La Grande Convergence: Comment l’IA Connecte Chaque Frontière

L’intelligence artificielle (IA) a enflammé le monde avec son potentiel d’améliorer l’efficacité, de réduire les coûts et d’augmenter la productivité.

Alors que pour beaucoup de personnes l’IA se résume aux chatbots, grâce à l’accessibilité et à la popularité des outils d’IA générative comme ChatGPT, la technologie est bien plus vaste, ses avantages s’étendant à la médecine, la fabrication, la robotique, les soins de santé, l’éducation, la science du climat, la finance, le droit, la cybersécurité, et au-delà.

En imitant les fonctions cognitives humaines telles que la résolution de problèmes et la prise de décision, l’IA promet de transformer les systèmes sous-jacents de ces industries, où un nombre croissant d’organisations explore activement les capacités de l’IA.

Une enquête récente de McKinsey a révélé une hausse de l’utilisation de l’IA, non seulement dans le secteur technologique, où elle a déjà dépassé 90 %, mais dans presque toutes les industries.

Neuf répondants sur dix ont indiqué que leurs organisations utilisent régulièrement l’IA, bien qu’elle soit encore en phase d’expérimentation. Malgré le stade de pilote, les répondants ont signalé des bénéfices en termes de coûts et de revenus, 64 % affirmant que l’IA leur permet d’innover.

Cette adoption croissante montre que même à un stade aussi précoce, l’IA devient un facteur clé de la transformation numérique.

Dans le paysage mondialement interconnecté et concurrentiel d’aujourd’hui, l’IA permet aux entreprises d’exploiter la puissance de diverses technologies numériques, telles que le big data, l’informatique en nuage et l’Internet des objets. En fait, elle agit comme une technologie convergente, accélérant le développement et l’intégration d’autres technologies afin que leur impact combiné soit supérieur à la somme de leurs parties.

Avec cela, examinons maintenant quelques avancées fascinantes de l’IA dans différents secteurs, chacune montrant comment elle transforme le monde.

Voici un aperçu rapide de trois domaines où la convergence de l’IA est déjà mesurable.

Glissez pour faire défiler →

L’IA Cartographie le Microbiome Intestinal à la Santé Humaine (et le Risque de CAD)

Grâce à l’IA, les scientifiques ont désormais décodé l’écosystème complexe des bactéries intestinales et leurs signaux chimiques, permettant de révéler des liens cachés entre les bactéries et la santé humaine. De plus, le nouveau système d’IA avancé s’avère réellement supérieur dans les études sur le cancer, l’obésité et les troubles du sommeil par rapport aux modèles conventionnels, et montre un énorme potentiel pour personnaliser les traitements en fonction du microbiome de chaque individu, transformant ainsi la médecine personnalisée.

La capacité de l’IA à révéler des motifs cachés est particulièrement remarquable, comme le montre une étude de l’Université de Waterloo¹, où l’analyse alimentée par l’IA de tests sanguins de routine a détecté des motifs pouvant permettre des prédictions vitales à la fois abordables et accessibles.

En revenant aux bactéries intestinales, elles jouent un rôle clé dans notre santé, influençant non seulement notre digestion et la prévention des maladies, mais aussi l’immunité et même notre humeur. De nouvelles recherches ont découvert que notre microbiome intestinal² pourrait également influencer le développement de la maladie coronarienne, qui tue près de 20 millions de personnes chaque année.

Le tube digestif humain est clairement fascinant, mais il constitue également un écosystème complexe de billions de micro‑organismes. En plus du nombre impressionnant d’espèces bactériennes présentes dans notre intestin, leurs interactions avec la chimie humaine rendent difficile la compréhension de leurs effets par les scientifiques.

Mais dans une avancée révolutionnaire, des chercheurs de l’Université de Tokyo se sont tournés vers l’IA pour résoudre ce problème.

Ils ont créé un système d’IA pour mieux comprendre quelles bactéries produisent quels métabolites, petites molécules qui agissent comme messagers chimiques et circulent dans notre corps, influençant le métabolisme, l’immunité et la fonction cérébrale, et comment la relation entre bactéries et métabolites évolue dans différentes maladies.

« En cartographiant avec précision ces relations bactérie‑chimie, nous pourrions potentiellement développer des traitements personnalisés. Imaginez pouvoir cultiver une bactérie spécifique pour produire des métabolites humains bénéfiques ou concevoir des thérapies ciblées qui modifient ces métabolites pour traiter des maladies. »

– Chercheur du projet Tung Dang du laboratoire Tsunoda du Département des Sciences biologiques

Le modèle qu’ils ont développé est un réseau neuronal bayésien appelé VBayesMM³, qui répond au défi d’identifier des motifs significatifs à partir de l’interaction complexe entre des billions de bactéries et de métabolites.

Il utilise une approche bayésienne pour identifier précisément quels groupes bactériens influencent le plus certains métabolites. De plus, il mesure l’incertitude de ses prédictions afin d’éviter toute conclusion erronée, offrant ainsi aux scientifiques des informations plus précises et fiables.

En utilisant son approche multi‑omics microbiome bayésien variationnel (VBayesMM), l’équipe a pu identifier rapidement et précisément les espèces microbiennes clés, ce qui a conduit à des estimations plus exactes. L’implémentation de l’inférence variationnelle, quant à elle, a résolu les goulets d’étranglement computationnels, permettant une analyse évolutive de jeux de données massifs.

L’équipe travaillera ensuite avec des ensembles de données chimiques plus complets afin de capturer l’ensemble du spectre des produits bactériens, afin de surmonter le problème de perte de précision lorsque les données métaboliques sont plus étendues que les données bactériennes.

« Nous visons également à rendre VBayesMM plus robuste lors de l’analyse de populations de patients diverses, en incorporant les relations de « famille » des bactéries pour améliorer les prédictions, et à réduire davantage le temps de calcul nécessaire », a déclaré Dang. « Pour les applications cliniques, l’objectif ultime est d’identifier des cibles bactériennes spécifiques pour des traitements ou des interventions diététiques qui pourraient réellement aider les patients, passant de la recherche fondamentale aux applications médicales pratiques. »

Angle Investissable: Médecine de Précision avec Tempus AI (TEM )

Dans ce monde passionnant et complexe des sciences de la vie, Tempus AI se distingue en proposant des solutions de médecine de précision alimentées par l’IA pour des soins personnalisés aux patients.

Tempus est une entreprise technologique qui fait progresser la médecine de précision tout en facilitant la découverte et le développement de thérapies optimales. Elle possède trois gammes de produits :

• Génomique : Fournit des diagnostics de séquençage de nouvelle génération (NGS), du profilage, du génotypage moléculaire et d’autres tests.
• Données : Implique la structuration et la désidentification des données générées dans son laboratoire avant leur commercialisation.
• Applications IA : Fournit des diagnostics, met en œuvre de nouveaux logiciels en tant que dispositif médical, et déploie des outils d’aide à la décision clinique.

Cette année, Tempus a atteint plusieurs jalons réglementaires clés, dont l’obtention d’une autorisation de la FDA pour le dispositif Tempus xR IVD afin de soutenir le développement de médicaments grâce au séquençage avancé d’ARN. En conséquence, les partenaires de Tempus peuvent utiliser son test ARN pour « identifier plus précisément quels patients sont les plus susceptibles de répondre à des thérapies spécifiques et concevoir des essais cliniques plus efficaces ».

Sa plateforme d’analyse d’images cardiaques alimentée par l’IA, Tempus Pixel, ainsi que le logiciel IA Tempus ECG‑Low EF ont également obtenu les approbations FDA 510(k), renforçant la position de l’entreprise dans le domaine des diagnostics pilotés par l’IA.

Les actions de la société, dont la capitalisation boursière s’élève à 12,73 milliards de dollars, se négocient actuellement à 72,52 $, en hausse de près de 112 % cette année. Le mois dernier, les actions TEM ont dépassé la barre des 100 $.

Quant à sa situation financière, Tempus a récemment annoncé une hausse de 84,7 % du chiffre d’affaires en glissement annuel au troisième trimestre 2025, atteignant 334,2 millions de dollars, tandis que le bénéfice brut a augmenté de 98,4 % pour atteindre 209,9 millions de dollars. La perte nette du trimestre s’élevait à 80 millions de dollars. Elle a clôturé le trimestre avec 764,3 millions de dollars de liquidités et de titres négociables.

« Non seulement nous croissons à un rythme incroyable, atteindre un EBITDA ajusté positif constitue une étape importante et reflète la solidité de notre activité sous-jacente », a déclaré le fondateur et PDG de Tempus, Eric Lefkofsky. « L’une des choses les plus difficiles à faire, et un signe de la pérennité du modèle économique, est de pouvoir ralentir le taux de réinvestissement dans l’entreprise tout en maintenant la croissance, ce que nous avons exactement réalisé ce trimestre. »

Click here for a list of top biotech big data companies.

L’IA Prédit les Tempêtes Solaires Jours à l’Avance — Protection des Réseaux Électriques & des Satellites

Un modèle d’IA a été développé pour prédire le vent solaire longtemps à l’avance avec une précision supérieure aux méthodes existantes, aidant à protéger les réseaux électriques, les satellites et les systèmes de navigation contre les événements spatiaux perturbateurs et renforçant la résilience de nos infrastructures critiques.

Le vent solaire est le flux constant de particules chargées libérées par le Soleil. Il se produit lorsque les champs magnétiques torsadés du Soleil se contorsionnent et s’étirent, les amenant à se rompre avant de se reconnecter, libérant ainsi d’importantes quantités d’énergie.

Lorsque ces particules accélèrent, elles peuvent perturber l’atmosphère terrestre. Elles peuvent non seulement interférer avec les réseaux électriques, mais aussi entraîner les satellites hors de leur orbite, comme cela s’est produit en 2022 lors d’un fort événement de vent solaire, où SpaceX a perdu jusqu’à 40 de ses satellites Starlink.

Les tempêtes solaires, quant à elles, sont des événements encore plus puissants, où le Soleil projette de l’énergie, des particules et des champs magnétiques dans la galaxie. Lorsqu’elles sont dirigées vers la Terre, elles peuvent créer une perturbation majeure de son champ magnétique, appelée tempête géomagnétique. C’est ce qui crée les magnifiques aurores boréales, mais provoque également des coupures de courant.

Le dernier scénario de risque systémique de Lloyd’s estime qu’une tempête solaire sévère pourrait exposer l’économie mondiale à environ 2,4 billion de dollars de pertes sur cinq ans, avec des pertes attendues d’environ 17 milliards de dollars aujourd’hui.

Cela montre le besoin urgent d’améliorer les prévisions de ces événements. Ainsi, des chercheurs de NYU Abu Dhabi (NYUAD) se sont attelés à cette tâche, avec l’aide de l’IA.

Ils ont construit un modèle d’IA capable de prédire le vent solaire⁴ jusqu’à quatre jours avant l’événement, avec une précision supérieure aux méthodes actuelles. Le modèle a été entraîné sur des archives historiques du vent solaire et des images ultraviolettes provenant du Solar Dynamics Observatory (SDO) de la NASA.

En analysant les images du Soleil pour détecter des motifs liés aux variations du vent solaire, l’équipe de NYUAD a pu obtenir une amélioration de 45 % de la précision de leurs prévisions par rapport aux modèles opérationnels actuels. De plus, ils ont réalisé une amélioration de 20 % par rapport aux approches précédentes basées sur l’IA.

« C’est une avancée majeure pour protéger les satellites, les systèmes de navigation et les infrastructures électriques dont dépend la vie moderne », a déclaré le principal auteur de l’étude, Dattaraj Dhuri. « En combinant l’IA avancée avec les observations solaires, nous pouvons fournir des alertes précoces qui aident à protéger les technologies critiques sur Terre et dans l’espace. »

Angle Investissable: IA Météo-Spatiale avec IBM (IBM )

Avec une capitalisation boursière de 293,24 milliards de dollars, IBM est un fournisseur mondial de services de cloud hybride et d’IA visant à réaliser la transformation numérique à travers les données, les applications et les environnements dans lesquels ils opèrent.

Il y a quelques mois, IBM a publié son modèle d’IA open source, « Surya », en collaboration avec la NASA, afin de mieux comprendre les données recueillies lors des observations solaires et de prédire comment l’activité solaire affecte les technologies spatiales et la Terre. Avec Surya, l’entreprise applique l’IA à la recherche de prévisions météorologiques spatiales et fournit un outil permettant de protéger les télécommunications, les réseaux électriques et la navigation GPS des perturbations causées par les variations du Soleil.

Au moment de la rédaction, les actions IBM se négocient à 319 $, en hausse de 42,7 % depuis le début de l’année. Elles affichent un BPA (TTM) de 8,07 et un PER (TTM) de 38,87. IBM verse un rendement de dividende de 2,14 %.

Pour son dernier trimestre, 3T25, l’entreprise a déclaré une hausse de 9 % de son chiffre d’affaires, atteignant 16,3 milliards de dollars. Sa marge brute GAAP était de 57,3 % et son résultat d’exploitation non GAAP de 58,7 %. La trésorerie nette provenant des activités opérationnelles s’élevait, quant à elle, à 9,2 milliards de dollars depuis le début de l’année, et le flux de trésorerie disponible était de 7,2 milliards de dollars.

« Les clients du monde entier continuent d’exploiter notre technologie et notre expertise sectorielle pour augmenter la productivité de leurs opérations et offrir une réelle valeur commerciale grâce à l’IA. »

– PDG Arvind Krishna

Il a également souligné que le portefeuille d’affaires IA d’IBM a dépassé les 9,5 milliards de dollars, contre 7,5 milliards au trimestre précédent.

Où l’IA Surpasse les Experts: Médecine, Neurosciences & Éducation

Les chercheurs constatent que l’IA surpasse constamment les experts dans divers domaines.

Un de ces domaines est la médecine, où « le glaucome reste l’une des causes les plus courantes de perte de vision irréversible à l’échelle mondiale », le dépistage étant trop coûteux. Mais l’IA pourrait être la solution, espère le Dr Anthony Khawaja, professeur à l’Institute of Ophthalmology de l’University College London et chercheur principal de la nouvelle étude, qui a rapporté qu’un programme d’IA entraîné a correctement identifié les patients atteints de glaucome dans environ 90 % des cas, contre 81 % pour les évaluateurs humains.

Pour cette étude, des experts humains et un programme d’IA ont évalué plus de 6 300 participants, dont près de 700 présentaient un glaucome dans au moins un œil.

Le glaucome résulte de dommages au nerf optique, le plus souvent dus à une pression s’accumulant à l’intérieur de l’œil, ce qui peut conduire à la cécité totale. Les experts humains et l’IA ont noté le risque de glaucome des participants en se basant sur le rapport cupule‑disque vertical, une mesure clé de ce trouble, qui suit les changements de la structure oculaire causés par l’accumulation de pression.

Selon les résultats de l’étude, seuls 11 % des yeux des participants étaient suspectés de glaucome, ce qui correspond à la proportion attendue lors d’un dépistage de routine. Les chercheurs ont noté que la précision pourrait être encore améliorée en incluant d’autres facteurs de risque, tels que la pression intraoculaire.

Dans une autre étude, les grands modèles de langage (LLM) ont prédit les résultats d’études de neurosciences proposées avec plus de précision que les experts humains, soulignant le potentiel de l’IA à accélérer la recherche.

Au lieu de se concentrer sur les capacités de question‑réponse des LLM, l’étude a exploré la capacité des modèles à synthétiser les connaissances afin de prédire les résultats futurs.

Ainsi, ils ont testé 15 LLM généraux différents ainsi que 171 experts humains en neurosciences et ont constaté que tous les LLM surpassaient les neuroscientifiques. Alors que les LLM affichaient une précision moyenne de 81 %, les humains atteignaient 63 %, n’augmentant qu’à 66 % au plus haut niveau d’expertise humaine. Par ailleurs, l’entraînement d’un LLM sur la littérature en neurosciences a porté sa précision à 86 %.

« Nous pensons qu’il ne faudra pas longtemps avant que les scientifiques n’utilisent des outils d’IA pour concevoir l’expérience la plus efficace pour leur question. Bien que notre étude se soit concentrée sur les neurosciences, notre approche était universelle et devrait s’appliquer avec succès à l’ensemble des sciences. »

– Auteur principal Bradley Love, professeur à UCL Psychology & Language Sciences

L’IA, selon des chercheurs de Cambridge, possède un avantage clair en matière de modélisation prédictive et d’analyse de données. Lorsqu’elle dispose de données opportunes en volume, variété et véracité, elle peut optimiser les coûts et les chaînes d’approvisionnement, concevoir des produits haute performance plus rapidement, et répondre aux fluctuations du marché en temps réel.

« Ignorer l’IA générative dans la stratégie d’entreprise n’est plus viable », ont déclaré les co‑auteurs de l’étude.

Ce n’est là que la partie émergée de l’iceberg, car d’autres études ont constaté que l’IA excelle même dans les mécanismes fondamentaux du langage, mais manque de cohérence thématique lorsqu’il s’agit d’évaluer des dosages, surpassant les experts humains dans la reconnaissance de la douleur chez les moutons à partir des mêmes informations visuelles, et égalant voire surpassant les dermatologues dans le diagnostic de la peau basé sur l’imagerie.

Angle Investissable: Adoption de Gemini par Alphabet Inc. (GOOG )

Lorsqu’il s’agit d’investir dans le pouvoir de l’IA, Alphabet constitue une option intéressante, ayant mené les percées de l’IA grâce à Google DeepMind et Google Research.

Récemment, Google DeepMind et une société de technologie éducative alimentée par l’IA, Eedi, ont publié une recherche exploratoire⁹ montrant que le tutorat IA avec intervention humaine surpasse le soutien uniquement humain.

L’essai s’est déroulé dans cinq classes d’enseignement secondaire au Royaume-Uni, où l’enseignement de base était dispensé par LearnLM, le modèle d’IA générative de Google ajusté pour la pédagogie. Ils ont constaté que l’équipe humain‑IA était aussi efficace (93 %) pour aider les étudiants à corriger immédiatement une erreur qu’un tuteur humain seul (91,2 %). L’équipe était tout aussi performante pour aider les étudiants à résoudre leurs idées fausses sous‑jacentes.

Lors de la mesure du « transfert de connaissances », qui fait référence à la façon dont le tutorat sur un problème influence la capacité d’un étudiant à résoudre un nouveau problème, un tuteur humain seul a amélioré l’apprentissage de 4,5 points de pourcentage, tandis que l’équipe humain‑IA l’a augmenté de 10 points de pourcentage.

« Ces résultats marquent une étape importante pour une IA responsable, sûre et efficace dans l’éducation. La prochaine étape consiste à passer d’un projet pilote exploratoire à un essai à grande échelle. »

– Irina Jurenka, chercheuse scientifique chez Google DeepMind

Parallèlement, le modèle d’IA multimodal Gemini du géant technologique a réalisé plusieurs avancées, atteignant une performance de niveau médaille d’or aux finales mondiales du Concours International de Programmation Universitaire (ICPC) 2025, après une victoire de médaille d’or aux Olympiades Internationales de Mathématiques. L’application phare d’IA de Google compte désormais plus de 650 millions d’utilisateurs actifs mensuels.

Ainsi, Google est profondément engagé dans l’innovation IA, ce qui a fait grimper son action de près de 54 % cette année, se négociant maintenant juste au-dessus de 293 $. La société, dont la capitalisation boursière s’élève à 3,5 billion de dollars, verse également un dividende de 0,29 %.

Récemment, elle a déclaré un chiffre d’affaires de 102,35 milliards de dollars pour le troisième trimestre 2025, soutenu par une dynamique solide de son activité cloud, qui a bénéficié d’une forte demande d’IA. L’entreprise prévoit désormais d’augmenter ses dépenses d’investissement à entre 91 milliards et 93 milliards de dollars, après avoir relevé ses prévisions de 75 milliards à 85 milliards plus tôt cette année. La majeure partie de ses dépenses est consacrée à l’infrastructure, comme les centres de données.

Réflexions Finales

L’IA a pris le monde d’assaut, mais elle n’est plus une innovation isolée. Elle sert plutôt de tissu conjonctif reliant un nombre croissant de technologies transformatrices. Comme mentionné précédemment, elle nous aide à décoder les mystères du microbiome humain, à prévoir les tempêtes solaires et même à surpasser les experts en science et en médecine. Pourtant, ces percées ne représentent qu’une petite partie de l’influence profonde de l’IA sur presque toutes les frontières de l’activité humaine.

Alors qu’elle converge avec le big data, la biotechnologie, l’informatique en nuage, la robotique et la science quantique, l’IA accélère le rythme de la découverte et permet des intégrations qui créent des systèmes plus intelligents et un monde plus avisé.

Click here to learn all about investing in artificial intelligence.

Références

1. Mussavi Rizi, M., Fernández, D., Kramer, J. L. K., Saigal, R., DiGiorgio, A. M., Beattie, M. S., Ferguson, A. R., Kyritsis, N., Torres‑Espín, A., & TRACK‑SCI. Modélisation des trajectoires des tests sanguins de routine comme biomarqueurs dynamiques pour les résultats des lésions de la moelle épinière. npj Digital Medicine 8:470 (2025). https://doi.org/10.1038/s41746-025-01782-0
2. Lee, S., Raza, S., Lee, E.-J., Chang, Y., Ryu, S., Kim, H.-L., Kang, S.-H., & Kim, H.-N. Les génomes métagénomiques révèlent des signatures microbiennes et des voies métaboliques liées à la maladie coronarienne. mSystems e00954-25 (2025). https://doi.org/10.1128/msystems.00954-25
3. Dang, T., Lysenko, A., Boroevich, K. A., & Tsunoda, T. “VBayesMM : réseau neuronal bayésien variationnel pour prioriser les relations importantes des données multi‑omics microbiome à haute dimension.” Briefings in Bioinformatics 26(4), bbaf300 (2025). https://doi.org/10.1093/bib/bbaf300
4. Sinha, A., Dhuri, D., Vasanth, R., Hanasoge, S., et al. “Réseau neuronal encodeur‑décodeur multimodal pour la prévision de la vitesse du vent solaire à L1.” The Astrophysical Journal Supplement Series 258(2): 1–? (2025). https://doi.org/10.3847/1538-4365/adf436
5. Luo, X., Rechardt, A., Sun, G., Nejad, K. K., Yáñez, F., Yilmaz, B., Lee, K., Cohen, A. O., Borghesani, V., Pashkov, A., Marinazzo, D., Nicholas, J., Salatiello, A., Sucholutsky, I., Minervini, P., Razavi, S., Rocca, R., Yusifov, E., Okalova, T., Gu, N., Ferianc, M., Khona, M., Patil, K. R., Lee, P. S., Mata, R., Myers, N. E., Bizley, J. K., Musslick, S., Bilgin, I. P., Niso, G., Ales, J. M., Gaebler, M., Ratan Murty, N. A., Loued‑Khenissi, L., Behler, A., Hall, C. M., Dafflon, J., Bao, S. D. & Love, B. C. Les grands modèles de langage surpassent les experts humains dans la prédiction des résultats en neurosciences. Nature Human Behaviour 9, 305–315 (2025). https://doi.org/10.1038/s41562-024-02046-9
6. Bouziane, K. & Bouziane, A. M. IA contre l’efficacité humaine dans l’évaluation d’essais. Discover Education 3:201 (2024). https://doi.org/10.1007/s44217-024-00320-6
7. Feighelstein M., Luna S.P., Silva N.O., Trindade P.E., Shimshoni I., van der Linden D., & Zamansky A. “Comparaison des performances entre l’IA et les experts humains dans l’évaluation de la douleur aiguë chez les moutons.” Scientific Reports 15(1):626 (2025). https://doi.org/10.1038/s41598-024-83950-y (PubMed)
8. Ma, X., & Li, Z. Intelligence artificielle en dermatologie : une revue. International Journal of Dermatology and Venereology 7, 227–235 (2025). https://doi.org/10.1097/IJD.0000000000000000
9. Gomes, B., McKee, K. R., Veerubhotla, A. S., Modi, A., Rysbek, A., Huber, A., Wiltshire, S., Gillick, D., et al. “Le tutorat IA peut soutenir les étudiants de manière sûre et efficace : un essai contrôlé randomisé exploratoire dans des classes britanniques.” arXiv pre-print (Nov 2025). Disponible à: https://storage.googleapis.com/deepmind-media/LearnLM/learnLM_nov25.pdf