Système ERA d’écriture scientifique assistée par recherche arborescente

Le fait — Le 28 juin 2026, Nature a mis en avant ERA, pour Empirical Research Assistance. ERA est un système d’IA destiné à produire du logiciel scientifique de niveau expert. Le résumé indique qu’il combine un grand modèle de langage et une recherche arborescente, une méthode d’exploration structurée. ERA aurait produit 40 méthodes nouvelles pour l’analyse de cellules uniques. Le résumé ajoute 14 modèles de prévision dépassant l’ensemble du CDC pour les hospitalisations Covid. D’autres résultats concernent la géoanalyse, l’activité neuronale du poisson-zèbre, les intégrales numériques et les séries temporelles.

Le contexte — La trajectoire AGI se mesure rarement par une seule tâche. Les signaux les plus suivis concernent la généralisation à des domaines variés et la capacité à concevoir des solutions nouvelles. Un système qui lit des sources externes, explore des alternatives, puis écrit du code pour optimiser un critère, se rapproche davantage d’un flux de travail de recherche. Cela ne prouve pas une intelligence générale. Cela documente toutefois une extension des capacités utiles hors des démonstrations de chatbot.

L’analyse — ERA est pertinent parce qu’il combine plusieurs briques souvent citées dans les scénarios de progrès vers l’AGI. Il y a raisonnement outillé, recherche itérative, intégration d’idées externes et transfert entre domaines. Le point fort du signal vient de la diversité des tâches rapportées. Le point faible vient du manque de détails ici sur les limites, la robustesse hors benchmark et le coût humain de validation. Si ces systèmes commencent à produire des méthodes nouvelles dans plusieurs sciences, la frontière entre assistant et collaborateur se déplace. La question reste alors ouverte : comment distinguer une généralisation réelle d’une orchestration étroite autour de tâches bien instrumentées ?