Un différend autour des équations de Navier-Stokes ravive les craintes concernant l’intelligence artificielle. Des questions sur la propriété de recherches stockées sur un outil d’OpenAI relancent le débat sur l’intégrité scientifique et la fiabilité des découvertes générées par l’IA.
L’annonce par OpenAI d’une résolution concernant un problème mathématique de longue date lié aux équations de Navier-Stokes a déclenché une controverse.
Selon les informations publiées, le mathématicien Tristan Buckmaster, de New York University, s’est interrogé sur le point de savoir si des travaux menés avec un collègue, stockés sur l’outil de codage d’OpenAI, auraient pu influencer les travaux de l’entreprise.
La propriété des données face aux géants de la tech
Bien qu’OpenAI ait nié que ses équipes aient accédé aux travaux des chercheurs, l’incident cristallise des inquiétudes plus vastes sur la place grandissante de l’IA dans les sciences.
Le problème dépasse la question potentielle du plagiat. Les systèmes d’IA générative produisent fréquemment de fausses informations, ou hallucinations
, qui semblent convaincantes tout en étant dénuées de fondement factuel.
L’intégrité scientifique menacée par la fiction automatisée
À mesure que l’IA s’intègre dans les flux de travail de la recherche, distinguer les véritables découvertes des fictions automatisées devient un défi majeur.
Cette incertitude menace la confiance envers le processus scientifique, lequel repose traditionnellement sur l’attribution claire et la vérification des résultats.
La surcharge critique des revues scientifiques
Les revues scientifiques peinent à absorber le volume de soumissions générées par l’IA.
D’après le journaliste scientifique Dalmeet Singh Chawla, les équipes chargées de l’intégrité au sein des maisons d’édition devraient considérablement élargir leurs ressources pour filtrer efficacement les articles en matière d’exactitude et de fiabilité.
Ce niveau de personnel paraît actuellement insuffisant face à l’ampleur du problème.
L’impératif de la transparence et de la vérification
Les experts reconnaissent que ces outils peuvent traiter efficacement des ensembles de données massifs qu’il serait impractical d’analyser manuellement pour des chercheurs humains.
Néanmoins, cette puissance doit s’accompagner de mécanismes de vérification rigoureux et d’une transparence accrue pour préserver la crédibilité de la recherche.
À lire aussi