Pendant des siècles, la science a joué un rôle clé dans l’épanouissement de la civilisation par sa capacité à nous fournir une explication du fonctionnement du monde et à anticiper les conséquences d’un cours causal donné. Explication approfondie et pronostic efficace sont, en somme, les deux mots-clés qui caractérisent les principaux atouts de la science.
Traditionnellement, et surtout depuis que le Cercle de Vienne a débattu de cette question, l’explication scientifique et la prédiction ont été considérées comme les deux faces d’une même médaille : si vous avez une véritable explication scientifique d’un phénomène, alors il aurait été possible de le prédire, et si un phénomène peut être prédit scientifiquement, alors il peut être expliqué. C’est ce qu’on appelle la « thèse de la symétrie ». Selon lui, explication et prédiction partagent la même structure logique. Le même argument qui nous aide à expliquer le phénomène une fois que nous savons qu’il s’est produit nous aurait permis de le prévoir avant qu’il ne se produise. La différence entre expliquer et prédire n’est donc que pragmatique. Elle se réduit au moment où l’argument est formulé : s’il est formulé avant de connaître le phénomène, on prédit;
Il faut admettre que, dans certains phénomènes, tels que les phénomènes biologiques – surtout évolutifs – ou sociaux, la complexité des facteurs impliqués crée des difficultés pratiques pour faire des prédictions vraiment précises et on peut avoir des explications acceptables qui ne conduisent pas à des prédictions pertinentes. . . Cependant, en ce qui concerne la possibilité inverse, c’est-à-dire celle de prédire sans avoir la capacité d’expliquer, on considère qu’une véritable prédiction scientifique n’est pas disponible s’il n’est pas possible de fournir avec les mêmes ressources théoriques une explication de la phénomènes concernés.
Cependant, aujourd’hui, ce scénario n’est plus aussi solide qu’il y a quelques années. Pour commencer, la thèse de la symétrie entre explication et prédiction a reçu, dès le début, de nombreuses critiques. Comme l’ont soutenu divers auteurs, la prédiction scientifique pourrait être basée sur un ensemble de données sans qu’il soit nécessaire de recourir à aucune loi, manquant ainsi de pouvoir explicatif. Prenons le cas des systèmes sensibles aux conditions initiales ou, en langage plus courant, celui des systèmes qui présentent ce que l’on appelle « l’effet papillon ». Ce sont des systèmes chaotiques dont le comportement peut être scientifiquement expliqué par des lois déterministes. Cependant, son résultat final est très imprévisible dans la pratique,
D’autre part, depuis quelque temps, nous constatons que notre capacité à construire des modèles scientifiques permettant d’expliquer le monde se heurte à des limites épistémiques. Cela devient de plus en plus évident dans des domaines comme l’astrophysique ou la biologie. En astrophysique, la théorie inflationniste de l’univers ou la proposition théorique des multivers ont été critiquées pour l’impossibilité d’être soumises à une vérification empirique, ce qui les éloignerait de remplir une exigence considérée jusqu’à présent comme fondamentale pour toute théorie scientifique. Dans le cas de la théorie inflationniste de l’univers, il y a trop de modèles qui ne peuvent pas être discriminés sur la base des preuves disponibles, ou comme on le dit souvent avec une technicité, ce sont des modèles sous-déterminés par des preuves empiriques. Il est vrai que ces modèles conduisent à des prédictions différentes, mais la flexibilité de la théorie permet d’accueillir finalement toute donnée empirique, empêchant ainsi la falsifiabilité de ladite théorie. Quelque chose de similaire peut être dit de la théorie du multivers, du moins dans certaines de ses versions : elle ne conduit pas à des prédictions empiriquement vérifiables et, par conséquent, sa nature scientifique pourrait être remise en question sur cette base. Soit dit en passant, la même chose a été maintenue en ce qui concerne une autre théorie physique très pertinente, telle que la théorie des cordes. elle ne conduit pas à des prédictions empiriquement vérifiables et, par conséquent, sa nature scientifique pourrait être remise en question sur cette base. Soit dit en passant, la même chose a été maintenue en ce qui concerne une autre théorie physique très pertinente, telle que la théorie des cordes. elle ne conduit pas à des prédictions empiriquement vérifiables et, par conséquent, sa nature scientifique pourrait être remise en question sur cette base. Soit dit en passant, la même chose a été maintenue en ce qui concerne une autre théorie physique très pertinente, telle que la théorie des cordes.
En biologie, les recherches actuelles montrent que le fonctionnement des mécanismes génétiques est extrêmement plus complexe qu’on ne le supposait il y a quelques années. La possibilité de dominer notre ADN nous échappe peu à peu, non seulement à cause des relations multiples entre certains gènes et d’autres, mais aussi à cause de la prise de conscience croissante du rôle essentiel que joue l’épigénétique dans leur expression concrète. D’où la difficulté de placer nos espoirs sur l’apparition d’un modèle scientifique capable de nous fournir une explication détaillée du fonctionnement du génome dans toute sa complexité et, encore moins, suffisamment précis pour se fier aveuglément à sa capacité pronostique.
Il devient de plus en plus évident que les méthodes traditionnellement utilisées par la science ne suffisent plus à répondre pleinement aux besoins de la science elle-même. La complexité du monde que l’on veut modéliser a dépassé ces capacités. Si pendant un certain temps nous n’avons pas procédé à une alternative à son monopole, c’est parce qu’il n’y en avait pas. Maintenant, cependant, les circonstances changent. Nous connaissons depuis un certain temps des cas d’actions humaines réussies basées sur des méthodologies qui ne suivent pas les schémas scientifiques traditionnels. Un bon exemple peut-être, comme l’a souligné Chris Anderson dans Wired , est le séquençage aléatoire de gènes ( séquençage de gènes shotgun), utilisé par Craig Venter de Celera Genomics pour obtenir la séquence complète du génome humain. Cette technique peut être considérée comme pionnière d’un changement à grande échelle représenté par l’apparition de nouveaux outils, d’algorithmes de calcul (en l’occurrence des algorithmes d’assemblage) et d’une nouvelle façon de comprendre le rôle du calcul dans la science.
Une situation dans laquelle la force [prédictive] de l’intelligence artificielle finit par supplanter les théories scientifiques devient de plus en plus plausible
L’apparition des algorithmes, et notamment des algorithmes prédictifs, est le résultat de l’utilisation combinée de possibilités de stockage et de traitement de données jamais connues auparavant. Ces outils sont capables de déployer une capacité prédictive qui dépasse déjà – et dans le futur il est prévisible qu’elle dépassera encore plus – celle que peut nous fournir tout modèle développé selon les méthodes scientifiques traditionnelles. Pour citer un exemple qui a sauté à la presse en mai, une équipe japonaise a présenté dans le magazine Heart un algorithme qui prédit avec 90 % d’exactitude l’incidence des arrêts cardiaques en fonction de certaines conditions météorologiques.
La méthodologie scientifique traditionnelle est basée sur la vérification empirique d’hypothèses et de modèles théoriques sur le comportement des phénomènes ; hypothèses et modèles qui peuvent être confirmés ou infirmés. Les algorithmes prédictifs, en revanche, ne suivent pas ce schéma. Sa création est basée sur l’inférence de corrélations entre différentes variables sur la base d’une analyse statistique automatisée d’énormes bases de données. Les algorithmes ne recherchent jamais la causalité, seulement les corrélations. Ainsi, bien sûr, ils n’expliquent pas, mais seulement anticipent. Mais certains prédisent avec une précision qui défie ce que la science a pu réaliser jusqu’à présent.
La question fondamentale que soulève ce scénario est qu’une situation dans laquelle la force de l’intelligence artificielle finit par déplacer la théorisation scientifique dans de nombreux domaines devient de plus en plus plausible, du moins en ce qui concerne sa fonction prédictive. Le tournant viendra probablement le jour où nous devrons décider quelle ligne de conduite nous voulons suivre alors que les deux stratégies offrent des solutions inconciliables. Si à ce moment-là nous avons opté pour l’option préconisée par l’IA, c’est-à-dire l’option anti-théorique, nous aurons franchi un pas difficilement réversible. Parce qu’à ce moment-là, nous certifierons notre préférence pour la fonctionnalité et la haute précision de la prédiction statistique par rapport aux explications approximativement vraies fournies par les théories et hypothèses scientifiques.
Ce moment, en effet, est arrivé dans certains domaines, dans lesquels la possibilité de faire des prédictions exactes et détaillées grâce à divers algorithmes a fait que les mécanismes ou les liens de causalité qui conduisent d’un phénomène à un autre ne sont plus étudiés en profondeur, et par conséquent, nous n’avons pas une compréhension complète de la manière dont ces phénomènes se produisent. Certes, ces prédictions exactes mais sans capacité explicative peuvent être utilisées pour tester et améliorer des modèles explicatifs, voire guider la découverte de nouveaux. Cependant, leur accorder tout leur poids en négligeant l’importance des modèles causaux implique un abandon manifeste de l’une des deux principales finalités de la science : celle de fournir des explications autant que des prédictions.
Le fait que nous n’ayons pas encore réalisé l’énorme ampleur du changement qui s’annonce ne diminue pas d’un iota son importance. Bref, un avenir semble s’ouvrir devant nos yeux dans lequel la science (telle que nous l’avons traditionnellement entendue) est susceptible de devenir avant tout, sinon uniquement, une ressource explicative, tandis que son ancien rôle d’anticipation des scénarios futurs sera joué par des systèmes basés sur l’intelligence artificielle. Et il ne semble pas que ce futur attende trop longtemps pour devenir présent.
