2026年7月31日

Découvrir va vite. Prouver, beaucoup moins

Vendredi : Tail | Science et médecine

Cinq travaux qui n’ont presque rien en commun. Sauf que dans chacun, la partie pénible commence après la découverte.

  • Le Montana ouvre un guichet aux traitements non prouvés : 12 500 dollars le dossier
  • 239 études sur l’IA en stimulation cérébrale profonde : ce qui bloque n’est pas l’algorithme
  • « Où ça fait mal ? » : une question qui échoue de trois façons différentes
  • Un modèle de langage n’a pas les moyens de savoir qui lui parle
  • Une centrale géothermique délaissée relancée par un puits de 8 000 pieds

Cet article s’appuie sur les 62 titres collectés automatiquement le 31 juillet 2026 dans la veille consacrée aux sciences et à la médecine.

D’abord, un mot sur la récolte elle-même

62 titres, donc. 52 viennent d’arXiv, 10 du MIT Technology Review. Reddit et YouTube n’ont rien renvoyé ce jour-là. Les flux de Nature, de Science et du NEJM non plus : aucune ligne.

En comptant les mots présents dans les titres, on obtient ceci : intelligence artificielle et modèles de langage, 13 titres. Méthodes statistiques, 9. Médecine, 5. Cerveau et système nerveux, 5. Les catégories se chevauchent.

Une veille scientifique et médicale dont le plus gros bloc parle d’IA. Ce n’est pas un scandale, c’est un biais de collecte, et autant le poser sur la table tout de suite. On y reviendra à la fin, parce que les cinq travaux retenus finissent par dire quelque chose de ce comptage.

Montana : 12 500 dollars pour déposer un dossier

L’État n’en est pas à son coup d’essai. Une première loi « right to try » y a été adoptée en 2015. En 2023, le dispositif a cessé d’être réservé aux malades en phase terminale. Un second texte est passé en avril 2025, entré en vigueur en mai. Et le 25 juillet 2026, le département de la Santé de l’État a arrêté les règles d’application, entrées en vigueur dans la foulée.

Au 30 juillet, le comité d’examen indépendant — le Montana ETRB — est officiellement constitué et a déjà reçu deux dossiers, l’un portant sur une neuropathie, l’autre sur une perte auditive. Les premières cliniques de traitements expérimentaux sont attendues d’ici la fin 2026 : cela, ce n’est pas encore fait.

Le mécanisme tient en peu de lignes. Une entreprise paie 12 500 dollars pour déposer un dossier. Cinq personnes l’examinent, dont un médecin agréé dans l’État, un bioéthicien et des scientifiques. Ce sont ces mêmes frais qui servent à les rémunérer. On peut déposer après de premiers essais chez l’humain, parfois une dizaine de volontaires en bonne santé. Le patient, lui, n’a pas besoin d’être en phase terminale : un consentement éclairé suffit, y compris pour des usages préventifs ou précoces. Et l’entreprise fixe librement son prix, sans avoir à le justifier — ce que l’accès élargi de la FDA, lui, impose.

Matt Kaeberlein, membre du comité et professeur affilié à l’université de Washington à Seattle, assure que tout sera mené selon des méthodes rigoureuses, avec des professionnels de santé qualifiés et sous une supervision adaptée. Aaron Kesselheim, professeur à la Harvard Medical School et spécialiste de la régulation du médicament, résume sa position en un mot : il s’inquiète.

Le chiffre qui pèse est dans l’article lui-même. Une phase I ne conclut pas à la sécurité d’un produit : environ 17 % des médicaments se révèlent insuffisamment sûrs au stade de la phase III. Ce que 12 500 dollars permettent d’acheter, ce n’est donc pas une preuve. C’est du temps gagné sur la vérification. Sachant que le prix médian d’un nouveau médicament pour maladie rare atteint 218 872 dollars, on parle aussi, accessoirement, d’un marché.

239 études, et le frein n’est pas l’algorithme

Changement complet de décor, même mot au centre. Une revue systématique publiée en 2026 dans npj Digital Medicine a repris 239 études sur l’usage de l’intelligence artificielle en stimulation cérébrale profonde pour les troubles du mouvement, parues entre 2000 et 2025. Elle a été évaluée par des pairs, ce qui n’est pas le cas de toutes les références citées ici.

Le paysage est très concentré : la maladie de Parkinson et le noyau sous-thalamique dominent, les autres pathologies et les autres cibles restent peu couvertes. Verdict des auteurs : la plupart des systèmes en sont à un stade translationnel précoce à intermédiaire. Autrement dit, pas encore en clinique.

Le point intéressant est ailleurs. Ce qui limite ces systèmes, écrivent-ils, tient moins à l’insuffisance des algorithmes qu’à la limitation de la validation. La validation externe est rare. Les évaluations restent majoritairement rétrospectives et monocentriques. Plus d’un quart des travaux s’appuient sur des jeux de données petits et de grande dimension, avec un risque élevé de surapprentissage. En parallèle, des études prospectives et des validations externes commencent à paraître, et les auteurs y voient des applications prometteuses pour le ciblage, la programmation, la prédiction des résultats et l’administration adaptative du traitement.

On tient là une phrase rare dans ce domaine : le modèle tourne, c’est la preuve qui manque.

« Où ça fait mal ? » : une question qui échoue de trois façons différentes

Une prépublication déposée sur arXiv le 28 juillet — non relue par des pairs, à garder en tête — s’attaque à un geste que tout le monde connaît : demander où se situe la douleur.

Le travail est théorique, pas expérimental : la localisation de la douleur y est reformulée comme un problème d’inférence bayésienne, puis analysée avec des modèles de champs neuronaux. Et la conclusion tient plutôt du oui conditionnel que du rejet. Selon les cas, l’endroit qui fait mal est diagnostiquement décisif, ou bien il n’apprend presque rien. Ce n’est pas un dégradé continu : ce sont trois régimes distincts.

  • Le multiplexage anatomique : plusieurs structures partagent le même point, et le problème inverse devient non identifiable.
  • L’amplification délocalisée : une sensibilisation centrale prend la place de la source périphérique.
  • Le déplacement référé ou atypique : la localisation se décale de façon systématique, mais propre à chaque personne.

Et la remarque qui pique : la fourchette de précision publiée sous l’étiquette « forte utilité diagnostique » s’appuierait sur une spécificité surestimée. Là où un gradient existe, écrit l’auteur, il est simplement plus plat qu’on ne le dessine.

Un modèle de langage n’a pas les moyens de savoir qui lui parle

Charles Ye et Jasmine Cui, deux chercheurs indépendants, ont présenté en juillet 2026 une attaque baptisée chain-of-thought forgery, la falsification de la chaîne de pensée, à l’ICML, une conférence à comité de lecture.

Le principe tient en une phrase : il suffit d’écrire un texte qui imite le style des notes internes qu’un modèle se rédige à lui-même pendant qu’il raisonne. Le modèle prend alors ce texte pour ses propres instructions. La faille de fond, c’est que ces systèmes déterminent le rôle d’un texte — consigne du système, message d’utilisateur, note interne — d’après le style et le contenu, pas d’après les balises. Intervertir les balises n’a presque rien changé. L’article ne donne pas de taux de réussite chiffré, seulement une description qualitative.

Ye ne prend pas de gants : « Il y a une probabilité réelle que ce problème soit fondamentalement insoluble. » Florian Tramèr, spécialiste de la sécurité informatique à l’École polytechnique fédérale de Zurich, juge le travail solide, tout en notant que les défenses actuelles pourraient ne pas suffire pour les usages les plus sensibles. La recommandation de l’article n’est pas un correctif, c’est une posture : ne pas concevoir un système en partant du principe que le modèle est digne de confiance.

Si vous branchez un jour un de ces modèles sur un outil capable d’agir dans le monde réel, c’est cette phrase-là qu’il faut relire.

Nouveau-Mexique : la réponse était en dessous

La centrale géothermique de Lightning Dock, au Nouveau-Mexique, tourne depuis 2013. Sa ressource a perdu 50 °F en cinq ans — environ 28 °C, soit près de 5,5 °C par an — et le site s’est retrouvé en difficulté. En juin 2024, l’entreprise Zanskar l’a rachetée. À la reprise, l’eau sortait à 250 °F, environ 121 °C, alors que l’installation est conçue pour fonctionner au-dessus de 310 °F, soit près de 154 °C.

Les anciens puits descendaient à 2 500 pieds, environ 760 mètres. Le nouveau puits, mis en service en mai 2025, descend à 8 000 pieds, à peu près 2 400 mètres. Depuis, le débit dépasse 4 000 gallons par minute — de l’ordre de 15 000 litres par minute — et la centrale sort ses 15 mégawatts, de quoi alimenter à peu près 11 000 foyers américains. Sur sa dernière année d’exploitation, le site a produit plus du double de l’électricité qu’il aurait tirée des anciens puits. Joel Edwards, cofondateur et directeur technique de Zanskar, parle d’un redressement complet.

Le résultat surprend parce qu’il contredit une intuition installée : plus on descend, plus il fait chaud, mais la roche se resserre et la circulation de l’eau est censée se dégrader. Ben Brenner, responsable des affaires fédérales chez Zanskar, estime que cette découverte change en profondeur la façon de considérer les actifs hydrothermaux américains.

Edwards, lui, freine. Pour avoir confiance dans la performance sur la durée, dit-il, il faut faire tourner ces installations sur de longues périodes. Le site n’a, pour l’instant, qu’une année d’exploitation derrière lui.

Ce que les cinq ont en commun

Ce n’est pas la découverte. Elle va vite, dans les cinq cas.

12 500 dollars achètent une place dans la file, pas une démonstration de sécurité — et environ 17 % des médicaments se révèlent insuffisamment sûrs en phase III. 239 études relues par des pairs concluent que le frein tient à la rareté de la validation externe, pas aux algorithmes. Une prépublication avance que la précision publiée d’un geste clinique quotidien repose sur une spécificité surestimée. Un travail présenté à l’ICML montre qu’une machine n’a pas les moyens de vérifier qui lui parle. Et l’ingénieur qui vient de relancer une centrale délaissée refuse de conclure avant de longues périodes de fonctionnement.

Reste le comptage du début. Sur 62 titres récoltés dans une veille scientifique et médicale, 13 parlaient d’IA et de modèles de langage, 5 de médecine, 5 du cerveau. Reddit et YouTube n’ont rien renvoyé, Nature, Science et le NEJM non plus. Ce chiffre-là n’est pas une preuve non plus : c’est une mesure, avec ses angles morts, produite par un dispositif de collecte qui n’a pas été mieux validé que le reste. Ce qui n’a pas été capté ce jour-là ne figure nulle part dans ce texte.

On finit toujours par citer le résultat. Beaucoup plus rarement la personne qui a passé un an à le contrôler.

Sources

← Studio Aoi