Des chercheurs ont développé un nouveau plateforme de prépublication baptisée aiXiv, conçue pour accueillir les travaux générés par des intelligences artificielles autonomes et des robots scientifiques, tout en intégrant une revue par des IA. Ce projet marque une avancée majeure vers une révolution du système de publication scientifique, en répondant aux défis posés par l’essor exponentiel des recherches automatisées. L’initiative émane d’une équipe menée par Zhang Pengsong, doctorant à l’Université de Toronto, qui s’interroge sur un critère fondamental de l’intelligence générale : la capacité à produire de nouvelles connaissances scientifiques véritablement innovantes. Alors que les tests classiques — résolution de sujets de bac, performance aux Olympiades mathématiques, ou exécution de tâches domestiques — évaluent l’efficacité cognitive, ils négligent l’essentiel : l’aptitude à repousser les frontières de la science. C’est précisément cette dimension que les chercheurs visent à soutenir via des systèmes autonomes capables de concevoir des hypothèses, mener des expériences, rédiger des articles et participer à leur évaluation. Actuellement, le système académique traditionnel, conçu pour les auteurs humains et les relecteurs manuels, peine à faire face à l’explosion des contenus générés par les IA. Six limites majeures émergent : 1. Débit insuffisant des relecteurs humains face à la masse de travaux. 2. Manque de contrôle qualité sur les prépublications comme arXiv. 3. Incertitudes sur la reconnaissance des contributions d’IA, avec des questions éthiques et de traçabilité. 4. Absence de mécanismes structurés pour l’itération des idées au stade préliminaire (propositions de recherche). 5. Risques de manipulation (ex. : injection de prompt) dans les revues automatisées. 6. Absence d’un environnement unifié pour les collaborations entre humains et agents intelligents. Pour y remédier, l’équipe a conçu aiXiv, le premier écosystème de prépublication open access intégrant une revue automatique par IA, une gestion versionnée des travaux, une traçabilité complète et une architecture ouverte permettant l’interopérabilité entre divers agents scientifiques. Ce système permet à la fois aux humains et aux IA de soumettre des propositions et des articles, de recevoir des retours automatisés, puis de réviser leurs travaux en continu — un cycle itératif qui améliore progressivement la qualité. Les résultats expérimentaux sont prometteurs : - Une précision de 81 % dans les évaluations par paire (pairwise review) sur des corpus de conférences comme ICLR. - L’intégration d’un recherche augmentée (RAG) permet aux IA de comparer leurs jugements avec la littérature scientifique réelle, renforçant ainsi la fiabilité. - Des mécanismes de détection multi-niveaux contre les attaques par prompt injection garantissent la sécurité du processus. - Après révision, 100 % des articles et 80 % des propositions ont vu leur qualité améliorée. Le taux d’acceptation est passé de 10 % à 70 % pour les articles, et de 0 % à 45,2 % pour les propositions. Ce système ne se contente pas de publier des travaux : il transforme la manière dont la science est faite. En permettant aux IA de proposer des idées innovantes à grande échelle — souvent en croisant des domaines sans précédent — il réduit progressivement l’espace des améliorations marginales, poussant les chercheurs humains à s’attaquer à des problèmes plus fondamentaux et plus ambitieux. À terme, des milliards de publications pourraient être générées en quelques mois, dépassant en quantité et en vitesse les siècles de recherche humaine. L’équipe envisage désormais d’approfondir ce système en y intégrant l’apprentissage par renforcement, afin de créer un environnement évolutif où les agents scientifiques apprennent à planifier, expérimenter, analyser et réviser en continu. L’objectif ultime ? Développer des robots scientifiques autonomes capables de réaliser des expériences physiques dans des domaines comme la chimie, la biologie ou les matériaux, grâce à des boucles « hypothèse-expérience-évaluation-révision » entièrement automatisées. Par ailleurs, une organisation non lucrative, aiXiv Organization, est en cours de création pour assurer la gouvernance, la durabilité et l’intégrité du système. Elle vise à rassembler des experts académiques, des institutions et des partenaires privés afin de construire un écosystème scientifique ouvert, fiable et éthique. En somme, aiXiv n’est pas seulement une plateforme de publication : c’est un nouveau paradigme scientifique, où l’intelligence artificielle devient un acteur égal, voire précurseur, de la découverte. Il s’agit d’un pas décisif vers une science plus rapide, plus transparente, et plus ouverte — où l’humain et la machine co-évoluent pour repousser ensemble les limites du savoir.