pages – mais dans un certain sens, les pages ne sont pas tellement meilleures. »
"C'est l'occasion de réimaginer fondamentalement à quoi ressemble la connaissance", a-t-il ajouté. "Au lieu de n'avoir que des artefacts passifs, pourquoi ne convertissons-nous pas chaque enregistrement statique en une incarnation active de la connaissance ?" Zou décrit chaque agent papier comme une sorte d'auteur virtuel qui sait comment la recherche a été réellement menée et peut l'expliquer, la défendre et l'étendre.
Comment Paper2Agent crée un agent
Le processus de conversion s'appuie sur une équipe d'« agents de travail » IA qui disséquent un article publié ainsi que tout code et données associés. Surtout, ils ne se contentent pas de lire l’étude : ils tentent de la reproduire à partir de zéro dans un environnement virtuel, en simulant les expériences documentées. En refaisant le travail, les agents absorbent un savoir-faire qui ne figure jamais dans le manuscrit final, depuis les réactifs et les dépendances logicielles jusqu'aux spécificités de la configuration expérimentale.
Ces connaissances sont ensuite stockées à l'aide d'un MCP, un protocole contextuel modèle qui organise le document dans une structure accessible. "Un MCP permet à l'IA de représenter essentiellement un PDF papier sous une forme facile d'accès pour les agents, presque comme un système de classement", a déclaré Zou, chaque section du document étant organisée dans son propre compartiment.
Mais les machines ne peuvent pas tout capturer. Les expériences ratées, les jugements et les raisonnements tacites derrière les choix de conception ne vivent encore que dans la tête des chercheurs. Le système comprend donc une étape conversationnelle au cours de laquelle l'agent papier interroge les auteurs humains pour combler ces lacunes.
La première découverte : une nouvelle piste pour le TDAH
Pour démontrer ce que la collaboration d'agent à agent pouvait accomplir, l'équipe a converti deux articles sans rapport en agents. L’un d’eux a décrit un outil permettant de prédire comment les mutations génétiques affectent le génome ; l'autre a rapporté une étude d'association à l'échelle du génome du risque de trouble de déficit de l'attention/hyperactivité.
Une fois les deux agents en route, les agents ont trouvé par eux-mêmes un terrain d’entente. L’agent de prédiction du génome a appliqué sa méthode à l’ensemble de données sur le TDAH et a signalé une variante moléculaire proche d’un gène appelé MPHOSPH9 comme associée à un risque accru de TDAH – un lien qui, selon Zou, n’avait pas été signalé auparavant.
"Dans le passé, s'il y avait deux groupes de recherche qui publiaient deux articles différents, ces deux groupes de recherche devaient d'une manière ou d'une autre se trouver", a déclaré Zou. La vision à long terme est bien plus vaste qu’un jumelage trié sur le volet : des millions d’agents papier se chevauchent et génèrent de nouvelles informations à grande échelle – ce que Zou compare au speed dating manuscrit.
Promesse, attribution et garde-fous
L’équipe a construit plus de 100 agents papier jusqu’à présent et travaille toujours à trouver comment des milliers, voire des millions d’entre eux, pourraient se retrouver de manière productive. Zou affirme que les avantages pour la science sont énormes – « Des millions d’articles sont publiés chaque année », a-t-il noté – mais il est explicite sur deux mises en garde.
Premièrement, l'attribution. Les agents qui étendent les conclusions d'un article devraient amplifier le travail des chercheurs originaux, et non l'enterrer. "Il est toujours important d'attribuer les découvertes finales et de les référencer aux articles originaux et aux auteurs humains originaux", a-t-il déclaré.
Deuxièmement, la surveillance. Les paramètres selon lesquels les agents collaborent et font des découvertes doivent être étroitement guidés et surveillés, a déclaré Zou, afin que ces collaborations restent alignées sur des pratiques de recherche sûres et éthiques.
Le travail a été soutenu par un financement du Chan-Zuckerberg Biohub.
Pourquoi c'est important
Paper2Agent atterrit dans un paysage de recherche déjà remodelé par la revue de la littérature assistée par l'IA et l'automatisation des laboratoires, mais son principe est différent : plutôt que d'utiliser un modèle généraliste pour résumer les articles, il transforme chaque article en un spécialiste vérifié et exécutable qui a en fait réexécuté la science sous-jacente. Si l’approche se généralise, l’article scientifique lui-même pourrait évoluer d’un document citable à un élément d’infrastructure opérationnel – et le rythme auquel les découvertes se connectent entre les disciplines pourrait s’accélérer en conséquence.
_Gardez une longueur d'avance. Obtenez les dernières avancées sur les avancées de l'IA et ce qu'elles signifient pour la science et l'industrie sur AI Buzz Wire._
