Claude résout un calcul de physique théorique en autonomie

En septembre 2024, le modèle Claude d’Anthropic a résolu avec succès un problème complexe de physique théorique, marquant une étape symbolique pour l’intelligence artificielle scientifique. Sans supervision humaine continue et pour un coût de fonctionnement estimé à deux mille dollars, l’IA a calculé l’amplitude de diffusion à neuf boucles dans le cadre de la théorie supersymétrique de Yang-Mills planaire N=4. Ce résultat, normalement réservé aux équipes de recherche les plus avancées, a été vérifié avec précision par les experts du domaine. La physique des particules utilise les amplitudes de diffusion pour prédire les probabilités de collision. Le calcul de chaque niveau quantique, appelé boucle, correspond à un raffinement mathématique dont la complexité augmente de façon exponentielle. Jusqu’à présent, la plupart des travaux s’arrêtaient à deux ou trois boucles. Les chercheurs avaient développé des méthodes sophistiquées pour limiter l’espace de calcul, mais franchir le seuil des neuf boucles demandait une puissance de raisonnement et de calcul hors norme. L’initiative a été lancée publiquement à l’été par le physicien et écrivain Matt von Hippel, qui proposait aux grandes IA de relever ce défi. L’équipe d’Anthropic, composée de spécialistes du domaine, a soumis une instruction minimale à Claude via leur plateforme de recherche. Le système a fonctionné pendant plusieurs jours en autonomie, explorant simultanément deux stratégies de calcul. Les résultats ont parfaitement coïncidé avec les attentes théoriques. Quelques jours plus tard, une équipe de l’Académie chinoise des sciences a annoncé avoir obtenu un résultat convergent en s’appuyant sur le modèle GPT-6, confirmant la faisabilité de cette approche. Le physicien Lance Dixon de l’université Stanford a chargé de valider la production. Il a confirmé l’exactitude du calcul et souligné que le modèle avait appliqué des méthodes éprouvées par la communauté, tout en générant le code nécessaire à partir de zéro. Pour Matt von Hippel, cette réussite illustre la capacité croissante des IA à exécuter des protocoles scientifiques rigoureux, même si elles ne proposent pas encore de nouvelles théories physiques. L’enjeu majeur reste la fiabilité, car une erreur isolée peut compromettre l’ensemble du résultat, rendant la vérification humaine indispensable. Les physiciens envisagent désormais d’intégrer ces outils pour accélérer les phases de calcul intensif, tout en réservant aux chercheurs l’interprétation des données et la formulation de nouvelles hypothèses. Si les modèles actuels repoussent les limites de l’automatisation scientifique, ils confirment aussi que l’innovation conceptuelle dans les domaines fondamentaux demeure exclusivement humaine. Les prochaines étapes consistent à publier les méthodologies validées et à tester ces architectures sur des problèmes plus proches des expériences réelles.