En septembre, Pavel Rabtsevich a demandé à un modèle d’IA de découvrir une planète. Il l’a pointé vers un lot de données de télescope, lui a confié un plan de haut niveau et, environ deux semaines plus tard, l’IA a renvoyé deux mondes possibles orbitant autour d’une étoile située à 116 années-lumière de la Terre. Des astronomes professionnels vérifient actuellement le résultat. Cette histoire constitue un cas pratique utile pour observer ce qui se passe lorsqu’une analyse de niveau expert devient accessible à un non-expert en langage naturel.
Ce que le bot a réellement fait
Rabtsevich travaille en Espagne en tant que spécialiste en IA et n’a aucune formation formelle en astronomie. Pour sa recherche, il a utilisé Claude Code, un outil de programmation créé par Anthropic, et lui a demandé de passer au crible les données de plus de 120 000 étoiles observées par le satellite TESS (Transiting Exoplanet Survey Satellite) de la NASA fin 2025 et début 2026.
La méthode en elle-même est classique. Une étoile qui faiblit régulièrement, encore et encore, peut avoir une planète passant devant elle et bloquant une infime partie de la lumière à chaque passage. Rabtsevich a guidé Claude pour qu’il utilise un algorithme populaire de détection de planètes afin de rechercher précisément ces baisses de luminosité.
Claude s’est concentré sur une étoile appelée TIC 4206066, qui présentait deux cycles de baisse de luminosité distincts : l’un environ tous les 3 jours et l’autre tous les 11 jours. Ce schéma suggère la présence de deux planètes, la plus interne faisant le tour de l’étoile plus rapidement que la plus externe. Rabtsevich a ensuite demandé à Claude de vérifier les données d’archives de TESS, et la même baisse de luminosité est apparue dans les registres de 2018 et 2020. Pour valider les signaux, Claude a trouvé un algorithme de détection de planètes écrit et publié publiquement par la chercheuse Michelle Kunimoto, puis l’a exécuté.
Remarquez la division du travail. L’humain a fourni la direction et le jugement sur ce qu’il fallait demander. L’IA a géré le volume : balayer un nombre énorme d’étoiles, localiser des outils existants sur Internet et les enchaîner.
Pourquoi les professionnels sont mal à l’aise
Les amateurs utilisent des outils publics fournis par la NASA et d’autres chercheurs pour trouver des planètes depuis des décennies. Ce qui a changé, c’est la barrière à l’entrée. Une IA capable de parcourir Internet pour trouver ces outils et de les exécuter sur des ensembles de données massifs signifie qu’une personne n’a plus besoin de comprendre le fonctionnement du logiciel pour l’utiliser.
C’est là que Kunimoto, chercheuse en exoplanètes à l’Université de Colombie-Britannique à Vancouver, soulève une inquiétude précise. Certains chasseurs de planètes, dit-elle, ne comprennent pas entièrement les algorithmes utilisés par l’IA, ce qui signifie qu’ils ne peuvent pas valider ce qu’elle produit. Elle décrit une vague énorme et écrasante d’articles pilotés par l’IA, qui ont tendance à présenter des candidats planétaires qui ne sont pas de la meilleure qualité. Sa conclusion est sans appel : les systèmes utilisés pour diffuser la science sont submergés.
Voici l’élément que la plupart des reportages oublient. Le goulet d’étranglement dans la science n’a jamais été seulement de trouver des signaux. C’était de décider quels signaux méritent d’être crus. Lorsque la découverte devient bon marché, la vérification devient la ressource rare, et elle incombe à un petit groupe de relecteurs et d’éditeurs qui font désormais face à un flot de soumissions.
Un cas qui a bien fonctionné, et ce qui a permis sa réussite
Le résultat de Rabtsevich mérite d’être lu attentivement, car il montre les garde-fous qui séparent une contribution utile du bruit. Il a publié ses résultats sur la plateforme Zenodo sous forme de prépublication le 25 septembre. Ce travail n’a pas été évalué par des pairs. Mais les astronomes de TESS ont réalisé une analyse indépendante des signaux et les ont ajoutés à leur liste officielle de candidats planétaires.
Trois éléments se démarquent. La détection a été recoupée avec des données d’archives plus anciennes de 2018 et 2020. L’étape de validation a utilisé un algorithme respecté et accessible au public. Et surtout, les professionnels ont réanalysé indépendamment les signaux avant qu’ils n’entrent dans une liste officielle. Le mot “candidat” a également son importance ici : un candidat est une piste prometteuse, et non une planète confirmée. La formulation de Rabtsevich lui-même, à savoir deux planètes possibles, reflète cette retenue.
La leçon n’est pas que les découvertes de l’IA sont suspectes. C’est qu’une découverte par l’IA gagne la confiance grâce à une confirmation indépendante, de la même manière que n’importe quelle autre découverte.
Ce que cela implique au-delà de l’astronomie
Le modèle s’étend bien au-delà des exoplanètes. L’IA transforme de nombreux flux de travail spécialisés en quelque chose qu’un observateur motivé peut tenter, et c’est véritablement précieux. Les personnes curieuses et disposant de temps, mais sans diplôme dans le domaine, peuvent désormais contribuer à de véritables recherches. Les professionnels, en retour, obtiennent un plus grand bassin de pistes à examiner.
Mais le bénéfice dépend d’un changement dans ce qui compte comme expertise. Utiliser l’outil devient facile. Comprendre ce qu’a fait l’outil, pourquoi il pourrait avoir tort et comment le tester est la compétence qui compte désormais. Un amateur qui peut expliquer la méthode de baisse de luminosité et vérifier un résultat par rapport aux données d’archives apporte un réel plus. Un amateur qui transmet des résultats bruts ne fait qu’alourdir la pile.
Pour les institutions, le défi est celui de la capacité. Les revues, les serveurs de prépublications et les processus d’examen ont été conçus pour un monde où la production d’une analyse plausible demandait un réel effort. À mesure que cet effort diminue, la couche de filtrage a besoin de soutien, et les personnes qui effectuent ce filtrage deviennent plus importantes, et non moins. Le jugement humain est la partie du processus qui ne peut pas être contournée.
En bref
Un non-spécialiste a utilisé un outil de programmation par l’IA pour balayer plus de 120 000 étoiles et a fait surface deux candidats planétaires autour de TIC 4206066, des signaux que les astronomes de TESS ont analysés de manière indépendante et ajoutés à leur liste officielle de candidats. Les mêmes outils qui rendent cela possible produisent également une vague de candidats de moindre qualité, ce qui, selon l’avertissement de Kunimoto, submerge les systèmes qui diffusent la science. La différence entre les deux résultats est la vérification : le recoupement avec les données d’archives, l’utilisation d’algorithmes fiables et la confirmation du résultat par des professionnels. À mesure que l’IA facilite la recherche de signaux, la vraie valeur se déplace vers les personnes capables de juger lesquels sont réels.
D’après un reportage de Nature.