En 1945, l’iconique rapport de Vannevar Bush posait le cadre qui allait transformer la machine scientifique américaine en rouleau compresseur. En 2026, la doctrine de Michael Kratsios, conseiller du président Donald Trump, promet de la métamorphoser de nouveau. Son but ? Rien de moins que doubler la productivité scientifique en dix ans sans dépenser plus. A l’heure de l’IA, l’objectif n’a cependant rien d’insensé. Explications avec André Loesekrug-Pietri, président de la Joint European Disruptive Initiative (Jedi) qui se trouvait aux côtés des grands patrons de laboratoires américains, lors de la présentation du rapport “Science : A New Golden Age” à Washington.
L’Express : Quels sont les points clés de cette doctrine Kratsios qui veut refonder la politique scientifique des Etats-Unis ?
André Loesekrug-Pietri : D’abord, elle souligne l’importance de financer les meilleurs et non le grand nombre. L’écart se creuse entre les scientifiques classiques et ceux qui tirent un secteur, attirent les meilleurs doctorants et créent l’effet d’entraînement. Il y a un vrai star-system, assez proche de celui du sport : quand un très bon profil part, il en emmène d’autres avec lui. C’est toute la guerre entre les grands de l’IA. Meta a annoncé des salaires allant jusqu’à 100 millions de dollars. Quand Yann LeCun lève des fonds, c’est sur son nom.
Quand Nvidia annonce il y a deux jours investir 5 milliards dans Safe Superintelligence, il s’agit d’abord d’un investissement dans son fondateur star, Ilya Sutskever, et non dans l’entreprise elle-même dont on ne sait presque rien. Même chose dans la biologie, dans le spatial. L’idée de Michael Kratsios de financer d’abord les personnes plutôt que les institutions correspond donc à une réalité. Bien sûr, cela va coincer du côté des institutions de recherche, parce que cela heurte leur propre modèle. Mais l’importance de l’individu, du scientifique capable de disrupter un modèle ou de mener un programme de recherche n’est pas si neuve : elle est déjà au cœur de la méthodologie (D)arpa que nous reprenons chez Jedi.
Vous observez qu’un autre point clé de cette doctrine est la place donnée à l’IA.
En effet, Michael Kratsios veut la mettre au cœur de la science, et ce n’est pas un effet de mode. Qu’est-ce que la science ? Poser des hypothèses et les valider. L’IA fait émerger des questions auxquelles nous n’aurions pas pensé. Elle ouvre un champ cognitif bien plus large. Ceux qui l’utilisent le mieux ne s’en servent pas pour remplacer l’intelligence, mais comme d’un partenaire de réflexion qui les pousse dans leurs retranchements. L’IA permet aussi de valider les hypothèses beaucoup plus largement. On augmente la reproductibilité, la clé de toute science étant de reproduire une expérience. Mieux, on l’accélère. En biologie comme en science des matériaux, tester de multiples combinaisons prenait des mois ou des années. Cela peut désormais se faire en quelques semaines, voire quelques jours. L’accélération n’est pas de l’ordre du pourcentage, mais de l’ordre de grandeur. Toute la doctrine tient là, et elle épouse la philosophie de l’administration en place. Sans forcément mettre plus d’argent, peut-on doubler l’efficacité de la recherche scientifique, c’est-à-dire l’impact de ce qui sort, en publications, en découvertes, en ruptures ?
Le troisième point clé de cette doctrine est la question administrative. Aujourd’hui, un chercheur passe entre 30 et 50 % de son temps à faire des demandes de financement. C’est un problème et pas seulement parce que les scientifiques détestent la paperasse. Est-ce bien employer le temps d’un Nobel que de lui faire perdre la moitié de son temps à cela ? A fortiori, lorsqu’il est financé par l’argent public. Là-dessus aussi, nous devons donner raison à Kratsios – et c’est l’une des raisons pour lesquelles nous avons lancé la Joint European Disruptive Initiative (Jedi), l’Arpa européenne. Les meilleurs scientifiques candidatent de moins en moins dans la sphère publique, et les grands groupes technologiques privés les accueillent à bras ouverts.
Je note aussi que Michael Kratsios souhaite mettre en réseau les dix-sept laboratoires nationaux américains entre eux et avec les grandes institutions privées, en reconnaissant que le privé pèse aujourd’hui trois fois le public. Cet aspect réseau montre que les Etats-Unis veulent utiliser la donnée comme élément central. Aujourd’hui, elle est très fragmentée entre laboratoires nationaux et privés. Ce manque de données centralisées et de qualité en santé est, par exemple, une des faiblesses du système américain – et une de nos forces en Europe, pour la recherche médicale. Mise en commun, la donnée deviendrait un terreau d’expérimentation décuplé.
Kratsios met enfin le doigt sur un sujet tabou : la méthode d’évaluation et le caractère finançable des recherches. Tous les chercheurs qui ont réussi de vraies ruptures, d’Alain Aspect à Katalin Karikó, l’inventrice de l’ARN messager, racontent des débuts très difficiles : personne n’y croyait, on leur disait qu’ils auraient du mal à publier et obtenir des financements. Le problème est que l’évaluation majeure dans le domaine de la recherche est le « H factor », le nombre de citations. Or, lorsque vous faites de la recherche sur un sujet de rupture, peu de gens suivent votre domaine et le comprennent. Donc peu vous citent ou vous financent. Karikó, à qui l’on doit une fière chandelle puisque l’essentiel des travaux sur l’ARN messager était prêt en 2020 quand il a fallu s’en servir, a vivoté pendant vingt ans à Penn State, sans que grand monde ne croie en elle. Tout un système vit de ces biais d’évaluation qui ne favorisent pas la rupture. Si l’on pense comme Kratsios – ou comme nous chez JEDI -, qu’il n’y a d’autre voie que de viser le coup d’après, qu’on n’est plus dans un système linéaire mais exponentiel, alors il faut tout revoir. Sur une courbe exponentielle, on ne se rattrape jamais, on est toujours en retard…
Vous regrettez la fin de l’universalisme et du partage des connaissances que cette doctrine prône, mais elle pose donc de bons diagnostics et propose des solutions utiles aux États-Unis, à défaut de l’être au monde entier ?
Elle pose exactement les bons constats, avec le courage d’une vraie radicalité. Une radicalité d’autant plus notable que les États-Unis ont moins d’incitation que l’Europe à se refonder en profondeur, puisqu’ils vivent d’un système techno-scientifique qui a largement joué en leur faveur. Ce qui me frappe c’est qu’on mesure combien les institutions, qu’elles soient dans la défense ou de recherche, sont difficiles à réformer. Il vaut souvent mieux créer quelque chose de neuf à côté pour que cela bouge. Le constat et les mesures suggérées par Michael Kratsios servent un objectif assumé de domination américaine, où la moindre dépendance technologique devient une anomalie. Je suis frappé de voir l’européen ASML présenté par les Américains comme « une erreur à ne jamais reproduire », leur caillou dans la chaussure. Le document joue sur deux tableaux : à une administration en partie anti-science répondent ceux qui savent que la science est à la base de la puissance américaine. On ne jette pas le bébé avec l’eau du bain, on met la science entière au service d’une volonté de puissance désinhibée et on rompt avec la doctrine qui faisait des talents étrangers un atout. Sur ce dernier point, l’Europe ne doit néanmoins pas s’illusioner : il n’y a actuellement pas d’émigration scientifique massive des États-Unis, bien au contraire.
Dans un monde idéal, tout le monde collabore et avance plus vite en partageant ses découvertes. Dans le monde réel, il y a des volontés de puissance et des enjeux de sécurité. Les États-Unis savaient-ils, avant, tirer parti des talents étrangers tout en protégeant ce qu’ils voulaient protéger ? Et que penser de leur revirement sur ce sujet ?
Regardez ce qu’il s’est passé récemment en Allemagne. Dans un institut Helmholtz, l’une des trois grandes institutions de financement de la science avec Fraunhofer et Max Planck, le directeur de l’institut consacré à la cybersécurité a été écarté du jour au lendemain. Les analyses préliminaires évoquent des partenariats plus que naïfs avec des institutions chinoises, en cybersécurité précisément. Nous sommes pourtant loin de la fermeture complète aux États-Unis. Le visa H-1B porté à 100 000 dollars est probablement un chiffre négociable. Et quand une institution ou un groupe a vraiment besoin d’un talent, cette somme colossale devient marginale, au regard des enjeux.
Ne rêvons pas, tous les chercheurs américains ne se réfugient pas chez nous grâce à Choose France ou Choose Europe for Science. Je lisais récemment qu’à la mi-juillet, seuls quatre scientifiques avaient effectivement pris leurs fonctions à Aix-Marseille Université, pourtant l’une des institutions les plus impliquées sur ce programme. C’est limité. Bien sûr, pour les spécialistes des vaccins ou du changement climatique, les Etats-Unis ne sont pas le lieu idéal en ce moment. Mais toutes les disciplines ne sont pas touchées de la même manière. Dans le quantique, l’IA, le spatial, les matériaux, la fusion, c’est même l’inverse : les projets sont nombreux, les moyens sont considérables. J’en discutais la semaine dernière avec le patron du laboratoire national de Los Alamos. Même chose à Lawrence Livermore, où a eu lieu il y a un an et demi une percée majeure dans le domaine de la fusion par laser.
Grande stratégie, « livre blanc »… les États en ont toujours produit à la pelle. Quelle influence concrète la doctrine Kratsios devrait-elle avoir sur la politique scientifique américaine ?
Il est trop tôt pour trancher, mais plusieurs choses frappent. D’abord, le document de Vannevar Bush de 1945 restait, il y a trois mois encore, la référence absolue dès qu’on parlait de science aux États-Unis. Or Kratsios publie un document qui s’en inspire complètement : le titre, la typographie avec le mot Science en italique, jusqu’au dispositif de commande par le président Donald Trump. Michael Kratsios se place délibérément dans les pas de Vannevar Bush qui a conseillé Roosevelt et Truman. La suprématie scientifique et technologique américaine devait énormément à son texte de 1945 : il finançait des institutions, instituait un système de missions mais célébrait aussi la curiosity research, la recherche fondamentale non liée à des objectifs précis. C’est la base de l’accélération des années 1960, de la mission Apollo, qui a consommé entre 2 et 5 % du PIB américain pendant dix ans, de la DARPA, et de ce qui allait devenir la Silicon Valley, grandement financée au départ par de la recherche publique. Bâtir une nouvelle doctrine en quelques mois donne l’image d’une administration plus agile.
La focalisation sur l’efficacité s’accompagne d’une focalisation sur les grands défis, c’est une logique avisée. On fixe un objectif sociétal simple à comprendre, sans figer d’emblée les choix technologiques, qu’on laisse ouverts jusqu’au dernier moment. L’administration Trump est pressée de montrer des résultats, pour les midterms ou la prochaine présidentielle. Mais, comme le soulignait Yasmine Belkaid, la directrice générale de l’Institut Pasteur, nous vivons actuellement un âge d’or pour la recherche, car l’IA accélére tout. On peut estimer que deux ans de recherche aujourd’hui équivalent à vingt ans à la fin des années 1990. Donc ceux qui accélèrent aujourd’hui ne vont pas simplement plus vite, ils vont plus vite d’un ordre de grandeur.
Nous sous-estimons certainement à quel point l’IA accélère la recherche. Quels exemples marquants permettent d’en prendre la mesure ?
Le 19 juillet, jour de la finale de Coupe du monde, on aurait pu remettre un second trophée : un chercheur, en échangeant avec Claude, a démontré que la célèbre conjecture jacobienne, l’un des grands problèmes mathématique non résolus, était fausse. Et il ne s’agit pas de modélisation, de géométrie ou de topologie, ces domaines où l’on pourrait se dire que l’IA modélise simplement mieux : c’est de l’algèbre, des mathématiques pures. La démonstration, que les mathématiciens jugent magnifique, c’est-à-dire courte et éclairante, est tombée deux ou trois jours avant la remise de la médaille Fields, de quoi agiter tout le landerneau mathématique. Ce qui prenait autrefois des décennies à vérifier formellement (par exemple, le théorème des quatre couleurs dans les années 1970) peut désormais être formalisé en quelques jours à compter de l’obtention d’un nouveau résultat grâce à l’IA. Ce n’est donc pas théorique, c’est l’histoire en train de s’écrire sous nos yeux.
Regardez aussi Demis Hassabis, Nobel de chimie et patron de DeepMind, qu’on ne peut soupçonner d’être un hurluberlu : il annonce que, selon lui, il y a une chance non négligeable que la plupart des maladies puissent être curables d’ici dix ans grâce à l’IA, et parle d’une efficacité « mille fois supérieure » dans le développement de médicaments grâce à l’IA. Cette accélération repose sur deux choses. D’abord, dans le champ des hypothèses, les « exercices de pensée » d’Einstein. Il fallait oser la relativité. Il fallait, pour la physique quantique, imaginer un monde radicalement différent. Poser des hypothèses folles n’est pas donné à tout le monde, mais l’IA va aider à cela. Ainsi qu’à relier différentes disciplines, un puissant moyen de faire de nouvelles découvertes. C’est ce que faisaient de célèbres polymathes comme Léonard de Vinci, à la fois peintre, architecte et aéronaute. Vient ensuite l’accélération. Jusqu’à récemment, on ne pouvait tester qu’une centaine de chimies possibles pour une nouvelle batterie ; on pourra désormais en tester des millions par jour, in silico, pour se concentrer ensuite sur les bonnes. L’IA ne remplace pas la science : elle permet de démultiplier la créativité, l’horizon des possibles, et concentre le travail du chercheur sur ce qui vaut vraiment la peine d’être testé. Cela ne permet donc pas d’augmenter la productivité scientifique de 10 % ou 20 %, c’est potentiellement multiplié par 10 ou par 100. Le vertige que l’on a devant l’immensité de l’univers gagne aujourd’hui la science.
Comment exploiter tout le potentiel de l’IA pour accélérer la recherche ? Faut-il des laboratoires autonomes ? De nouvelles méthodes de vérification ?
Les grands laboratoires ne réalisent sans doute pas que, demain, trois ou quatre chercheurs seniors épaulés par une multitude d’agents IA pourront les concurrencer. L’IA ne change pas uniquement la manière de poser les hypothèses. En biochimie, en matériaux, dans le spatial, les chercheurs passent des mois voire des années, à préparer les expériences, les protocoles de reproductibilité, l’observation, le recueil des données. Des agents pourront prendre une large part de ces tâches : monter les expériences, affiner les hypothèses, compiler les données, repérer des corrélations, y compris en sciences sociales sur de grandes bases. Et dans les sciences expérimentales, des robots feront de plus en plus le pipetage par exemple. Les laboratoires seront massivement automatisés. Dernier gisement, la rédaction. Pour inventer du radicalement neuf, l’IA n’est pas encore à la hauteur ; mais pour mettre en forme des résultats, trouver les références, bâtir la bibliographie, le temps gagné se compte en multiples, pas en pourcentages. Grâce à elle, on réduit aussi les erreurs et l’on voit des choses qui nous échappaient. Quand la plupart d’entre nous atteignons notre limite d’ingestion cognitive, l’IA avale, elle, des masses de données. Aux frontières de la science des matériaux ou de la biologie, la complexité dépasse désormais la capacité de compréhension humaine.
Vous dites qu’après avoir priorisé le biomédical pendant une trentaine d’années, les États-Unis changent d’axe vers les sciences physiques et l’ingénierie. Pourquoi ce changement ? Est-il judicieux ?
La révolution actuelle touche certes la biologie, mais aussi des domaines longtemps sous-investis. La science des matériaux, d’abord, adossée à un enjeu majeur : la dépendance aux minerais chinois dont la production et surtout le raffinage sont presque entièrement aux mains de Pékin, qui s’en sert comme d’une arme. Trump a encore réaffirmé son exigence qu’au 1er janvier 2027, plus aucune entreprise de la défense américaine ne s’approvisionne en matières premières chinoises. Le second domaine, l’IA, est indissociable de l’énergie. Les deux deviennent les faces d’une même médaille, d’où la fusion, les petits réacteurs nucléaires, les réseaux intelligents, les nouvelles architectures de semi-conducteurs. On parle d’ailleurs de gigawatts quand on parle capacité de calcul. Il y a donc une faible baisse dans le biomédical, pour des raisons idéologiques plus que pratiques, mais il y a surtout une hausse majeure dans des domaines qu’on ne jugeait pas essentiels il y a cinq ans, notamment les semi-conducteurs et les minéraux.
Quelle stratégie l’Europe doit-elle adopter pour accélérer, elle aussi, fortement sa recherche à l’heure de l’IA ?
D’abord, nous avons un maquis d’instruments de financement (EIC, EIT, et maintenant Edip….) que plus personne ne comprend, à part l’ERC qui est un des succès incontestables de l’Europe et qui finance l’excellence scientifique. Cela a créé une génération de scientifiques et de start-up drogués aux subventions publiques, qui passent leur temps à aller de guichet en guichet. La plupart des grands organismes ont ouvert à Bruxelles des bureaux de cinq à dix personnes qui ne s’occupent que de cela. Et comme la compétition s’exacerbe, la sélectivité de certains instruments descend jusqu’à 4 à 5 %. On me dira : « formidable, on ne prend que les meilleurs ». Non ! A 4 ou 5 %, c’est une telle loterie que les meilleurs ne se fatiguent parfois plus à tenter leur chance. La Cour des comptes européenne a estimé que 15 % des budgets de recherche, soit 15 % de 95 milliards, partent vers des consultants qui aident à naviguer ce système de financement trop complexe. On a créé une mafia organisée où 12 milliards d’euros s’évaporent, simplement parce que le système est complexe. C’est insensé.
En parallèle , il faut développer des agences à mission qui fonctionnent avec des principes complémentaires et radicalement différents de ceux des classiques appels à projet . Enfin, il faut faire confiance à des organisations indépendantes ou philanthropiques. La Commission précédente avait vu juste en créant une logique de missions. Mais elles sont si vagues – « rendre les océans plus propres », les « villes plus vivables » – qu’on ne les arrête jamais, faute d’avoir défini ce qu’est le succès. C’est précisément ce que change la doctrine Kratsios. Là où régnait un tabou – ne surtout pas choisir les gagnants – son rapport fixe des jalons, des objectifs, des priorités, ce que la puissance publique ne sait pas faire.
Quand des Etats misent tout sur un cheval, il faut reconnaître que cela aboutit rarement à des succès comme Airbus, plus souvent à des usines à gaz.
Il ne s’agit pas de tout miser sur une piste, mais de poser les bonnes questions et les bons objectifs, à la fois très ambitieux mais théoriquement possibles. C’est toute la philosophie de la Darpa ou de Jedi, qui s’en inspire en Europe. Dans l’IA, il faut établir un but précis, tel qu’ »avoir un modèle frontière parmi les dix meilleurs mondiaux », tout en restant ouvert sur les acteurs qui y participent. Sur les batteries, fixons-nous, par exemple, pour objectif de doubler la densité énergétique par rapport aux meilleurs concurrents chinois. Le programme d’intérêt majeur européen (IPCEI) a dilapidé 6 milliards depuis 2018 sur ce sujet pour arriver à une situation de dépendance quasi-totale de l’Europe… Un désastre au moment où les drones et voitures autonomes et électriques explosent. La mission Apollo fixait un but clair, en laissant la question du « comment » totalement ouverte. En revanche, financer l’IA sans jamais prendre position sur ce qu’on veut obtenir, c’est se diriger vers un échec assuré.
Source link : https://www.lexpress.fr/economie/high-tech/la-productivite-scientifique-des-etats-pourrait-doubler-la-doctrine-kratsios-pose-exactement-les-TYICRI57S5HEZEW6BBUVZAL26I/
Author : Anne Cagan
Publish date : 2026-07-30 06:45:00
Copyright for syndicated content belongs to the linked Source.
