https://pharma.intelligence-synthesis.com/fr/ai-science/Les sciences et le savoir avancés par l'IA, par disciplinefrhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/75c73ba4f5/sc-75c73ba4f5Sat, 17 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLa classification du cancer du poumon et du côlon à partir d'images histopathologiques est difficile, car les classes se ressemblent et la morphologie tissulaire varie, et les modèles d'apprentissage profond conventionnels offrent peu de transparence. Les auteurs découpent la tâche à cinq classes en étapes allant du grossier au fin : d'abord tissu normal ou cancer, puis un classifieur spécialisé pour les catégories de tissu normal ou les sous-types de cancer, avec la meilleure architecture choisie pour chaque étape. Le cadre a atteint une exactitude de 98.50% sur LC25000 et de 82.01% sur le jeu de données indépendant LungHist700, et Grad-CAM, Grad-CAM++, LIME et Occlusion Sensitivity ont été utilisés pour mettre en évidence les régions de l'image à l'origine de ses prédictions. https://www.nature.com/articles/s41598-026-75965-4https://pharma.intelligence-synthesis.com/fr/ai-science/s/3a5c6c81a6/sc-3a5c6c81a6Sat, 17 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLes recommandations actuelles de surveillance du cancer du foie (CHC) ciblent principalement les personnes atteintes de cirrhose ou d'hépatite virale. Les chercheurs ont construit un modèle d'IA pour prédire le risque de CHC chez les personnes sans hépatite virale, à partir de données de 7.96 millions d'adultes sud-coréens ayant passé un bilan de santé. Parmi douze modèles comparés, MHA_DNN a obtenu les meilleures performances et a conservé une précision constante dans une cohorte de validation indépendante. L'indice de stéatose hépatique et les triglycérides étaient les prédicteurs les plus influents, ce qui suggère un soutien à une surveillance personnalisée fondée sur le métabolisme. https://www.nature.com/articles/s41598-026-75959-2https://pharma.intelligence-synthesis.com/fr/ai-science/s/49809d9807/sc-49809d9807Sat, 17 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLes modèles d'apprentissage profond existants pour les images de fond d'œil rétiniennes ne gèrent qu'une seule tâche, offrent une interprétabilité limitée et peinent à s'adapter aux variations entre jeux de données. Les auteurs proposent un réseau multitâche qui classe la gravité de la rétinopathie diabétique, le glaucome, le stade de la DMLA et le risque cardiovasculaire à partir d'une seule image en une seule passe avant, avec des explications Grad-CAM. Il a atteint une précision de 94.7 % et une AUC de 0.978 sur quatre jeux de données, surpassant statistiquement tous les modèles monotâche, ainsi qu'une AUC d'au moins 0.951 en évaluation inter-jeux de données en zero-shot. https://www.nature.com/articles/s41598-026-74871-zhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/e9fe1e9cad/sc-e9fe1e9cadFri, 16 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLa dépression chez les étudiants passe souvent inaperçue jusqu'à ce qu'elle devienne grave, d'où la nécessité d'une prédiction précoce. Les auteurs ont combiné une modélisation comportementale fondée sur les automates finis avec l'apprentissage automatique, en générant des caractéristiques à partir des états émotionnels des étudiants et en fusionnant les caractéristiques redondantes. Avec un ensemble de forêt aléatoire et de KStar, la précision est passée de 82.02 % pour la référence avec forêt aléatoire à 96.88 % avec les caractéristiques fondées sur les automates. Les auteurs affirment que l'approche préserve l'interprétabilité et la traçabilité des caractéristiques. https://www.nature.com/articles/s41598-026-74877-7https://pharma.intelligence-synthesis.com/fr/ai-science/s/e2f17b44c6/sc-e2f17b44c6Fri, 16 Oct 2026 00:00:00 +0900Sciences du vivantL'apprentissage de représentations de gènes néglige souvent la littérature scientifique, ce qui peut biaiser les résultats au détriment des gènes peu étudiés. LitGene est un transformeur interprétable qui intègre du texte aux annotations de la Gene Ontology par apprentissage contrastif. Il a obtenu une précision compétitive sur huit référentiels de protéines, a prédit en zero-shot des termes GO, des voies KEGG et des liens gène-maladie, et a signalé ANGPTL6 comme gène candidat de la fibrose pulmonaire idiopathique, étayé par une expression différentielle dans des échantillons indépendants. https://www.nature.com/articles/s41467-026-78454-4https://pharma.intelligence-synthesis.com/fr/ai-science/s/c4a02872fe/sc-c4a02872feFri, 16 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLa validation des grands modèles de langage pour l'extraction d'informations cliniques nécessite généralement une annotation manuelle coûteuse. Les auteurs ont proposé un cadre en plusieurs étapes combinant filtrage par règles, ancrage sémantique, évaluation par un LLM juge, revue par des experts et analyse de la validité prédictive. Appliqué aux diagnostics de troubles liés à l'usage de substances dans 919 783 notes cliniques, il a écarté 14,59 % des extractions positives du LLM comme non étayées ou invraisemblables. Le LLM principal a obtenu un score F1 de 0,80 par rapport aux évaluations du juge, et les diagnostics qu'il a extraits prédisaient mieux l'engagement ultérieur dans des soins spécialisés que les références fondées sur des données structurées. https://www.nature.com/articles/s41746-026-03341-7https://pharma.intelligence-synthesis.com/fr/ai-science/s/b3aac6a87b/sc-b3aac6a87bFri, 16 Oct 2026 00:00:00 +0900Informatique théoriqueDes non-experts utilisent de plus en plus les grands modèles de langage pour casser des chiffrements historiques, en s'appuyant sur leur capacité à exécuter des algorithmes de déchiffrement et à rechercher des documents sur Internet. Carter Leffen, qui n'a aucune expérience en cryptographie, a demandé à GPT-6 Astra de décoder un message de l'armée allemande chiffré il y a 85 ans, et il a produit une solution dès le matin. Les spécialistes de la cryptographie saluent cet intérêt, mais sont submergés de demandes de validation de solutions d'IA, dont beaucoup sont incorrectes. https://www.nature.com/articles/d41586-026-03338-yhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/9a043aae05/sc-9a043aae05Fri, 16 Oct 2026 00:00:00 +0900Informatique théoriqueL'analyse des logiciels malveillants exige des décisions à plusieurs niveaux, de la détection à l'attribution à une famille puis à une sous-famille fine. Les auteurs proposent un cadre d'apprentissage profond hiérarchique qui prend en entrée des images RVB de fichiers Windows PE et réalise la détection, la classification par famille et l'attribution à 33 sous-familles au sein d'une même architecture à sorties multiples. Quatre modèles d'apprentissage par transfert enrichis d'attention ont atteint une exactitude de 99 % en classification binaire, de 96–97 % au niveau des familles et de 91–95 % au niveau des sous-familles, avec des scores F1 macro allant jusqu'à 0,89 pour l'attribution fine. https://www.nature.com/articles/s41598-026-75054-6https://pharma.intelligence-synthesis.com/fr/ai-science/s/98c95c02f9/sc-98c95c02f9Fri, 16 Oct 2026 00:00:00 +0900Bio-ingénierie et biologie synthétiqueLes modèles d'IA de pointe ne raisonnent pas de manière fiable sur la géométrie 3D et l'état physique du laboratoire, ce qui rend difficile l'automatisation des robots de manipulation de liquides. Google Research a ancré des agents d'IA dans la robotique physique de laboratoire afin qu'ils puissent exécuter rapidement des cycles de conception moléculaire en boucle fermée. Les agents ont découvert des liants de protéines présentant une affinité nanomolaire à un chiffre pour des cibles du cancer. https://research.google/blog/grounding-ai-agents-in-biological-reality-building-blocks-for-autonomous-wet-labs/https://pharma.intelligence-synthesis.com/fr/ai-science/s/73240ab217/sc-73240ab217Fri, 16 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsUne nouvelle étude menée en Chine a entraîné un système d'IA sur des photographies du visage et de la langue afin de détecter la maladie coronarienne (MC). Lors d'un petit test, le système a correctement identifié tous les patients atteints de MC. https://medicalxpress.com/news/2026-10-ai-coronary-heart-disease-tongue.htmlhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/348cfe0470/sc-348cfe0470Fri, 16 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLes lignes directrices de la prise en charge intégrée des maladies de l'enfant ont une sensibilité élevée mais une faible spécificité pour la pneumonie. Des agents de santé au Bangladesh ont enregistré les bruits pulmonaires d'enfants de moins de cinq ans suspectés de pneumonie à l'aide d'un stéthoscope numérique, et un algorithme d'IA a été comparé à un panel de pédiatres. L'IA a détecté les bruits anormaux avec une sensibilité de 61,8 % et une spécificité de 60,7 % au global, et de 63,5 % et 66,8 % dans les cas de pneumonie selon la PCIME. Les auteurs qualifient cette performance de modérée, une amélioration étant nécessaire pour classer les enregistrements ininterprétables. https://www.nature.com/articles/s41598-026-76222-4https://pharma.intelligence-synthesis.com/fr/ai-science/s/31ff5bbcae/sc-31ff5bbcaeFri, 16 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsL'évaluation des marges de résection chirurgicale en pathologie est entravée par les erreurs d'encrage manuel, la distorsion des tissus et les lésions dues à la cautérisation. Les auteurs ont développé un réseau d'encrage virtuel qui s'appuie sur un modèle de fondation figé et un petit classifieur pour cartographier la marge sur des lames numérisées entières, sans encre physique. Sur 20 lames issues de blocs tissulaires inédits, il a atteint environ 73,3 % de précision au niveau des régions et a produit des superpositions correspondant qualitativement aux annotations d'experts. Ces résultats constituent une preuve de concept et doivent être validés sur des cohortes cliniques plus vastes. https://www.nature.com/articles/s41598-026-74284-yhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/12f1eb5dff/sc-12f1eb5dffFri, 16 Oct 2026 00:00:00 +0900Chimie et matériauxDes estimations précises de l'énergie potentielle des petites molécules après minimisation de l'énergie sont importantes pour concevoir des molécules destinées aux médicaments et à l'administration de gènes. Les auteurs ont construit des modèles d'apprentissage profond, notamment des architectures CNN-BiLSTM avec et sans attention multi-têtes, et les ont entraînés sur un jeu de données de structures de petites molécules à l'aide de représentations séquentielles par atome. Les modèles surpasseraient les méthodes traditionnelles d'apprentissage automatique fondées sur des descripteurs, et le mécanisme d'attention améliorerait la généralisation. https://www.nature.com/articles/s41598-026-76095-7https://pharma.intelligence-synthesis.com/fr/ai-science/s/caed039f5f/sc-caed039f5fThu, 15 Oct 2026 00:00:00 +0900Chimie et matériauxLa structure détermine la fonction ; les scientifiques utilisent donc de plus en plus l'IA pour concevoir l'agencement des atomes dans de nouveaux matériaux dotés des propriétés souhaitées. Des chercheurs de l'Institut des sciences industrielles de l'université de Tokyo ont étendu un modèle d'IA générative de premier plan afin qu'il conçoive la structure électronique d'un matériau en même temps que sa structure cristalline. Le nouveau modèle, MatterGen-e⁻, est présenté dans npj Computational Materials. https://techxplore.com/news/2026-10-electronic-ai-materials.htmlhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/a674da9f35/sc-a674da9f35Thu, 15 Oct 2026 00:00:00 +0900Économie et sciences socialesDes indices du stress peuvent se cacher dans les habitudes quotidiennes sur smartphone, comme discuter, effectuer des recherches et réaliser des paiements. Des chercheurs du KAIST ont mis au point une technologie qui analyse plusieurs comportements routiniers répétés dans les applications afin d'identifier l'état de stress quotidien d'une personne. https://techxplore.com/news/2026-10-smartphone-chatting-payment-habits-ai.htmlhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/484681c927/sc-484681c927Thu, 15 Oct 2026 00:00:00 +0900Sciences du vivantL'étude porte sur la manière dont la variation génétique façonne la régulation des gènes dans le cerveau humain en développement, où les données sont limitées. Les auteurs ont construit Seal, un cadre d'apprentissage par transfert d'IA interprétable qui prédit l'expression des gènes et les effets des variants dans 26 régions, 30 types cellulaires et 7 stades de développement. Dans les données de génome entier de l'autisme, Seal a mis en évidence une charge significative de variants régulateurs de novo dans les neurones excitateurs fœtaux transitoires. https://www.nature.com/articles/s41593-026-02470-2https://pharma.intelligence-synthesis.com/fr/ai-science/s/170c9bf7f3/sc-170c9bf7f3Thu, 15 Oct 2026 00:00:00 +0900Sciences de la Terre et du climatLes points de bascule, au-delà desquels un système ne peut plus revenir à son état initial, sont plus difficiles à prédire que les changements météorologiques à court terme. Une équipe dirigée par Caltech a montré qu'un opérateur neuronal récurrent (RNO), un type de réseau de neurones, peut prédire l'apparition des points de bascule dans des modèles simples. Ceux-ci comprennent un modèle de système de changement climatique et des simulations d'écoulement d'air turbulent sur l'aile d'un avion. L'article a été publié dans PNAS. https://www.caltech.edu/about/news/forecasting-tipping-points-with-aihttps://pharma.intelligence-synthesis.com/fr/ai-science/s/0bb2f2bda6/sc-0bb2f2bda6Thu, 15 Oct 2026 00:00:00 +0900Sciences du vivantL'étude vise à prédire les structures de grands complexes protéiques. Les auteurs ont développé HDOCK-Multimer (HDM), un cadre automatisé qui combine l'amarrage ab initio et l'assemblage combinatoire. Sur trois benchmarks, HDM s'est montré plus précis et plus robuste que les méthodes d'assemblage de pointe et que les méthodes fondées sur l'apprentissage profond pour les grands assemblages de protéines. https://www.nature.com/articles/s43588-026-01067-whttps://pharma.intelligence-synthesis.com/fr/ai-science/s/0769c8ddfc/sc-0769c8ddfcThu, 15 Oct 2026 00:00:00 +0900Sciences du vivantPendant le développement embryonnaire, les cellules reçoivent des signaux chimiques qui activent ou désactivent des gènes et déterminent leurs rôles. Retracer la séquence de signaux reçus par une cellule était difficile, car on supposait que les voies de signalisation différaient largement selon les types cellulaires. Des chercheurs du MIT et du Whitehead Institute ont mis au point un cadre computationnel pour y remédier, ce qui pourrait contribuer à accélérer l'ingénierie des cellules souches, améliorer les modèles de maladies et éclairer les traitements contre le cancer. https://news.mit.edu/2026/ai-model-decodes-language-cells-use-communicate-1015https://pharma.intelligence-synthesis.com/fr/ai-science/s/e98fb20321/sc-e98fb20321Wed, 14 Oct 2026 00:00:00 +0900Sciences de la Terre et du climatLa performance des prévisions chute fortement aux échelles de temps subsaisonnières, de 2 à 6 semaines à l'avance. Les auteurs présentent la correction de biais probabiliste, un cadre d'apprentissage automatique qui apprend à corriger les prévisions probabilistes historiques, et l'appliquent aux principaux modèles dynamiques et d'IA du CEPMMT. Elle a doublé la performance subsaisonnière modeste de l'AI Forecasting System et amélioré le modèle dynamique pour la plupart des cibles de pression, de température et de précipitations, et lors du concours en temps réel 2025 du CEPMMT, ses prévisions globales ont été les meilleures. https://www.nature.com/articles/s41586-026-11126-xhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/ac068f4878/sc-ac068f4878Wed, 14 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLes méthodes permettant de quantifier à grande échelle l'activité du tissu adipeux brun (TAB) chez l'être humain faisaient défaut. À partir des données de 101 243 patients d'un grand centre de cancérologie, les auteurs ont quantifié de façon semi-automatique l'activité du TAB chez environ 8 700 patients grâce à l'apprentissage automatique. Une activité du TAB plus élevée, en particulier dans le dépôt axillaire, était associée à une probabilité plus faible de maladie cardiométabolique et à une répartition plus saine de la graisse blanche. https://www.nature.com/articles/s41586-026-11162-7https://pharma.intelligence-synthesis.com/fr/ai-science/s/75389c0963/sc-75389c0963Wed, 14 Oct 2026 00:00:00 +0900Chimie et matériauxLa structure de solvatation en volume des électrolytes de batteries lithium-ion est difficile à déterminer à l'échelle atomique par la seule expérimentation. Les auteurs ont combiné des simulations atomistiques par apprentissage automatique, la spectroscopie RMN, des données électrochimiques et des calculs de chimie quantique. Ils ont identifié des complexes multi-Li+ jusqu'ici non étudiés, sans anions liés et facilement réductibles, ce qui aide à expliquer pourquoi les mélanges de solvants au carbonate d'éthylène choisis empiriquement fonctionnent. https://www.nature.com/articles/s41586-026-11138-7https://pharma.intelligence-synthesis.com/fr/ai-science/s/f6daa0ea6d/sc-f6daa0ea6dTue, 13 Oct 2026 00:00:00 +0900Sciences du vivantUn groupe d'unités connectées de façon aléatoire peut se réorganiser en un réseau efficace de traitement de l'information lorsqu'on lui donne des règles simples sur le moment et la manière de modifier les connexions. L'équipe du MIT soutient que la capacité d'un réseau artificiel à s'organiser lui-même, sans l'intervention d'un développeur, constitue un test essentiel de plausibilité biologique. Les chercheurs préviennent que de tels réseaux ne apportent peut-être pas beaucoup d'éclairage sur l'apprentissage biologique. https://news.mit.edu/2026/how-artificial-neural-networks-build-their-own-learning-machinery-1013https://pharma.intelligence-synthesis.com/fr/ai-science/s/e5e310d165/sc-e5e310d165Tue, 13 Oct 2026 00:00:00 +0900Mathématiqueshttps://www.science.org/content/article/ai-edges-closer-solving-riemann-hypothesis-one-math-s-hardest-problemshttps://pharma.intelligence-synthesis.com/fr/ai-science/s/de8281ec59/sc-de8281ec59Tue, 13 Oct 2026 00:00:00 +0900Sciences du vivantLe nouveau laboratoire de sciences de la vie d'Anthropic utilise Claude pour explorer des jeux de données d'ADN à la recherche de familles de protéines non caractérisées. Dans les premiers résultats, avec seulement des orientations générales de la part des scientifiques, des agents Claude ont trouvé un nouveau système enzymatique à la fonction inconnue, dont les propriétés rappellent celles de CRISPR. Ce travail vise à générer des hypothèses à grande échelle et à les tester en laboratoire. https://www.anthropic.com/news/claude-discovers-novel-enzyme-systemhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/b2711ed99d/sc-b2711ed99dTue, 13 Oct 2026 00:00:00 +0900Sciences du vivantNiCLIP est un modèle d'IA qui décode des tâches, des concepts et des domaines cognitifs à partir des schémas d'activation cérébrale. Il a été entraîné sur plus de 23 000 articles et surpasserait les décodeurs traditionnels pour le décodage au niveau du groupe. Il a prédit avec précision des tâches cognitives à partir des cartes de groupe du Human Connectome Project, mais a montré des limites avec les cartes bruitées au niveau du sujet. https://www.nature.com/articles/s41467-026-78451-7https://pharma.intelligence-synthesis.com/fr/ai-science/s/7f7996bdc6/sc-7f7996bdc6Tue, 13 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsAMIFound est un modèle de fondation qui restaure et améliore les images médicales dégradées par le bruit, les artefacts de mouvement, le faible contraste ou une acquisition à faible dose, sur sept modalités, dont le scanner (CT), l'IRM, la TEP, l'endoscopie, l'échographie, le fond d'œil et la radiographie. Entraîné sur 3,76 millions d'images appariées, il a surpassé 38 modèles de référence spécifiques à une tâche ou généraux sur les métriques de qualité d'image, l'évaluation par les cliniciens et les tests de robustesse. Les images améliorées ont également amélioré 44 tâches de détection de maladies, la prédiction du stade tumoral et la stratification du risque de survie dans le cancer du poumon non à petites cellules. https://www.nature.com/articles/s42256-026-01310-zhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/0bcf3c5b5d/sc-0bcf3c5b5dTue, 13 Oct 2026 00:00:00 +0900Chimie et matériauxLes hessiennes moléculaires, c'est-à-dire les dérivées secondes de l'énergie potentielle, sont nécessaires dans de nombreux flux de travail de chimie computationnelle, mais elles sont coûteuses à calculer et passent mal à l'échelle avec la taille du système. Les auteurs présentent HIP, un modèle d'apprentissage profond qui prédit directement les hessiennes, sans différentiation automatique ni différences finies, en s'appuyant sur des caractéristiques SE(3)-équivariantes issues d'un réseau de neurones sur graphes. HIP serait un à deux ordres de grandeur plus rapide et plus précis que les hessiennes obtenues par différentiation automatique, et donnerait de bons résultats pour la recherche d'états de transition, l'optimisation de géométrie et l'analyse vibrationnelle. https://www.nature.com/articles/s43588-026-01066-xhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/abb85a22ce/sc-abb85a22ceMon, 12 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLes outils d'IA peuvent extraire d'une seule nuit de sommeil des schémas physiologiques que les mesures classiques du sommeil ne détectent pas, et ces schémas sont liés aux maladies et à la mortalité. Deux articles récents, parus dans Nature Communications et Nature Medicine, suggèrent que les données de sommeil contiennent bien plus d'informations sur la santé que les cliniciens et les chercheurs n'en extraient actuellement. De plus en plus d'éléments indiquent également que des modifications du sommeil peuvent apparaître avant le diagnostic d'une maladie. https://www.nature.com/articles/d41586-026-03207-8https://pharma.intelligence-synthesis.com/fr/ai-science/s/8f745cbb31/sc-8f745cbb31Mon, 12 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLa dyskinésie ciliaire primitive (DCP) est une maladie génétique caractérisée par des cils dysmobiles, et son diagnostic reste difficile. Les auteurs ont développé CiliaTracks, un cadre d'apprentissage automatique qui analyse le transport de particules sur des cellules des voies respiratoires cultivées, capturé par microscopie à haute vitesse. Des modèles classiques d'apprentissage automatique et un réseau de neurones convolutif ont classé les enregistrements de 14 personnes atteintes de DCP et de 10 donneurs sains avec une précision de 95-97 %. https://www.nature.com/articles/s42003-026-11149-0https://pharma.intelligence-synthesis.com/fr/ai-science/s/8c16b42aed/sc-8c16b42aedMon, 12 Oct 2026 00:00:00 +0900Chimie et matériauxLa prédiction de propriétés à partir de données coordonnées-catégories, telles que les énergies de formation ou les modules d'élasticité à partir de structures cristallines, est au cœur de la science computationnelle, et les grands modèles de langage (LLM) y ont été appliqués. À l'aide de jeux de données synthétiques et du benchmark MatText, les auteurs constatent que les LLM échouent systématiquement à capturer l'information de coordonnées tout en traitant bien les motifs de catégories. Cela vaut pour des tailles de modèles allant jusqu'à 70 milliards de paramètres, des jeux de données allant jusqu'à 2 × 10^6 structures et différentes représentations textuelles, et pour la prédiction de propriétés dominée par les effets structuraux, des architectures géométriques spécialisées surpassent les LLM. https://www.nature.com/articles/s43588-026-01045-2https://pharma.intelligence-synthesis.com/fr/ai-science/s/81b97ba554/sc-81b97ba554Sun, 11 Oct 2026 00:00:00 +0900Sciences du vivantLes membranes cellulaires sont difficiles à distinguer dans les volumes bruités de tomographie cryo-électronique. Les auteurs présentent ETSAM, une méthode en deux étapes qui affine Segment Anything Model 2 (SAM2) pour segmenter les membranes, entraînée sur 83 tomogrammes expérimentaux et 28 tomogrammes simulés. Sur 17 tomogrammes expérimentaux de test, elle a surpassé les autres méthodes d'apprentissage profond avec une sensibilité élevée et une meilleure précision. https://www.nature.com/articles/s41467-026-77962-7https://pharma.intelligence-synthesis.com/fr/ai-science/s/d21d6bf4e1/sc-d21d6bf4e1Fri, 09 Oct 2026 00:00:00 +0900PhysiqueLes auteurs présentent une méthode d'apprentissage in situ fondée sur la physique, qui mesure directement les gradients optiques dans des circuits intégrés photoniques. Elle permet d'entraîner diverses topologies de circuits après leur fabrication, sans nécessiter de modèle numérique complet du circuit. Le matériel permettrait, selon les auteurs, la conception de matrices, le calcul multilongueur d'onde et un méta-apprentissage rapide. https://www.nature.com/articles/s43588-026-01071-0https://pharma.intelligence-synthesis.com/fr/ai-science/s/ecd6faecf1/sc-ecd6faecf1Thu, 08 Oct 2026 00:00:00 +0900Sciences du vivantLes modèles d'apprentissage profond prédisent bien les données génomiques, mais l'étape la plus difficile consiste à les utiliser pour la découverte biologique. Cet article décrit tangermeme, une boîte à outils hautement optimisée pour les parties de l'apprentissage profond génomique autres que le modèle lui-même. Il montre comment tangermeme peut distiller les motifs cis-régulateurs appris par les modèles en connaissances interprétables par l'humain. https://www.nature.com/articles/s41592-026-03254-zhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/bd824ddb04/sc-bd824ddb04Wed, 07 Oct 2026 00:00:00 +0900MathématiquesOpenAI a utilisé un modèle non publié sur des centaines de problèmes mathématiques très en vue et a publié sur GitHub, le 6 octobre, plus de 700 prépublications générées par IA. Certains mathématiciens ont salué les solutions apportées à des problèmes de longue date, tandis que d'autres se sont plaints sur les réseaux sociaux de s'être fait devancer. Un mathématicien a qualifié ce déluge de « slopocalypse », même si le contenu pourrait néanmoins s'avérer formellement correct. https://www.nature.com/articles/d41586-026-03196-8https://pharma.intelligence-synthesis.com/fr/ai-science/s/7cda060db9/sc-7cda060db9Wed, 07 Oct 2026 00:00:00 +0900Sciences du vivantLes données de perturbation cellulaire révèlent des relations de régulation causales, mais ces données sont souvent rares, ce qui motive le développement de méthodes prédisant les réponses dans un contexte à partir d'autres. Les auteurs ont développé State, un modèle d'apprentissage automatique qui combine un modèle de transition d'état basé sur un transformeur pour les effets de perturbation en cellule unique avec un modèle pré-entraîné de plongement cellulaire. Il a été entraîné sur des données de perturbation issues de plus de 100 millions de cellules et sur des données observationnelles issues de 167 millions de cellules, et l'équipe a également créé Cell-Eval, un cadre d'évaluation pour comparer les modèles. https://www.nature.com/articles/s41592-026-03260-1https://pharma.intelligence-synthesis.com/fr/ai-science/s/7bb39cbee1/sc-7bb39cbee1Wed, 07 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLa segmentation des tumeurs cérébrales en IRM est lente, sujette aux erreurs et affectée par le biais de l'opérateur, et les modèles d'apprentissage profond manquent souvent d'interprétabilité. Les auteurs proposent SPOHE-VGGNet, qui combine un U-Net modifié avec VGG-19 et une égalisation d'histogramme optimisée par essaim de particules pour améliorer le contraste des IRM. Il a atteint des scores de Dice de 0,9522 (méningiome), 0,9428 (gliome) et 0,9518 (tumeur hypophysaire) sur le jeu de données Figshare, et de 0,9463 pour la segmentation de la tumeur entière sur BraTS 2021, même si les auteurs précisent qu'une validation externe, volumétrique et centrée sur les cliniciens reste nécessaire avant tout usage clinique. https://www.nature.com/articles/s41598-026-72923-yhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/9ef1894996/sc-9ef1894996Tue, 06 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLes décisions de santé publique sont souvent ralenties par les délais de déclaration, les données cloisonnées et les données éparses. Le Population Dynamics Foundation Model (PDFM) de Google condense des tendances de recherche respectueuses de la vie privée, la mobilité humaine, la densité du bâti et des facteurs environnementaux en plongements de localisation. Ces plongements peuvent être intégrés aux modèles épidémiologiques existants sans ajustement fin spécifique à une tâche, et cinq études de cas de partenaires ont été présentées. https://research.google/blog/earth-ais-planetary-geospatial-foundation-models-for-global-public-health/https://pharma.intelligence-synthesis.com/fr/ai-science/s/204538468b/sc-204538468bTue, 06 Oct 2026 00:00:00 +0900Sciences du vivantLes méthodes existantes pour les données moléculaires spatiales reposent souvent sur des hypothèses restrictives qui peuvent passer à côté de signaux importants de maladie. VIMA, une méthode d'apprentissage profond, utilise un ensemble d'autoencodeurs variationnels pour résumer de petites zones de tissu et identifier des microniches dont l'abondance est corrélée au statut cas ou témoin. Dans les simulations, elle était bien calibrée et puissante, et appliquée à des jeux de données couvrant trois maladies, elle a retrouvé des mécanismes biologiques connus et identifié de nouvelles caractéristiques spatiales de la maladie. https://www.nature.com/articles/s41592-026-03236-1https://pharma.intelligence-synthesis.com/fr/ai-science/s/a681028c9f/sc-a681028c9fMon, 05 Oct 2026 00:00:00 +0900Sciences du vivantLes flux de travail protéomiques actuels ont un faible débit et nécessitent un traitement de données important, ce qui ralentit la classification des échantillons. ProFormer est un pipeline d'apprentissage profond fondé sur les transformeurs qui exploite directement les caractéristiques des ions peptidiques de niveau MS1 issues des données de spectrométrie de masse. Il a surpassé l'apprentissage automatique traditionnel et les CNN sur 14 architectures et a classé des protéomes de cellules uniques selon le type cellulaire, la phase du cycle et la trajectoire de différenciation, ainsi que l'état pathologique de patients à partir de protéomes plasmatiques. https://www.nature.com/articles/s41467-026-78143-2https://pharma.intelligence-synthesis.com/fr/ai-science/s/7488a954c0/sc-7488a954c0Mon, 05 Oct 2026 00:00:00 +0900Sciences du vivantLes plateformes de transcriptomique spatiale à haute résolution capturent soit un faible nombre de transcrits par spot, soit ne mesurent qu'un nombre limité de gènes, ce qui rend difficile l'extraction d'informations à l'échelle de la cellule unique. CellART combine des images de coloration, des données de transcriptomique spatiale et des références de RNA-seq en cellule unique, en utilisant l'apprentissage profond et la modélisation probabiliste pour segmenter les cellules et annoter simultanément les types cellulaires. Les auteurs indiquent qu'il est efficace, généralisable et robuste, et que ses résultats sont compatibles avec des outils communautaires largement utilisés. https://www.nature.com/articles/s43588-026-01054-1https://pharma.intelligence-synthesis.com/fr/ai-science/s/37746dff6b/sc-37746dff6bMon, 05 Oct 2026 00:00:00 +0900Médecine et découverte de médicamentsLa cardiomyopathie hypertrophique (CMH) et l'amylose cardiaque (AC) se ressemblent à l'échocardiographie, ce qui les rend difficiles à distinguer. L'étude a mis au point un cadre d'apprentissage profond qui classe les images d'échocardiographie 2D en cinq vues cliniquement pertinentes, extrait les caractéristiques de chaque vue et les fusionne. En validation croisée en cinq blocs sur 212 patients atteints de CMH, 119 patients atteints d'AC et 200 patients témoins, il a atteint une précision de 0,83, une sensibilité de 0,81, une spécificité de 0,89 et un micro-F1 de 0,82, et les auteurs le décrivent comme un outil diagnostique fiable. https://www.nature.com/articles/s41598-025-15443-5https://pharma.intelligence-synthesis.com/fr/ai-science/s/5b6346b11a/sc-5b6346b11aThu, 01 Oct 2026 00:00:00 +0900PhysiqueDes chercheurs de l'UCLA ont construit un processeur opto-neuronal qui utilise la lumière pour détecter les vidéos deepfake, dans le but de filtrer le volume croissant de vidéos générées par IA. Contrairement aux systèmes conventionnels qui examinent les vidéos une par une, il analyse 15 flux vidéo ou plus simultanément en un seul passage optique. L'équipe annonce une précision de détection proche de 98 %, et l'étude a été publiée dans eLight. https://www.sciencedaily.com/releases/2026/09/260929053534.htmhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/4563f76666/sc-4563f76666Thu, 01 Oct 2026 00:00:00 +0900PhysiqueLe Pr Matthew Schwartz décrit comment, après avoir cessé de lutter contre Claude et l'avoir laissé trouver des problèmes adaptés à ses capacités actuelles, il a construit BootLoops, une boîte à outils pour les calculs exacts en science quantitative. Comme des calculs similaires reviennent dans de nombreux domaines, Claude a trouvé des liens avec l'écologie, la génétique des populations et une douzaine d'autres domaines, bien que ceux-ci aient souvent été techniquement corrects mais d'abord peu remarquables. Schwartz a ensuite travaillé avec des experts de ces domaines pour orienter BootLoops vers les questions qui les intéressent. https://www.anthropic.com/research/claude-shaped-sciencehttps://pharma.intelligence-synthesis.com/fr/ai-science/s/27c9a04ad4/sc-27c9a04ad4Thu, 01 Oct 2026 00:00:00 +0900Informatique théoriqueL'optimisation combinatoire sous-tend des décisions dans l'industrie manufacturière, la logistique et l'énergie, mais concevoir des heuristiques pour chaque nouvelle variante demande des mois d'effort d'experts, et la génération de code en une seule passe par un LLM échoue souvent. LACE divise la conception d'algorithmes en schémas, une bibliothèque d'outils et un portefeuille d'heuristiques, puis fait évoluer des heuristiques spécialisées complémentaires dans les limites de temps d'exécution. Sur 36 problèmes classiques de CO-Bench, elle a obtenu en moyenne 0.945, contre 0.870 pour la meilleure méthode antérieure fondée sur les LLM et 0.571 pour l'invite directe. https://www.nature.com/articles/s42256-026-01307-8https://pharma.intelligence-synthesis.com/fr/ai-science/s/def62dff8c/sc-def62dff8cWed, 30 Sep 2026 00:00:00 +0900Informatique théoriqueDes chercheurs ont conçu un système d'IA pour le Stratego, un jeu de plateau à deux joueurs dans lequel les pièces de l'adversaire sont cachées et qui sert souvent à tester la réflexion stratégique. En combinant des algorithmes d'entraînement efficaces et de nouvelles techniques de décision en information cachée, le système a battu largement des joueurs humains de haut niveau et surpassé les meilleurs modèles suivants, tout en étant moins coûteux à entraîner. Il a également battu de grands joueurs humains dans d'autres jeux de stratégie aux règles différentes. https://news.mit.edu/2026/game-playing-ai-stratego-new-champ-0930https://pharma.intelligence-synthesis.com/fr/ai-science/s/ca6b7010c4/sc-ca6b7010c4Wed, 30 Sep 2026 00:00:00 +0900PhysiqueL'interprétation des événements dans les détecteurs de neutrinos à la frontière de l'énergie est impraticable pour la reconstruction conventionnelle et difficile pour les modèles supervisés lorsque les données étiquetées sont rares. Les auteurs pré-entraînent un Vision Transformer parcimonieux avec une reconstruction par autoencodeur masqué et des objectifs relationnels au niveau des voxels, puis l'affinent conjointement sur la classification et la régression. Sur des événements simulés du calorimètre FASER proposé, le pré-entraînement a amélioré l'identification de la saveur et du quark charm, la régression de l'impulsion et la reconstruction du vertex, et avec environ 1,000 événements étiquetés, l'encodeur pré-entraîné a égalé les performances de classification de la saveur d'un modèle entraîné à partir de zéro. https://www.nature.com/articles/s42256-026-01309-6https://pharma.intelligence-synthesis.com/fr/ai-science/s/a3455247ae/sc-a3455247aeWed, 30 Sep 2026 00:00:00 +0900Sciences de la Terre et du climatLes événements météorologiques spatiaux extrêmes peuvent induire dans les réseaux de transport d'électricité des courants qui endommagent les équipements, et les gestionnaires de réseau ont besoin de savoir quand et où les effets seront les plus graves, avec un préavis suffisant. Microsoft Research a conçu un pipeline d'apprentissage automatique qui combine des données sur le vent solaire, des prévisions AE et Dst, la latitude locale, la géologie et la conductivité du sol pour produire des estimations de risque pour 66 935 postes électriques des États-Unis continentaux. Durant la période d'évaluation, il a détecté près de 80 % des événements météorologiques spatiaux majeurs et peut avertir les opérateurs 30 à 60 minutes avant l'apparition d'un risque précis. https://www.microsoft.com/en-us/research/blog/forecasting-space-weather-risks-on-power-grids/https://pharma.intelligence-synthesis.com/fr/ai-science/s/832a7ab3b2/sc-832a7ab3b2Wed, 30 Sep 2026 00:00:00 +0900Informatique théoriquehttps://deepmind.google/blog/d4rt-teaching-ai-to-see-the-world-in-four-dimensions/https://pharma.intelligence-synthesis.com/fr/ai-science/s/c9854dc125/sc-c9854dc125Tue, 29 Sep 2026 00:00:00 +0900Sciences de la Terre et du climatAu Sénégal, les petites exploitations agricoles dépendantes de la pluie exposent une grande partie de la population aux chocs climatiques, mais les outils de cartographie des cultures par satellite restent largement hors de portée. Des chercheurs de l'université de Cambridge ont utilisé Tessera, un modèle d'IA open source entraîné sur des images satellites, pour cartographier les cultures dans le bassin arachidier du Sénégal. Lors des tests, il a donné le bon résultat dans 84 % des cas, une précision supérieure à celle des méthodes actuelles, tout en n'utilisant qu'une fraction des ressources de calcul et des données étiquetées. Dans un scénario, il a obtenu des performances supérieures de 28 % à celles du meilleur modèle suivant. https://www.cam.ac.uk/research/news/ai-tool-for-mapping-smallholder-crops-proves-itself-in-senegalhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/6ab9873a8d/sc-6ab9873a8dTue, 29 Sep 2026 00:00:00 +0900Sciences du vivantQuine, de Microsoft Research, est un projet à un stade précoce visant à construire un modèle du monde multimodal de la biologie ainsi qu'un environnement interactif reliant modèles, outils scientifiques, littérature et chercheurs, afin d'aider les scientifiques à hiérarchiser les hypothèses avant les tests en laboratoire. En collaboration avec des chercheurs du Broad Institute de Harvard et du MIT, l'équipe l'a utilisé pour hiérarchiser des composés censés provoquer des changements thérapeutiques de l'état tumoral, et a validé plusieurs des candidats les mieux classés dans de multiples essais en laboratoire. Le système est expérimental, destiné uniquement à la recherche, et ses résultats doivent être examinés par des chercheurs qualifiés. https://www.microsoft.com/en-us/research/blog/introducing-quine-an-ai-research-system-designed-for-the-complexity-of-biology/https://pharma.intelligence-synthesis.com/fr/ai-science/s/ce8a4de60a/sc-ce8a4de60aMon, 28 Sep 2026 00:00:00 +0900Médecine et découverte de médicamentsLes vaccins à ARN nécessitent généralement un stockage à très basse température ; des chercheurs du MIT ont donc utilisé un algorithme d'IA pour ajuster la formulation autour des nanoparticules lipidiques qui délivrent les vaccins à ARNm. L'algorithme a prédit des formulations optimales, réduisant le nombre d'expériences nécessaires et accélérant le développement. Les vaccins obtenus sont restés stables jusqu'à un an à température ambiante ou deux mois à près de 100 °F, et chez la souris, un vaccin contre le Covid-19 a produit une réponse immunitaire aussi forte que celle d'un vaccin à ARN similaire à celui de Moderna. https://news.mit.edu/2026/new-formulation-helps-rna-vaccines-withstand-high-temperatures-0928https://pharma.intelligence-synthesis.com/fr/ai-science/s/c73c02fd4a/sc-c73c02fd4aMon, 28 Sep 2026 00:00:00 +0900Sciences de la Terre et du climatLes modèles climatiques sont trop grossiers pour les décisions de gestion des risques régionaux, et les méthodes de descente d'échelle existantes sont trop coûteuses pour de grands ensembles, ignorent les dépendances multivariées, ou exigent des paires d'entraînement alignées dans le temps que les projections en libre évolution ne fournissent pas. GenFocal est un cadre d'IA générative qui produit une météo à fine échelle statistiquement exacte à partir de projections grossières, sans données d'entraînement appariées. Il synthétise des aléas de longue durée tels que les vagues de chaleur et les cyclones tropicaux, échantillonne les événements rares à fort impact plus précisément que les meilleures méthodes, et améliore les estimations régionales des extrêmes composés. https://www.nature.com/articles/s42256-026-01308-7https://pharma.intelligence-synthesis.com/fr/ai-science/s/902d1f16cb/sc-902d1f16cbSat, 26 Sep 2026 00:00:00 +0900MathématiquesL'hypothèse de Riemann, un problème non résolu, affirme que les zéros de la fonction zêta de Riemann se trouvent tous sur une certaine droite verticale. En s'attaquant au problème, une version de recherche non publiée de Claude ne l'a pas démontrée, mais a amélioré une borne inférieure ancienne sur la proportion de zéros qui la vérifient, la faisant passer de 41,6 % à 67,2 %. Deux mathématiciens d'Anthropic ont validé l'article et rédigé une note informelle d'expert, et Claude a également produit une preuve vérifiable formellement. Ce résultat ne devrait pas mener à une démonstration de l'hypothèse elle-même. https://www.anthropic.com/research/riemann-zetahttps://pharma.intelligence-synthesis.com/fr/ai-science/s/24adfd04a8/sc-24adfd04a8Fri, 25 Sep 2026 00:00:00 +0900PhysiqueLe physicien et vulgarisateur scientifique Matt von Hippel a lancé aux entreprises d'IA le défi de résoudre un problème difficile de physique théorique : calculer une amplitude à neuf boucles dans la théorie de super-Yang-Mills N=4. Claude l'a calculée, relevant le défi environ un mois plus tard. https://www.anthropic.com/research/yes-claude-can-do-nine-loopshttps://pharma.intelligence-synthesis.com/fr/ai-science/s/c6cf2b4556/sc-c6cf2b4556Thu, 24 Sep 2026 00:00:00 +0900Médecine et découverte de médicamentsIdentifier les personnes présentant un risque élevé de suicide est une priorité pour les conseillers lors des crises de santé mentale. Des chercheurs du McGovern Institute du MIT ont mis au point un outil de traitement du langage qui recherche dans un texte les mots et expressions liés à 49 facteurs de risque suicidaire afin d'estimer le risque d'un individu. Lors de conversations écrites avec des conseillers en situation de crise, l'outil a prédit avec exactitude le risque suicidaire, et avec davantage de validation, il pourrait soutenir l'évaluation du risque en milieu clinique et dans les dispositifs d'aide en situation de crise. https://news.mit.edu/2026/estimating-suicide-risk-from-text-0924https://pharma.intelligence-synthesis.com/fr/ai-science/s/dc467c9a7e/sc-dc467c9a7eTue, 22 Sep 2026 00:00:00 +0900Informatique théoriqueLes robots volants à l'échelle d'un insecte ont jusqu'ici été lents et limités à des trajectoires de vol simples. Des chercheurs du MIT ont mis au point un contrôleur basé sur l'IA, doté d'un système de commande en deux parties, qui permet des retournements répétés du corps. Par rapport aux meilleurs résultats précédents de l'équipe, la vitesse du robot a augmenté d'environ 450 % et son accélération d'environ 250 %, et il a réalisé 10 sauts périlleux en 11 secondes, même en présence de perturbations dues au vent. https://www.sciencedaily.com/releases/2026/09/260921081114.htmhttps://pharma.intelligence-synthesis.com/fr/ai-science/s/5fc14a3904/sc-5fc14a3904Mon, 21 Sep 2026 00:00:00 +0900Bio-ingénierie et biologie synthétiqueLes modèles open source que les scientifiques utilisent pour prédire et concevoir des biomolécules étaient lents et gourmands en mémoire. En travaillant dans Claude Science, Claude a optimisé plus de 30 de ces modèles en un peu moins de quatre semaines, les accélérant en moyenne d'environ 4 fois. Il a également créé un mode à faible consommation de mémoire qui permet de prédire avec précision des systèmes de plus de 10 000 tokens sur un seul nœud GPU NVIDIA, et le code optimisé est en cours de publication en open source. https://www.anthropic.com/research/claude-uplifts-biomolecular-modeling