On a en effet des algorithmes qui peuvent plonger dans des montagnes de données personnelles de manière à associer des personnalités avec des publicités extrêmement bien ciblées. Pourquoi pas des algorithmes qui plongeraient dans des montagnes de données sur le cosmos pour en tirer des tendances cachées?

La grosse difficulté, résume le New Scientist, est qu’en physique théorique, une « tendance cachée » s’appelle une équation, et que ce n’est pas facile d’enseigner ce « langage » à une intelligence artificielle. Certes, au 16e siècle, Johannes Kepler a pu écrire ses propres équations mathématiques sur les mouvements des planètes, parce qu’il s’était plongé dans les nombreuses données d’observations astronomiques de son époque. Mais aujourd’hui, le champ d’analyse et la quantité de données sont infiniment plus larges, et ne cessent de grossir avec chaque nouvelle observation des télescopes spatiaux James-Webb ou Gaia. Plus il y a de variables, plus le nombre possible d’équations se multiplie: même une intelligence artificielle ne saurait par où commencer.

Une des pistes est d’y aller morceau par morceau: il y a quelques années, une équipe de l’Université Princeton a « nourri » un algorithme avec les mouvements des lunes autour de Jupiter et de Saturne, et attendu qu’il « découvre » les lois de la gravitation. Depuis, d’autres chercheurs tentent de passer à l’échelon supérieur: leurs algorithmes sont parvenus à déduire la masse des trous noirs à partir des données sur les ondes gravitationnelles, par exemple. Une cible encore plus « élevée » pourrait-elle être la matière noire, qui imprègne le cosmos mais qu’on n’arrive ni à voir ni à détecter? S’il devait s’avérer que sa distribution soit liée à des systèmes qui, eux, sont observables, on aurait une clef pour une équation mathématique qu’une intelligence artificielle pourrait déduire, même si on parle d’un phénomène à l’échelle cosmique.

Mais même si on en arrive là, subsistera un problème, que résume le New Scientist: tous ces succès des dernières années sont « des équations empiriques. En d’autres termes, elles sont descriptives et adéquates pour reproduire des données expérimentales », mais pas pour « offrir une explication théorique ». Exactement comme cela s’était passé il y a quatre siècles: Kepler avait découvert les lois du mouvement planétaire, ce qui veut dire qu’il pouvait décrire « comment ça marche »; mais il faudrait attendre Newton pour comprendre le « pourquoi », c’est-à-dire une loi de la gravité qui unissait tous ces corps célestes.

Une intelligence artificielle se rendra-t-elle un jour jusque-là? Impossible à dire, mais les physiciens théoriques aimeraient bien qu’on leur offre ce coup de main.