{"id":14870,"date":"2026-10-08T02:15:03","date_gmt":"2026-10-08T02:15:03","guid":{"rendered":"http:\/\/french.arabpsychology.com\/theorists\/demis-hassabis-1976-a-nos-jours\/"},"modified":"2026-10-08T02:15:03","modified_gmt":"2026-10-08T02:15:03","slug":"demis-hassabis-1976-a-nos-jours","status":"publish","type":"psych_theorist","link":"https:\/\/french.arabpsychology.com\/?psych_theorist=demis-hassabis-1976-a-nos-jours","title":{"rendered":"Demis Hassabis &#8211; De 1976 \u00e0 nos jours"},"content":{"rendered":"<p>L\u2019histoire des sciences et des techniques est ponctu\u00e9e de trajectoires singuli\u00e8res o\u00f9 convergent, en un point d\u2019inflexion unique, des disciplines jusqu\u2019alors cloisonn\u00e9es. La biographie intellectuelle et professionnelle de Demis Hassabis, n\u00e9 en 1976 \u00e0 Londres, constitue l\u2019une des incarnations les plus saisissantes de cette transversalit\u00e9 f\u00e9conde. Con\u00e7u \u00e0 la crois\u00e9e des \u00e9checs de haut niveau, de l\u2019industrie vid\u00e9oludique naissante, de l\u2019informatique th\u00e9orique et des neurosciences cognitives les plus avanc\u00e9es, le parcours de Hassabis ne saurait \u00eatre appr\u00e9hend\u00e9 comme une simple succession de succ\u00e8s opportunistes. Il s\u2019articule au contraire autour d\u2019une qu\u00eate t\u00e9l\u00e9ologique remarquablement pr\u00e9coce et in\u00e9branlable : d\u00e9crypter les m\u00e9canismes fondamentaux de l\u2019esprit humain par l\u2019ing\u00e9nierie inverse, afin de b\u00e2tir une <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/en.wikipedia.org\/wiki\/Artificial_general_intelligence\">intelligence artificielle g\u00e9n\u00e9rale (AGI)<\/a> capable de catalyser la d\u00e9couverte scientifique universelle.<\/p>\n<p>De l\u2019enfant prodige capable d\u2019anticiper les ramifications combinatoires sur l\u2019\u00e9chiquier international \u00e0 l\u2019adolescent pionnier simulant des dynamiques de populations complexes au sein de Bullfrog Productions, Hassabis a tr\u00e8s t\u00f4t appr\u00e9hend\u00e9 la cognition sous l\u2019angle de mod\u00e8les computationnels dynamiques. Loin de s\u2019enfermer dans l\u2019orthodoxie de l\u2019informatique symbolique ou dans le pragmatisme commercial du jeu vid\u00e9o, il a op\u00e9r\u00e9 une retraite strat\u00e9gique vers le monde acad\u00e9mique. Au sein de l\u2019Universit\u00e9 de Cambridge puis de l\u2019University College London (UCL), il s\u2019est confront\u00e9 aux bases neurobiologiques de la m\u00e9moire et de l\u2019imagination, signant des d\u00e9couvertes fondamentales sur l\u2019hippocampe avant d\u2019effectuer des recherches postdoctorales au Massachusetts Institute of Technology (MIT) et \u00e0 Harvard. Cette double ma\u00eetrise des architectures de calcul et des circuits neuronaux biologiques a form\u00e9 le creuset \u00e9pist\u00e9mologique d\u2019o\u00f9 a \u00e9merg\u00e9, en 2010, la soci\u00e9t\u00e9 DeepMind.<\/p>\n<p>En orchestrant la fusion historique de l\u2019apprentissage profond et de l\u2019apprentissage par renforcement au sein du paradigme du <em>deep reinforcement learning<\/em>, Hassabis a impuls\u00e9 une rupture de paradigme qui a boulevers\u00e9 l\u2019informatique contemporaine. Des succ\u00e8s fondateurs sur les jeux Atari \u00e0 l\u2019av\u00e8nement d\u2019AlphaGo \u2014 dont les intuitions synth\u00e9tiques ont d\u00e9rout\u00e9 les plus grands ma\u00eetres humains \u2014, jusqu\u2019\u00e0 la r\u00e9solution du probl\u00e8me cinquantenaire du repliement des prot\u00e9ines par AlphaFold, r\u00e9compens\u00e9e par le <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.nobelprize.org\/prizes\/chemistry\/2024\/summary\/\">prix Nobel de chimie 2024<\/a>, sa trajectoire illustre la transmutation de l\u2019algorithmique en un instrument d\u2019investigation du r\u00e9el. Cette monographie se propose de retracer, de mani\u00e8re exhaustive et critique, l\u2019\u00e9volution intellectuelle, m\u00e9thodologique et philosophique d\u2019un chercheur dont l\u2019ambition ultime demeure d\u2019\u00e9lucider la nature de la pens\u00e9e et les lois de l\u2019univers.<\/p>\n<h2>1. Les origines et l&rsquo;enfance pr\u00e9coce : Gen\u00e8se d&rsquo;un prodige cognitif (1976-1990)<\/h2>\n<h3>1.1 L&rsquo;environnement familial et les stimulations intellectuelles initiales<\/h3>\n<p>Demis Hassabis na\u00eet le 27 juillet 1976 \u00e0 Londres d\u2019un p\u00e8re chypriote grec et d\u2019une m\u00e8re singapourienne d\u2019ascendance chinoise. Cette ascendance biculturelle conf\u00e8re d\u2019embl\u00e9e au jeune gar\u00e7on un cadre familial caract\u00e9ris\u00e9 par une grande ouverture sur le monde et une pluralit\u00e9 de perspectives cognitives. Ses parents, dot\u00e9s de temp\u00e9raments artistiques et boh\u00e8mes \u2014 son p\u00e8re s\u2019essayant tour \u00e0 tour \u00e0 la musique, \u00e0 l\u2019\u00e9criture et au commerce, tandis que sa m\u00e8re travaille dans le secteur de la vente au d\u00e9tail \u2014, ne s&rsquo;inscrivent en rien dans la trajectoire technocratique ou acad\u00e9mique conventionnelle. Aucun d\u2019entre eux n\u2019\u00e9volue dans les sciences dures ou les math\u00e9matiques appliqu\u00e9es, une particularit\u00e9 qui favorise chez Hassabis une ind\u00e9pendance intellectuelle pr\u00e9coce.<\/p>\n<p>Au sein de la fratrie, o\u00f9 il est l\u2019a\u00een\u00e9 d\u2019une s\u0153ur et d\u2019un fr\u00e8re, Demis assume rapidement un r\u00f4le de tuteur et de r\u00e9gulateur cognitif. L\u2019absence de pression parentale dirig\u00e9e vers la r\u00e9ussite scientifique formelle laisse le champ libre \u00e0 un apprentissage autodidacte et exploratoire. Hassabis b\u00e9n\u00e9ficie d&rsquo;une libert\u00e9 absolue pour fa\u00e7onner son propre r\u00e9gime intellectuel, orientant ses lectures vers l\u2019histoire universelle, les biographies de grands scientifiques et la philosophie empiriste. Cette autonomie pr\u00e9coce forge chez lui une remarquable m\u00e9tacognition : il s\u2019observe penser, analyse les angles morts de son raisonnement et cultive une curiosit\u00e9 \u00e9pist\u00e9mique insatiable pour les m\u00e9canismes sous-jacents aux ph\u00e9nom\u00e8nes naturels.<\/p>\n<p>Ce contexte domestique singulier agit comme un incubateur pour une curiosit\u00e9 intrins\u00e8que non brid\u00e9e par les programmes p\u00e9dagogiques traditionnels. La diversit\u00e9 culturelle inh\u00e9rente \u00e0 son foyer stimule chez le jeune Hassabis une flexibilit\u00e9 cognitive aigu\u00eb, lui permettant de concevoir le savoir non comme un corpus rigide de dogmes institu\u00e9s, mais comme un r\u00e9seau fluide de concepts interconnect\u00e9s. Cette propension \u00e0 relier des domaines a priori disjoints constitue le premier jalon d&rsquo;une d\u00e9marche intellectuelle qui caract\u00e9risera l&rsquo;ensemble de ses r\u00e9alisations ult\u00e9rieures.<\/p>\n<h3>1.2 Le parcours de grand ma\u00eetre d&rsquo;\u00e9checs chez l&rsquo;enfant<\/h3>\n<p>L&rsquo;entr\u00e9e de Demis Hassabis dans le monde des abstractions formelles s&rsquo;effectue par l&rsquo;entremise du jeu d&rsquo;\u00e9checs, auquel il est initi\u00e9 \u00e0 l&rsquo;\u00e2ge de quatre ans apr\u00e8s avoir observ\u00e9 son p\u00e8re et son oncle disputer une partie. La vitesse avec laquelle le jeune enfant appr\u00e9hende les r\u00e8gles g\u00e9om\u00e9triques et cin\u00e9matiques de l&rsquo;\u00e9chiquier rel\u00e8ve du ph\u00e9nom\u00e8ne cognitif. D\u00e8s ses premi\u00e8res confrontations, Hassabis manifeste une capacit\u00e9 stup\u00e9fiante \u00e0 identifier des motifs spatio-temporels complexes, assimilant les sch\u00e9mas heuristiques sans recourir \u00e0 un apprentissage par c\u0153ur fastidieux. Les \u00e9checs deviennent pour lui un espace de formalisation pure o\u00f9 chaque pi\u00e8ce incarne un vecteur de force au sein d&rsquo;un univers d\u00e9terministe.<\/p>\n<p>Ses progr\u00e8s fulgurants le propulsent rapidement sur la sc\u00e8ne \u00e9chiqu\u00e9enne nationale puis internationale. Devenu capitaine de l&rsquo;\u00e9quipe d&rsquo;Angleterre des moins de onze ans, il gravit les \u00e9chelons de la notation Elo avec une constance implacable. \u00c0 l&rsquo;\u00e2ge de treize ans, il atteint le rang de ma\u00eetre national et se positionne au deuxi\u00e8me rang mondial dans la cat\u00e9gorie des moins de quatorze ans, devanc\u00e9 uniquement par la l\u00e9gende hongroise <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/en.wikipedia.org\/wiki\/Judit_Polg%C3%A1r\">Judit Polg\u00e1r<\/a>. Cette pratique intensive de la comp\u00e9tition \u00e0 un niveau plan\u00e9taire le confronte aux exigences extr\u00eames de la gestion de la charge cognitive : il apprend \u00e0 maintenir un \u00e9tat de concentration focalis\u00e9e durant plusieurs heures cons\u00e9cutives tout en r\u00e9gulant les signaux physiologiques li\u00e9s au stress de la d\u00e9faite.<\/p>\n<p>Sur le plan des fonctions cognitives sup\u00e9rieures, cette immersion forge durablement le contr\u00f4le ex\u00e9cutif et la planification arborescente de Hassabis. Le jeu d&rsquo;\u00e9checs impose la simulation mentale de trajectoires contrefactuelles profondes : pour choisir un coup, le joueur doit explorer un arbre de d\u00e9cision aux ramifications exponentielles, \u00e9valuer la valeur statique et dynamique des positions terminales, puis \u00e9laguer impitoyablement les branches non optimales. Ce calcul arborescent int\u00e9rioris\u00e9 instille chez l&rsquo;adolescent une intuition structurelle du concept d&rsquo;espace d&rsquo;\u00e9tats et de recherche heuristique, notions qui constitueront des d\u00e9cennies plus tard le c\u0153ur algorithmique de ses travaux sur l&rsquo;apprentissage par renforcement.<\/p>\n<h3>1.3 L&rsquo;\u00e9mergence de la fascination pour l&rsquo;architecture de la pens\u00e9e<\/h3>\n<p>Parall\u00e8lement \u00e0 ses succ\u00e8s \u00e9chiqu\u00e9ens, une mutation intellectuelle profonde s&rsquo;op\u00e8re chez Hassabis au tournant de sa douzi\u00e8me ann\u00e9e. La r\u00e9p\u00e9tition des parties et la ma\u00eetrise de l&rsquo;\u00e9chiquier cessent d&rsquo;\u00eatre une fin en soi pour devenir un objet d&rsquo;interrogation m\u00e9tath\u00e9orique. Lors de matches disput\u00e9s face \u00e0 des adversaires adultes aguerris, le jeune gar\u00e7on prend conscience du r\u00f4le d\u00e9terminant de l&rsquo;intuition : comment se fait-il que le cerveau humain, machine biologique lente fonctionnant \u00e0 quelques dizaines de hertz, puisse \u00e9valuer instantan\u00e9ment une configuration de pi\u00e8ces sans calculer explicitement l&rsquo;int\u00e9gralit\u00e9 des millions de positions possibles ? Cette interrogation sur la gen\u00e8se de l&rsquo;intuition et les limites de la force brute marque le v\u00e9ritable acte de naissance de son int\u00e9r\u00eat pour les sciences de l&rsquo;esprit.<\/p>\n<p>Gr\u00e2ce aux gains financiers accumul\u00e9s lors de ses tournois d&rsquo;\u00e9checs, Hassabis fait l&rsquo;acquisition de ses premiers micro-ordinateurs personnels : un Sinclair ZX Spectrum, rapidement suivi d&rsquo;un Commodore Amiga. Ces machines cessent imm\u00e9diatement d&rsquo;\u00eatre de simples jouets pour devenir des bancs d&rsquo;essai de son imagination. Fascin\u00e9 par la possibilit\u00e9 de transcrire des instructions logiques en comportements dynamiques sur un \u00e9cran \u00e0 tube cathodique, il apprend de mani\u00e8re autodidacte le langage BASIC, puis assembleur. Il passe des nuits enti\u00e8res \u00e0 diss\u00e9quer la m\u00e9moire des machines, \u00e0 optimiser les routines graphiques et \u00e0 programmer de petits jeux d&rsquo;\u00e9checs simplifi\u00e9s ou des automates cellulaires.<\/p>\n<p>Cette transition de l&rsquo;\u00e9chiquier de bois vers le processeur en silicium conduit Hassabis \u00e0 une conclusion philosophique pr\u00e9coce : le cerveau biologique et l&rsquo;ordinateur partagent une identit\u00e9 fonctionnelle sous-jacente en tant que syst\u00e8mes de traitement de l&rsquo;information. Si une machine en silicium peut \u00eatre programm\u00e9e pour ex\u00e9cuter des raisonnements logiques formels, alors les myst\u00e8res de l&rsquo;intelligence, de la cr\u00e9ativit\u00e9 et de la conscience doivent n\u00e9cessairement \u00eatre r\u00e9ductibles \u00e0 des principes computationnels compr\u00e9hensibles et reproductibles. La d\u00e9cision est prise : il ne sera pas joueur d&rsquo;\u00e9checs professionnel, mais consacrera son existence \u00e0 l&rsquo;\u00e9lucidation et \u00e0 la r\u00e9plication synth\u00e9tique de l&rsquo;intelligence.<\/p>\n<h2>2. L&rsquo;immersion dans l&rsquo;industrie vid\u00e9oludique et la simulation comportementale<\/h2>\n<h3>2.1 La collaboration avec Bullfrog Productions et Theme Park<\/h3>\n<p>Ayant achev\u00e9 son cycle d&rsquo;\u00e9tudes secondaires avec deux ans d&rsquo;avance \u00e0 l&rsquo;\u00e2ge de seize ans, Hassabis se voit contraint de patienter avant de pouvoir int\u00e9grer l&rsquo;Universit\u00e9 de Cambridge en raison de son jeune \u00e2ge. Il met \u00e0 profit cette p\u00e9riode interstitielle en rejoignant le studio britannique <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/en.wikipedia.org\/wiki\/Bullfrog_Productions\">Bullfrog Productions<\/a>, alors dirig\u00e9 par le concepteur visionnaire Peter Molyneux. L&rsquo;adolescent est imm\u00e9diatement plong\u00e9 dans la culture bouillonnante de la cr\u00e9ation de jeux vid\u00e9o au d\u00e9but des ann\u00e9es 1990, une \u00e9poque pionni\u00e8re o\u00f9 les \u00e9quipes de d\u00e9veloppement r\u00e9duites exigeaient de chaque ing\u00e9nieur une ma\u00eetrise polyvalente allant du bas niveau mat\u00e9riel au design interactif.<\/p>\n<p>\u00c0 dix-sept ans \u00e0 peine, Hassabis est nomm\u00e9 co-concepteur et programmeur principal de <em>Theme Park<\/em>, un jeu de gestion qui deviendra un jalon historique de l&rsquo;industrie vid\u00e9oludique. D\u00e9laissant les approches d\u00e9terministes et rigides qui pr\u00e9valaient alors dans le jeu vid\u00e9o, il d\u00e9veloppe une architecture logicielle simulant une \u00e9cologie comportementale autonome. Il mod\u00e9lise les visiteurs du parc d&rsquo;attractions comme des agents individuels dot\u00e9s d&rsquo;\u00e9tats internes dynamiques : faim, soif, fatigue, niveau de satisfaction et propension \u00e0 la d\u00e9pense. Ces \u00e9tats interagissent avec l&rsquo;environnement physique con\u00e7u par le joueur \u00e0 travers des champs de potentiel et des boucles de r\u00e9troaction cybern\u00e9tiques complexes.<\/p>\n<p>Cette r\u00e9alisation technique constitue l&rsquo;une des premi\u00e8res applications \u00e0 grande \u00e9chelle de l&rsquo;intelligence artificielle comportementale dans un produit commercial destin\u00e9 au grand public. En observant des milliers d&rsquo;agents virtuels converger vers des comportements \u00e9mergents impr\u00e9vus \u2014 tels que des engorgements de foule ou des vagues d&rsquo;insatisfaction collective provoqu\u00e9es par la disposition spatiale des all\u00e9es \u2014, Hassabis acquiert une compr\u00e9hension empirique fondamentale : des r\u00e8gles locales \u00e9l\u00e9mentaires, articul\u00e9es \u00e0 des fonctions d&rsquo;utilit\u00e9 et \u00e0 des dynamiques de r\u00e9troaction, suffisent \u00e0 engendrer une complexit\u00e9 globale spectaculaire. Le jeu s&rsquo;\u00e9coule \u00e0 plusieurs millions d&rsquo;exemplaires et asseoit la r\u00e9putation du jeune d\u00e9veloppeur aupr\u00e8s de l&rsquo;industrie technologique britannique.<\/p>\n<h3>2.2 La fondation d&rsquo;Elixir Studios et l&rsquo;intelligence artificielle narrative<\/h3>\n<p>Apr\u00e8s son passage par Cambridge, Hassabis d\u00e9cide de ne pas rejoindre imm\u00e9diatement le s\u00e9rail acad\u00e9mique et fonde en 1998 sa propre entreprise de d\u00e9veloppement logiciel \u00e0 Londres : Elixir Studios. Port\u00e9 par une lev\u00e9e de fonds substantielle et employant rapidement plusieurs dizaines d&rsquo;ing\u00e9nieurs et d&rsquo;artistes, Elixir se donne pour vocation de repousser les fronti\u00e8res technologiques de la simulation sociale et politique \u00e0 travers le jeu vid\u00e9o. Hassabis con\u00e7oit cette structure entrepreneuriale comme un incubateur de recherche appliqu\u00e9e sur les syst\u00e8mes multi-agents distribu\u00e9s.<\/p>\n<p>Le projet le plus ambitieux du studio, <em>Republic: The Revolution<\/em> (2003), pousse la logique computationnelle de la simulation \u00e0 un niveau sans pr\u00e9c\u00e9dent pour l&rsquo;\u00e9poque. L&rsquo;objectif consiste \u00e0 mod\u00e9liser le fonctionnement sociopolitique int\u00e9gral d&rsquo;un \u00c9tat post-sovi\u00e9tique fictif compos\u00e9 d&rsquo;un million d&rsquo;habitants. Hassabis et son \u00e9quipe con\u00e7oivent une intelligence artificielle capable de suivre individuellement chaque citoyen virtuel, en calculant ses all\u00e9geances id\u00e9ologiques, ses r\u00e9seaux de relations, ses routines quotidiennes et ses r\u00e9actions aux \u00e9v\u00e9nements de propagande. Ce niveau de granularit\u00e9 exige la cr\u00e9ation d&rsquo;un moteur de rendu propri\u00e9taire (Totem Engine) et une allocation rigoureuse des cycles d&rsquo;horloge du processeur central pour faire tourner l&rsquo;architecture cognitive des agents en temps r\u00e9el.<\/p>\n<p>Le second titre phare du studio, <em>Evil Genius<\/em> (2004), aborde la simulation sous un angle strat\u00e9gique plus asym\u00e9trique, confrontant un ma\u00eetre du crime retranch\u00e9 dans sa base secr\u00e8te \u00e0 des vagues successives d&rsquo;espions autonomes dot\u00e9s de capacit\u00e9s d&rsquo;infiltration et d&rsquo;inf\u00e9rence d\u00e9ductive. N\u00e9anmoins, l&rsquo;exp\u00e9rience d&rsquo;Elixir Studios r\u00e9v\u00e8le \u00e0 Hassabis les limites intrins\u00e8ques du mat\u00e9riel informatique de la fin des ann\u00e9es 1990 et du d\u00e9but des ann\u00e9es 2000. La puissance de calcul disponible s&rsquo;av\u00e8re insuffisante pour supporter la pl\u00e9nitude de ses ambitions de simulation cognitive. De surcro\u00eet, les contraintes commerciales propres \u00e0 l&rsquo;\u00e9dition de jeux vid\u00e9o entravent la recherche fondamentale sur les m\u00e9canismes adaptatifs de l&rsquo;intelligence.<\/p>\n<h3>2.3 Le jeu vid\u00e9o comme laboratoire d&rsquo;observation psychologique<\/h3>\n<p>L&rsquo;exp\u00e9rience accumul\u00e9e au sein de Bullfrog et d&rsquo;Elixir Studios s&rsquo;av\u00e8re d\u00e9terminante dans la trajectoire intellectuelle de Demis Hassabis, non pas tant pour ses d\u00e9bouch\u00e9s \u00e9conomiques que pour la clart\u00e9 \u00e9pist\u00e9mologique qu&rsquo;elle lui conf\u00e8re. Les univers virtuels tridimensionnels lui sont apparus comme des microcosmes contr\u00f4l\u00e9s d&rsquo;une valeur inestimable : des environnements simul\u00e9s o\u00f9 il est possible de tester la rationalit\u00e9 d&rsquo;agents synth\u00e9tiques, d&rsquo;observer leurs d\u00e9faillances et de mesurer l&rsquo;\u00e9cart s\u00e9parant les algorithmes programm\u00e9s \u00e0 la main de la plasticit\u00e9 biologique.<\/p>\n<p>Cette confrontation pratique met en lumi\u00e8re une aporie majeure des syst\u00e8mes experts et des arbres de comportement traditionnels. Quelle que soit l&rsquo;ing\u00e9niosit\u00e9 des scripts \u00e9crits par un concepteur humain, les agents virtuels demeurent irr\u00e9m\u00e9diablement fragiles : confront\u00e9s \u00e0 des situations in\u00e9dites non pr\u00e9vues explicitement par le codeur, ils sombrent dans des boucles absurdes ou manifestent une rigidit\u00e9 r\u00e9dhibitoire. Hassabis constate que l&rsquo;absence de capacit\u00e9 d&rsquo;apprentissage autonome interdit l&rsquo;\u00e9mergence d&rsquo;une intelligence authentique. L&rsquo;ing\u00e9nierie descendante (<em>top-down<\/em>) r\u00e9gie par des r\u00e8gles rigides a atteint un plafond de verre infranchissable.<\/p>\n<p>Convaincu que l&rsquo;\u00e9criture manuelle d&rsquo;heuristiques ne m\u00e8nera jamais \u00e0 l&rsquo;intelligence artificielle g\u00e9n\u00e9rale, Hassabis prend une d\u00e9cision radicale en 2005 : fermer Elixir Studios et se d\u00e9tourner d\u00e9finitivement de l&rsquo;industrie du divertissement. Pour insuffler une v\u00e9ritable plasticit\u00e9 d&rsquo;apprentissage aux machines, il lui faut d&rsquo;abord comprendre comment la seule structure connue capable d&rsquo;une telle prouesse \u2014 le cerveau des vert\u00e9br\u00e9s sup\u00e9rieurs \u2014 r\u00e9sout le probl\u00e8me de l&rsquo;adaptation continue. Le d\u00e9tour par les neurosciences biologiques s&rsquo;impose d\u00e8s lors comme une n\u00e9cessit\u00e9 m\u00e9thodologique incontournable.<\/p>\n<h2>3. La formation acad\u00e9mique en informatique \u00e0 l&rsquo;Universit\u00e9 de Cambridge<\/h2>\n<h3>3.1 L&rsquo;excellence au sein du Queens&rsquo; College<\/h3>\n<p>Entre son passage chez Bullfrog Productions et la cr\u00e9ation d&rsquo;Elixir Studios, Demis Hassabis accomplit son cursus universitaire au sein du prestigieux Queens&rsquo; College de l&rsquo;<a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.cam.ac.uk\/\">Universit\u00e9 de Cambridge<\/a>. Int\u00e9grant la fili\u00e8re des sciences informatiques (<em>Computer Science Tripos<\/em>) \u00e0 l&rsquo;\u00e2ge de dix-sept ans, il se confronte aux fondements formels les plus aust\u00e8res de la discipline. Loin de se contenter d&rsquo;une ma\u00eetrise empirique de la programmation, il s&rsquo;immerge dans l&rsquo;\u00e9tude rigoureuse des math\u00e9matiques discr\u00e8tes, de la th\u00e9orie de la calculabilit\u00e9, de la complexit\u00e9 algorithmique et de la s\u00e9mantique formelle des langages de programmation.<\/p>\n<p>Le milieu acad\u00e9mique de Cambridge, profond\u00e9ment impr\u00e9gn\u00e9 de l&rsquo;h\u00e9ritage intellectuel d&rsquo;Alan Turing, offre \u00e0 Hassabis un cadre conceptuel d&rsquo;une rigueur absolue. Il \u00e9tudie la machine universelle de Turing, les th\u00e9or\u00e8mes d&rsquo;incompl\u00e9tude de G\u00f6del et la hi\u00e9rarchie de Chomsky, acqu\u00e9rant une perception aigu\u00eb des fronti\u00e8res math\u00e9matiques de ce qui peut \u00eatre calcul\u00e9 de mani\u00e8re d\u00e9terministe en un temps polynomial. Cette formation th\u00e9orique lui conf\u00e8re une grille d&rsquo;analyse implacable pour \u00e9valuer l&rsquo;efficacit\u00e9 structurelle de n&rsquo;importe quel algorithme. Il ach\u00e8ve son premier cycle en 1997 en obtenant la distinction supr\u00eame, le <em>Double First-Class Honours<\/em>, confirmant sa capacit\u00e9 \u00e0 dominer l&rsquo;abstraction formelle la plus exigeante.<\/p>\n<p>Durant ces ann\u00e9es cambridgiennes, Hassabis d\u00e9veloppe une r\u00e9flexion critique sur les architectures mat\u00e9rielles contemporaines. Il s&rsquo;interroge sur l&rsquo;inad\u00e9quation structurelle entre l&rsquo;architecture de Von Neumann \u2014 caract\u00e9ris\u00e9e par une s\u00e9paration stricte entre l&rsquo;unit\u00e9 de calcul et la m\u00e9moire, soumise au goulet d&rsquo;\u00e9tranglement des transferts de donn\u00e9es s\u00e9quentiels \u2014 et le parall\u00e9lisme massif, hautement redondant et auto-organis\u00e9 du tissu c\u00e9r\u00e9bral. Cette dissonance devient le point de d\u00e9part de son scepticisme croissant envers l&rsquo;informatique acad\u00e9mique conventionnelle, qu&rsquo;il juge trop d\u00e9tach\u00e9e des contraintes et des le\u00e7ons de la mati\u00e8re biologique.<\/p>\n<h3>3.2 La confrontation des mod\u00e8les informatiques traditionnels aux syst\u00e8mes naturels<\/h3>\n<p>Au cours de ses s\u00e9minaires et de ses lectures \u00e0 Cambridge, Hassabis assiste au cr\u00e9puscule de l&rsquo;intelligence artificielle symbolique classique, d\u00e9sign\u00e9e r\u00e9trospectivement sous l&rsquo;acronyme GOFAI (<em>Good Old-Fashioned Artificial Intelligence<\/em>). Le paradigme dominant d&rsquo;alors, fond\u00e9 sur la manipulation de symboles logiques explicites et sur des moteurs d&rsquo;inf\u00e9rence formels, lui para\u00eet intrins\u00e8quement condamn\u00e9 par le probl\u00e8me de l&rsquo;ancrage des symboles (<em>symbol grounding problem<\/em>). Comment un syst\u00e8me purement syntaxique peut-il acqu\u00e9rir une compr\u00e9hension s\u00e9mantique du monde r\u00e9el si ses repr\u00e9sentations primitives ne sont pas ancr\u00e9es dans une exp\u00e9rience sensorimotrice continue ?<\/p>\n<p>Parall\u00e8lement, la r\u00e9\u00e9mergence du connexionnisme et des r\u00e9seaux de neurones artificiels, port\u00e9e par les travaux pionniers de David Rumelhart, James McClelland et Geoffrey Hinton sur la r\u00e9tropropagation du gradient, retient toute son attention. N\u00e9anmoins, Hassabis per\u00e7oit les limites des mod\u00e8les connexionnistes des ann\u00e9es 1990 : souvent r\u00e9duits \u00e0 de simples perceptrons multicouches entra\u00een\u00e9s sur des ensembles de donn\u00e9es statiques, ces r\u00e9seaux manquent cruellement de m\u00e9moire temporelle dynamique, de flexibilit\u00e9 attentionnelle et de m\u00e9canismes de raisonnement hi\u00e9rarchique.<\/p>\n<p>Cette confrontation th\u00e9orique l&rsquo;am\u00e8ne \u00e0 structurer l&rsquo;hypoth\u00e8se centrale de sa carri\u00e8re : la prochaine r\u00e9volution informatique ne proviendra pas d&rsquo;un perfectionnement incr\u00e9mental des langages de programmation abstraits, mais de l&rsquo;extraction computationnelle des principes d&rsquo;organisation r\u00e9gissant le syst\u00e8me nerveux central. L&rsquo;informatique doit cesser de consid\u00e9rer la biologie comme une collection d&rsquo;accidents \u00e9volutifs inefficaces pour y reconna\u00eetre au contraire une biblioth\u00e8que d&rsquo;architectures optimis\u00e9es par des millions d&rsquo;ann\u00e9es de s\u00e9lection naturelle. Cette conviction pr\u00e9pare directement sa reconversion scientifique vers la neurobiologie cognitive.<\/p>\n<h2>4. La transition vers les neurosciences cognitives \u00e0 l&rsquo;University College London<\/h2>\n<h3>4.1 Le doctorat en neurosciences sous la direction d&rsquo;Eleanor Maguire<\/h3>\n<p>Apr\u00e8s avoir liquid\u00e9 ses actifs dans l&rsquo;industrie du jeu vid\u00e9o, Hassabis franchit le pas acad\u00e9mique en s&rsquo;inscrivant en th\u00e8se de doctorat en neurosciences cognitives \u00e0 l&rsquo;<a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.ucl.ac.uk\/\">University College London (UCL)<\/a> en 2005. Il int\u00e8gre le prestigieux Wellcome Trust Centre for Neuroimaging, institution mondialement reconnue pour ses avanc\u00e9es m\u00e9thodologiques dans l&rsquo;exploration du cerveau humain <em>in vivo<\/em>. Il choisit d&rsquo;effectuer ses recherches doctorales sous la direction de la professeure Eleanor Maguire, c\u00e9l\u00e8bre pour ses \u00e9tudes fondamentales sur la plasticit\u00e9 structurelle de l&rsquo;hippocampe chez les chauffeurs de taxi londoniens.<\/p>\n<p>Ce choix institutionnel est hautement strat\u00e9gique. L&rsquo;UCL abrite \u00e9galement la Gatsby Computational Neuroscience Unit, fond\u00e9e par Peter Dayan et Geoffrey Hinton, cr\u00e9ant un environnement interdisciplinaire unique o\u00f9 la neurobiologie descriptive c\u00f4toie en permanence la mod\u00e9lisation math\u00e9matique et la th\u00e9orie statistique de l&rsquo;apprentissage. Hassabis s&rsquo;immerge dans l&rsquo;apprentissage rigoureux des protocoles de psychologie exp\u00e9rimentale, de la neurophysiologie clinique et des techniques avanc\u00e9es d&rsquo;imagerie par r\u00e9sonance magn\u00e9tique fonctionnelle (IRMf). Il apprend \u00e0 concevoir des paradigmes comportementaux m\u00e9ticuleusement contr\u00f4l\u00e9s afin d&rsquo;isoler des op\u00e9rations cognitives sp\u00e9cifiques au sein de cohortes de sujets sains et de patients c\u00e9r\u00e9brol\u00e9s\u00e9s.<\/p>\n<p>Sa d\u00e9marche doctorale ne vise pas l&rsquo;accumulation passive de donn\u00e9es anatomiques, mais la d\u00e9composition fonctionnelle des circuits neuronaux de la m\u00e9moire. Il recourt \u00e0 l&rsquo;IRMf pour cartographier les variations du signal BOLD (<em>Blood Oxygen Level Dependent<\/em>) au sein de la formation hippocampique et des structures corticales associ\u00e9es lors de t\u00e2ches complexes. En combinant l&rsquo;analyse statistique spatiotemporelle et des entretiens cliniques approfondis, Hassabis acquiert la conviction que le d\u00e9cryptage des processus mn\u00e9siques d\u00e9tient la cl\u00e9 de vo\u00fbte de la compr\u00e9hension de l&rsquo;intelligence prospective.<\/p>\n<h3>4.2 La recherche postdoctorale au MIT et \u00e0 Harvard<\/h3>\n<p>Apr\u00e8s l&rsquo;obtention \u00e9clatante de son doctorat en 2009, Demis Hassabis traverse l&rsquo;Atlantique pour accomplir un cycle de recherche postdoctorale au sein de deux des plus grands sanctuaires de la science cognitive mondiale : le <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.mit.edu\/\">Massachusetts Institute of Technology<\/a> et l&rsquo;Universit\u00e9 Harvard. \u00c0 Boston, il rejoint d&rsquo;abord le laboratoire de Tomaso Poggio au sein du Center for Biological and Computational Learning (CBCL) du MIT. Poggio, figure tut\u00e9laire de la vision par ordinateur inspir\u00e9e des circuits corticaux, influence profond\u00e9ment la fa\u00e7on dont Hassabis mod\u00e9lise le traitement hi\u00e9rarchique de l&rsquo;information visuelle.<\/p>\n<p>Au MIT, Hassabis dialogue \u00e9galement avec des th\u00e9oriciens de l&rsquo;intelligence artificielle et des sp\u00e9cialistes des neurosciences mol\u00e9culaires, affinant sa compr\u00e9hension des mod\u00e8les biophysiques de la plasticit\u00e9 synaptique (r\u00e8gle de Hebb, modulation par la dopamine, potentialisation \u00e0 long terme). Il s&rsquo;int\u00e9resse aux repr\u00e9sentations g\u00e9om\u00e9triques de l&rsquo;information spatiale et conceptuelle, examinant comment les cellules de lieu (<em>place cells<\/em>) de l&rsquo;hippocampe et les cellules de grille (<em>grid cells<\/em>) du cortex entorhinal constituent un syst\u00e8me de coordonn\u00e9es internes universel pour la navigation et l&rsquo;abstraction cognitive.<\/p>\n<p>Poursuivant ses investigations \u00e0 Harvard aux c\u00f4t\u00e9s de figures majeures de la psychologie cognitive telles que Daniel Schacter, Hassabis s&rsquo;immerge dans l&rsquo;\u00e9tude des fonctions cognitives dites prospectives. Il s&rsquo;attache \u00e0 int\u00e9grer les contraintes computationnelles issues de l&rsquo;apprentissage automatique dans les cadres th\u00e9oriques de la psychologie de la m\u00e9moire. Cette p\u00e9riode am\u00e9ricaine scelle d\u00e9finitivement la synth\u00e8se intellectuelle de Hassabis : il poss\u00e8de d\u00e9sormais une vue synoptique et panoramique des neurosciences de haut niveau et des architectures computationnelles d&rsquo;avant-garde, le positionnant \u00e0 la fronti\u00e8re exacte o\u00f9 les deux domaines s&rsquo;appr\u00eatent \u00e0 fusionner.<\/p>\n<h2>5. Travaux neuroscientifiques majeurs : M\u00e9moire \u00e9pisodique et imagination<\/h2>\n<h3>5.1 Le r\u00f4le pivot de l&rsquo;hippocampe dans la construction de sc\u00e8nes mentales<\/h3>\n<p>Les recherches doctorales de Demis Hassabis d\u00e9bouchent en 2007 sur une avanc\u00e9e neuroscientifique majeure qui retient l&rsquo;attention de la communaut\u00e9 internationale. Jusqu&rsquo;alors, la doxa m\u00e9dicale et acad\u00e9mique consid\u00e9rait la m\u00e9moire \u00e9pisodique \u2014 la capacit\u00e9 de se rem\u00e9morer des \u00e9v\u00e9nements personnellement v\u00e9cus situ\u00e9s dans un contexte spatio-temporel pr\u00e9cis \u2014 comme un m\u00e9canisme d&rsquo;enregistrement et de restitution d&rsquo;archives neuronales pass\u00e9es. L&rsquo;hippocampe \u00e9tait per\u00e7u comme le biblioth\u00e9caire passif de ce syst\u00e8me d&rsquo;archivage.<\/p>\n<p>Dans un article retentissant publi\u00e9 dans les <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.pnas.org\/doi\/10.1073\/pnas.0610561104\">Proceedings of the National Academy of Sciences (PNAS)<\/a> en 2007, Hassabis, aux c\u00f4t\u00e9s d&rsquo;Eleanor Maguire et de leurs collaborateurs, renverse cette perspective s\u00e9culaire. Les chercheurs con\u00e7oivent une exp\u00e9rience ing\u00e9nieuse impliquant un groupe de patients atteints d&rsquo;amn\u00e9sie bilat\u00e9rale s\u00e9v\u00e8re suite \u00e0 des l\u00e9sions circonscrites de l&rsquo;hippocampe. Ils soumettent ces patients \u00e0 des consignes consistant \u00e0 imaginer des sc\u00e8nes imaginaires fictives, plausibles mais d\u00e9nu\u00e9es de tout lien avec leur pass\u00e9 r\u00e9el, telles que \u00ab s&rsquo;imaginer allong\u00e9 sur une plage d\u00e9serte sous un soleil tropical \u00bb ou \u00ab s&rsquo;asseoir dans le hall d&rsquo;un mus\u00e9e imaginaire \u00bb.<\/p>\n<p>Les r\u00e9sultats s&rsquo;av\u00e8rent saisissants : tandis que les sujets t\u00e9moins sains d\u00e9crivent spontan\u00e9ment des sc\u00e8nes spatialement coh\u00e9rentes, richement meubl\u00e9es d&rsquo;\u00e9l\u00e9ments visuels int\u00e9gr\u00e9s et dot\u00e9es d&rsquo;une perspective unifi\u00e9e, les patients amn\u00e9siques sont dans l&rsquo;incapacit\u00e9 absolue d&rsquo;\u00e9laborer une sc\u00e8ne mentale structur\u00e9e. Leurs descriptions se r\u00e9duisent \u00e0 des fragments \u00e9pars et d\u00e9sarticul\u00e9s (\u00ab Je vois du sable&#8230; mais il n&rsquo;y a pas de lieu, je ne suis nulle part \u00bb). Cette d\u00e9couverte d\u00e9montre de mani\u00e8re formelle que l&rsquo;int\u00e9grit\u00e9 de l&rsquo;hippocampe n&rsquo;est pas seulement requise pour se souvenir du pass\u00e9, mais est indispensable pour construire mentalement n&rsquo;importe quelle exp\u00e9rience spatio-temporelle coh\u00e9rente. L&rsquo;hippocampe se voit ainsi red\u00e9fini comme un moteur g\u00e9n\u00e9ratif et int\u00e9grateur de repr\u00e9sentations, assurant la liaison de caract\u00e9ristiques perceptives disparates en un ensemble spatialement unifi\u00e9.<\/p>\n<h3>5.2 Le voyage temporel mental et la cognition prospective<\/h3>\n<p>Cette mise en \u00e9vidence de la d\u00e9pendance de l&rsquo;imagination envers l&rsquo;hippocampe conduit Hassabis \u00e0 formuler, dans une s\u00e9rie de publications ult\u00e9rieures, la th\u00e9orie de la cognition prospective et de la construction de sc\u00e8nes (<em>scene construction theory<\/em>). Il d\u00e9montre que le rappel du pass\u00e9 et la simulation de sc\u00e9narios futurs partagent une infrastructure neuro-anatomique quasi superposable, articul\u00e9e autour de ce que les neuroscientifiques identifient comme le <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/en.wikipedia.org\/wiki\/Default_mode_network\">r\u00e9seau c\u00e9r\u00e9bral par d\u00e9faut<\/a> (<em>default mode network<\/em>). Ce r\u00e9seau englobe la formation hippocampique, le cortex r\u00e9trospl\u00e9nial, le gyrus angulaire et le cortex pr\u00e9frontal ventrom\u00e9dian (vmPFC).<\/p>\n<p>\u00c0 travers des protocoles sophistiqu\u00e9s d&rsquo;IRMf combin\u00e9s \u00e0 des analyses de classification multivari\u00e9e (MVPA), Hassabis montre comment le cortex pr\u00e9frontal ventrom\u00e9dian interagit avec le complexe hippocampique pour arbitrer entre la s\u00e9lection de traces mn\u00e9siques pr\u00e9existantes et leur recombinaison cr\u00e9ative. L&rsquo;acte d&rsquo;imaginer l&rsquo;avenir ou une situation contrefactuelle appara\u00eet ainsi non pas comme une invention ex nihilo, mais comme un processus de d\u00e9construction et de r\u00e9assemblage flexible d&rsquo;invariants exp\u00e9rientiels emmagasin\u00e9s en m\u00e9moire.<\/p>\n<p>Cette facult\u00e9 de \u00ab voyage temporel mental \u00bb (<em>mental time travel<\/em>) conf\u00e8re un avantage adaptatif ph\u00e9nom\u00e9nal \u00e0 l&rsquo;esp\u00e8ce humaine. Elle permet \u00e0 l&rsquo;organisme de s&rsquo;extraire de l&rsquo;urgence temporelle imm\u00e9diate pour tester virtuellement diff\u00e9rentes trajectoires d&rsquo;action \u00e0 l&rsquo;int\u00e9rieur d&rsquo;un simulateur interne haute fid\u00e9lit\u00e9. L&rsquo;\u00e9valuation affective anticip\u00e9e des cons\u00e9quences possibles d&rsquo;une action guide ensuite la planification strat\u00e9gique \u00e0 long terme. Hassabis th\u00e9orise cette fonction comme un m\u00e9canisme d&rsquo;\u00e9chantillonnage bay\u00e9sien interne permettant de minimiser l&rsquo;incertitude environnementale avant m\u00eame d&rsquo;engager une action physique dans le monde r\u00e9el.<\/p>\n<h3>5.3 Implications \u00e9pist\u00e9mologiques pour la conception de l&rsquo;intelligence artificielle<\/h3>\n<p>L&rsquo;ampleur de ces travaux vaut aux d\u00e9couvertes de Hassabis d&rsquo;\u00eatre class\u00e9es par la prestigieuse revue <em>Science<\/em> parmi les dix perc\u00e9es scientifiques majeures de l&rsquo;ann\u00e9e 2007 (<em>Science Breakthrough of the Year<\/em>). Pourtant, pour le chercheur londonien, ces publications constituent bien plus qu&rsquo;une contribution d&rsquo;\u00e9lite \u00e0 la taxonomie neurobiologique : elles lui fournissent le cahier des charges algorithmique pr\u00e9cis pour la conception d&rsquo;architectures d&rsquo;apprentissage automatique de nouvelle g\u00e9n\u00e9ration.<\/p>\n<p>Deux concepts neurobiologiques issus de ces recherches deviennent imm\u00e9diatement centraux dans sa pens\u00e9e informatique :<\/p>\n<ul>\n<li><strong>Le replay hippocampique (<em>hippocampal replay<\/em>) :<\/strong> La d\u00e9couverte neurophysiologique selon laquelle les r\u00e9seaux de l&rsquo;hippocampe r\u00e9activent les trajectoires neuronales v\u00e9cues durant les phases de repos et de sommeil lent, \u00e0 des vitesses comprim\u00e9es, est interpr\u00e9t\u00e9e par Hassabis comme une strat\u00e9gie optimale de consolidation de donn\u00e9es. Elle permet au cerveau de rentabiliser au maximum des exp\u00e9riences limit\u00e9es sans souffrir de surcharge m\u00e9tabolique.<\/li>\n<li><strong>La planification pr\u00e9dictive par simulation interne :<\/strong> L&rsquo;architecture de la m\u00e9moire constructive prouve qu&rsquo;un agent intelligent ne peut pas d\u00e9pendre exclusivement de r\u00e9flexes pavloviens ou de tables de correspondance statiques. Il doit disposer d&rsquo;un mod\u00e8le g\u00e9n\u00e9ratif du monde capable d&rsquo;ex\u00e9cuter des simulations prospectives afin de pond\u00e9rer les choix comportementaux \u00e0 l&rsquo;aide d&rsquo;une fonction de valeur interne.<\/li>\n<\/ul>\n<p>Cette intuition \u00e9tablit une passerelle directe entre la neuro-imagerie clinique et les m\u00e9thodes de recherche arborescente guid\u00e9e par l&rsquo;\u00e9valuation que Hassabis avait pratiqu\u00e9es intuitivement aux \u00e9checs. L&rsquo;esprit humain fonctionne comme un moteur de simulation prospective hybride, combinant intuition de bas niveau et calcul d\u00e9lib\u00e9ratif d&rsquo;\u00e9chantillons mentaux. Arm\u00e9 de ce mod\u00e8le th\u00e9orique valid\u00e9 biologiquement, Hassabis s&rsquo;estime enfin pr\u00eat \u00e0 franchir le pas d\u00e9finitif : quitter l&rsquo;acad\u00e9mie pure pour b\u00e2tir la machine pensante.<\/p>\n<h2>6. La gen\u00e8se de DeepMind (2010) : L&rsquo;ing\u00e9nierie invers\u00e9e de l&rsquo;intelligence<\/h2>\n<h3>6.1 La cofondation avec Shane Legg et Mustafa Suleyman<\/h3>\n<p>\u00c0 l&rsquo;automne 2010, Demis Hassabis mat\u00e9rialise son projet de vie en fondant \u00e0 Londres la soci\u00e9t\u00e9 <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/deepmind.google\/\">DeepMind Technologies<\/a>. Pour mener \u00e0 bien cette entreprise prom\u00e9th\u00e9enne, il s&rsquo;associe \u00e0 deux personnalit\u00e9s aux comp\u00e9tences rigoureusement compl\u00e9mentaires rencontr\u00e9es dans l&rsquo;\u00e9cosyst\u00e8me de l&rsquo;UCL : Shane Legg et Mustafa Suleyman. Shane Legg, docteur dipl\u00f4m\u00e9 de l&rsquo;Institut Dalle Molle d&rsquo;\u00e9tudes sur l&rsquo;intelligence artificielle (IDSIA) en Suisse sous la direction de Marcus Hutter, est un math\u00e9maticien hors pair expert de l&rsquo;intelligence artificielle universelle et de la th\u00e9orie de la complexit\u00e9 de Kolmogorov. Mustafa Suleyman, quant \u00e0 lui, apporte une vision strat\u00e9gique aiguis\u00e9e des politiques publiques, de l&rsquo;impact soci\u00e9tal et des d\u00e9ploiements syst\u00e9miques.<\/p>\n<p>Cette alliance tripartite structure une feuille de route sans \u00e9quivalent dans le paysage technologique mondial. L\u00e0 o\u00f9 les startups de la Silicon Valley se concentrent quasi exclusivement sur des applications utilitaires \u00e0 court terme \u2014 moteurs de recherche publicitaires, outils de recommandation pour le commerce \u00e9lectronique ou applications de m\u00e9dias sociaux \u2014, DeepMind affiche d&#8217;embl\u00e9e une devise d&rsquo;une sobri\u00e9t\u00e9 et d&rsquo;une audace vertigineuses : <em>\u00ab Solve intelligence, and then use that to solve everything else \u00bb<\/em> (R\u00e9soudre l&rsquo;intelligence, puis l&rsquo;utiliser pour r\u00e9soudre tout le reste).<\/p>\n<p>Conscients de la nature sp\u00e9culative et du cycle d&rsquo;investissement prolong\u00e9 requis par un tel programme de recherche fondamentale, les fondateurs se tournent vers des capitaux-risqueurs visionnaires capables de comprendre les implications de rupture d&rsquo;une AGI th\u00e9orique. Hassabis parvient \u00e0 convaincre Peter Thiel, via son fonds Founders Fund, ainsi que des figures majeures de la tech comme Elon Musk, d&rsquo;injecter les premiers financements d&rsquo;amor\u00e7age. DeepMind s&rsquo;installe discr\u00e8tement dans des locaux modestes pr\u00e8s de Russell Square \u00e0 Londres, attirant une concentration in\u00e9dite de doctorants d&rsquo;\u00e9lite en physique th\u00e9orique, neurosciences computationnelles et apprentissage statistique.<\/p>\n<h3>6.2 Le manifeste m\u00e9thodologique : L&rsquo;apprentissage par renforcement profond<\/h3>\n<p>Le socle technique sur lequel repose l&rsquo;offensive de DeepMind est formalis\u00e9 par Hassabis sous la forme d&rsquo;un paradigme nouveau : l&rsquo;apprentissage par renforcement profond (<em>Deep Reinforcement Learning<\/em> ou DRL). Ce cadre algorithmique hybride deux traditions math\u00e9matiques et informatiques qui s&rsquo;\u00e9taient d\u00e9velopp\u00e9es de mani\u00e8re largement \u00e9tanche :<\/p>\n<ul>\n<li><strong>Les r\u00e9seaux de neurones profonds (<em>Deep Learning<\/em>) :<\/strong> Inspir\u00e9s par l&rsquo;organisation hi\u00e9rarchique du cortex visuel biologique, ils excellent dans l&rsquo;apprentissage automatique de repr\u00e9sentations sensorielles \u00e0 partir de signaux bruts haute dimension, sans n\u00e9cessiter d&rsquo;ing\u00e9nierie manuelle des caract\u00e9ristiques (<em>feature engineering<\/em>).<\/li>\n<li><strong>L&rsquo;apprentissage par renforcement (<em>Reinforcement Learning<\/em>) :<\/strong> Enracin\u00e9 dans les \u00e9quations des processus d\u00e9cisionnels markoviens (MDP) et la th\u00e9orie du contr\u00f4le optimal, il formalise la mani\u00e8re dont un agent apprend par essais et erreurs \u00e0 maximiser la somme cumul\u00e9e de signaux de r\u00e9compense scalaires au fil du temps.<\/li>\n<\/ul>\n<p>Hassabis op\u00e8re ici une transposition algorithmique explicite des circuits dopaminergiques m\u00e9solimbiques du cerveau des mammif\u00e8res. En neurobiologie, les neurones dopaminergiques de l&rsquo;aire tegmentale ventrale encodent ce que Wolfram Schultz a identifi\u00e9 comme l&rsquo;erreur de pr\u00e9diction de r\u00e9compense (<em>Reward Prediction Error<\/em> ou RPE), un signal scalaire indiquant la divergence entre le gain anticip\u00e9 et le gain r\u00e9el obtenu par l&rsquo;organisme. Dans l&rsquo;architecture DRL de DeepMind, cette dynamique est math\u00e9matiquement formul\u00e9e par les \u00e9quations d&rsquo;actualisation de l&rsquo;algorithme Q-learning, coupl\u00e9es \u00e0 la descente de gradient stochastique \u00e0 travers des dizaines de couches synaptiques artificielles.<\/p>\n<p>Le principe cardinal impos\u00e9 par Hassabis est celui de la table rase (<em>tabula rasa<\/em>) et de la g\u00e9n\u00e9ralit\u00e9 : les agents informatiques cr\u00e9\u00e9s par DeepMind ne doivent recevoir aucune connaissance sp\u00e9cifique au domaine trait\u00e9, aucun syst\u00e8me de r\u00e8gles encod\u00e9 manuellement ni aucune heuristique d&rsquo;expert. L&rsquo;agent doit \u00eatre confront\u00e9 au monde comme un nouveau-n\u00e9, ne percevant que des pixels bruts sur une matrice d&rsquo;entr\u00e9e et recevant occasionnellement une r\u00e9troaction scalaire positive ou n\u00e9gative. S&rsquo;il r\u00e9ussit dans ces conditions, c&rsquo;est que l&rsquo;architecture a v\u00e9ritablement captur\u00e9 des invariants g\u00e9n\u00e9raux de la cognition.<\/p>\n<h2>7. L&rsquo;acquisition par Google en 2014 et l&rsquo;expansion op\u00e9rationnelle<\/h2>\n<h3>7.1 Les n\u00e9gociations strat\u00e9giques et la pr\u00e9servation de l&rsquo;autonomie<\/h3>\n<p>\u00c0 la fin de l&rsquo;ann\u00e9e 2013, les avanc\u00e9es discr\u00e8tes mais prodigieuses de DeepMind sur l&rsquo;autonomie cognitive des algorithmes commencent \u00e0 susciter une effervescence f\u00e9brile au sein des cercles dirigeants des g\u00e9ants technologiques am\u00e9ricains. Face \u00e0 l&rsquo;int\u00e9r\u00eat pressant de Facebook men\u00e9 par Mark Zuckerberg, c&rsquo;est finalement Larry Page et Sergey Brin, les cofondateurs de <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/about.google\/\">Google<\/a>, qui parviennent \u00e0 conclure un accord historique au d\u00e9but de l&rsquo;ann\u00e9e 2014 pour le rachat de DeepMind, pour une transaction estim\u00e9e \u00e0 plus de 400 millions de livres sterling (environ 650 millions de dollars de l&rsquo;\u00e9poque).<\/p>\n<p>Ce rachat constitue \u00e0 l&rsquo;\u00e9poque la plus importante acquisition technologique r\u00e9alis\u00e9e sur le continent europ\u00e9en dans le secteur de l&rsquo;intelligence artificielle. N\u00e9anmoins, pour Demis Hassabis, les conditions de gouvernance et de sanctuarisation de la mission scientifique pr\u00e9valent largement sur les montants financiers. Au cours d&rsquo;\u00e2pres n\u00e9gociations men\u00e9es en amont de la transaction, il impose des clauses strictes et in\u00e9dites garantissant l&rsquo;ind\u00e9pendance de son laboratoire :<\/p>\n<ul>\n<li><strong>Le maintien du quartier g\u00e9n\u00e9ral \u00e0 Londres :<\/strong> Hassabis refuse cat\u00e9goriquement de transplanter ses \u00e9quipes \u00e0 Mountain View en Californie. Il tient \u00e0 pr\u00e9server la culture intellectuelle sp\u00e9cifique de Londres, \u00e9picentre europ\u00e9en des neurosciences, et \u00e0 maintenir son organisation \u00e0 distance des pressions imm\u00e9diates de rentabilit\u00e9 trimestrielle de la Silicon Valley.<\/li>\n<li><strong>La clause de non-militarisation :<\/strong> Les technologies d&rsquo;AGI d\u00e9velopp\u00e9es par DeepMind ne doivent sous aucun pr\u00e9texte \u00eatre utilis\u00e9es \u00e0 des fins d&rsquo;armement, d&rsquo;espionnage de masse ou de surveillance \u00e9tatique.<\/li>\n<li><strong>La cr\u00e9ation d&rsquo;un comit\u00e9 d&rsquo;\u00e9thique d\u00e9di\u00e9 :<\/strong> L&rsquo;instauration obligatoire d&rsquo;une structure interne de supervision pour \u00e9valuer l&rsquo;alignement des futures avanc\u00e9es d&rsquo;AGI avec les int\u00e9r\u00eats fondamentaux de l&rsquo;humanit\u00e9.<\/li>\n<\/ul>\n<p>Adoss\u00e9e \u00e0 l&rsquo;infrastructure colossale de calcul de Google \u2014 incluant un acc\u00e8s prioritaire \u00e0 ses centres de donn\u00e9es mondiaux et aux processeurs d\u00e9di\u00e9s naissants appel\u00e9s TPU (<em>Tensor Processing Units<\/em>) \u2014, l&rsquo;\u00e9quipe de Hassabis peut d\u00e9sormais d\u00e9ployer ses algorithmes \u00e0 une \u00e9chelle dimensionnelle sans pr\u00e9c\u00e9dent.<\/p>\n<h3>7.2 La perc\u00e9e historique des jeux Atari et l&rsquo;agent DQN<\/h3>\n<p>Le premier coup d&rsquo;\u00e9clat public d\u00e9montrant la puissance du paradigme DRL survient en f\u00e9vrier 2015 avec la parution en couverture de la revue <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.nature.com\/articles\/nature14236\">Nature<\/a> de l&rsquo;article s\u00e9minal consacr\u00e9 \u00e0 l&rsquo;agent Deep Q-Network (DQN). Dans cette \u00e9tude r\u00e9dig\u00e9e sous la supervision de Hassabis, un agent autonome unique est soumis \u00e0 un ensemble de 49 jeux vid\u00e9o r\u00e9tro issus de la console Atari 2600 \u2014 incluant des classiques aux dynamiques hautement dissemblables comme <em>Breakout<\/em>, <em>Pong<\/em>, <em>Space Invaders<\/em> ou <em>Enduro<\/em>.<\/p>\n<p>L&rsquo;exploit r\u00e9side dans le fait que la m\u00eame architecture algorithmique, r\u00e9gie par des hyperparam\u00e8tres rigoureusement identiques, est d\u00e9ploy\u00e9e sur chaque jeu sans modification. L&rsquo;agent ne re\u00e7oit que les pixels de l&rsquo;\u00e9cran brut (une matrice de 84&#215;84 pixels en niveaux de gris rafra\u00eechie \u00e0 60 Hz) et le score affich\u00e9. En l&rsquo;espace de quelques dizaines d&rsquo;heures d&rsquo;entra\u00eenement continu, le r\u00e9seau neuronal convolutif apprend \u00e0 filtrer les flux visuels, \u00e0 identifier la notion d&rsquo;objets mobiles, \u00e0 comprendre les relations de causalit\u00e9 spatiotemporelles et \u00e0 actionner les commandes de tir ou de d\u00e9placement avec une pr\u00e9cision surhumaine.<\/p>\n<p>L&rsquo;innovation cl\u00e9 qui a permis de stabiliser l&rsquo;apprentissage par renforcement au sein de r\u00e9seaux profonds \u2014 historiquement instables et enclins \u00e0 diverger en raison des corr\u00e9lations temporelles des donn\u00e9es \u2014 d\u00e9coule directement des recherches neuroscientifiques de Hassabis sur l&rsquo;hippocampe : l&rsquo;<strong>exp\u00e9rience replay<\/strong> (m\u00e9canisme de rejouement de l&rsquo;exp\u00e9rience). L&rsquo;agent stocke un tampon de m\u00e9moire contenant ses exp\u00e9riences pass\u00e9es sous forme de tuples (\u00e9tat, action, r\u00e9compense, \u00e9tat suivant) et extrait al\u00e9atoirement des mini-lots de ces souvenirs pour entra\u00eener son r\u00e9seau hors ligne. Cette d\u00e9synchronisation statistique des donn\u00e9es \u00e9mule fid\u00e8lement la r\u00e9activation des assembl\u00e9es de neurones hippocampiques observ\u00e9e durant le sommeil des mammif\u00e8res, validant de mani\u00e8re \u00e9clatante la pertinence de l&rsquo;inspiration biologique dans l&rsquo;ing\u00e9nierie algorithmique.<\/p>\n<h2>8. AlphaGo et l&rsquo;apog\u00e9e de l&rsquo;intuition computationnelle (2016-2017)<\/h2>\n<h3>8.1 Le d\u00e9fi cognitif du jeu de Go et la confrontation de S\u00e9oul<\/h3>\n<p>Fort du triomphe de l&rsquo;agent DQN sur l&rsquo;univers bidimensionnel d&rsquo;Atari, Hassabis se tourne vers le Graal historique de l&rsquo;intelligence artificielle classique : le jeu de Go. Pratiqu\u00e9 en Asie depuis plus de deux mill\u00e9naires et demi, ce jeu d&rsquo;une \u00e9l\u00e9gance formelle \u00e9pur\u00e9e \u2014 consistant \u00e0 poser alternativement des pierres noires et blanches sur un plateau quadrill\u00e9 de 19 lignes sur 19 afin d&rsquo;encercler des territoires \u2014 opposait jusqu&rsquo;alors une r\u00e9sistance absolue aux assauts des ordinateurs.<\/p>\n<p>Tandis qu&rsquo;IBM avait d\u00e9fait Garry Kasparov aux \u00e9checs en 1997 avec Deep Blue gr\u00e2ce \u00e0 un calcul de force brute explorant plusieurs centaines de millions de positions par seconde, cette m\u00e9thodologie s&rsquo;av\u00e9rait inapplicable au Go. L&rsquo;espace d&rsquo;\u00e9tats du Go est gigantesque : le nombre de configurations l\u00e9gales possibles d\u00e9passe <span class=\"arabpsy-math-inline\" data-latex=\"10^{170}\">$10^{170}$<\/span>, un chiffre immens\u00e9ment sup\u00e9rieur au nombre d&rsquo;atomes composant l&rsquo;univers observable, et le facteur de branchement moyen \u00e0 chaque coup oscille autour de 250 (contre environ 35 aux \u00e9checs). De surcro\u00eet, il \u00e9tait r\u00e9put\u00e9 impossible d&rsquo;\u00e9crire une fonction d&rsquo;\u00e9valuation statique capable de d\u00e9terminer avec pr\u00e9cision qui est en t\u00eate sur le goban, la force des groupes de pierres reposant sur des concepts holistiques subtils, l&rsquo;\u00e9quilibre spatial et des jugements d&rsquo;harmonie esth\u00e9tique que les ma\u00eetres humains qualifiaient traditionnellement d&rsquo;\u00ab intuition \u00bb.<\/p>\n<p>En mars 2016, sous l&rsquo;\u00e9gide de Demis Hassabis et du directeur de recherche David Silver, DeepMind organise \u00e0 S\u00e9oul un match en cinq parties hautement m\u00e9diatis\u00e9 opposant son programme AlphaGo au l\u00e9gendaire grand ma\u00eetre sud-cor\u00e9en <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/en.wikipedia.org\/wiki\/Lee_Sedol\">Lee Sedol<\/a>, d\u00e9tenteur de 18 titres internationaux. L&rsquo;\u00e9v\u00e9nement est suivi en direct par des centaines de millions de spectateurs \u00e0 travers le globe. Lors de la deuxi\u00e8me partie, AlphaGo sid\u00e8re les experts en posant la pierre 37 sur la cinqui\u00e8me ligne du plateau \u2014 un coup d\u00e9concertant qualifi\u00e9 d&rsquo;h\u00e9r\u00e9sie par la tradition \u00e9chiqu\u00e9enne du Go, mais qui s&rsquo;av\u00e8re, des dizaines de coups plus tard, avoir orchestr\u00e9 une domination spatiale d\u00e9cisive sur l&rsquo;ensemble du goban. AlphaGo remporte le duel sur le score sans appel de 4 \u00e0 1, brisant un pronostic que la plupart des informaticiens jugeaient hors d&rsquo;atteinte pour au moins deux d\u00e9cennies suppl\u00e9mentaires.<\/p>\n<h3>8.2 L&rsquo;architecture d&rsquo;AlphaGo : Synergie entre r\u00e9seaux de valeur et de politique<\/h3>\n<p>Le tour de force th\u00e9orique orchestr\u00e9 par Hassabis et ses \u00e9quipes r\u00e9side dans l&rsquo;architecture algorithmique sous-jacente d&rsquo;AlphaGo, document\u00e9e dans deux articles capitaux de <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.nature.com\/articles\/nature16961\">Nature (2016)<\/a> et <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.nature.com\/articles\/nature24270\">Nature (2017)<\/a>. Pour surmonter l&rsquo;incommensurable combinatoire du jeu sans sombrer dans l&rsquo;explosion exponentielle, DeepMind a \u00e9labor\u00e9 une synergie novatrice articulant trois modules computationnels interconnect\u00e9s :<\/p>\n<ul>\n<li><strong>Le r\u00e9seau de politique (<em>Policy Network<\/em>) :<\/strong> Un r\u00e9seau neuronal convolutif profond entra\u00een\u00e9 \u00e0 pr\u00e9dire la distribution de probabilit\u00e9 des coups les plus pertinents, r\u00e9duisant le facteur de branchement en \u00e9laguant les choix manifestement sous-optimaux. Ce r\u00e9seau formule en substance des propositions d&rsquo;actions hautement plausibles.<\/li>\n<li><strong>Le r\u00e9seau de valeur (<em>Value Network<\/em>) :<\/strong> Un second r\u00e9seau profond dont la mission consiste \u00e0 examiner une position globale sur le plateau et \u00e0 produire une valeur scalaire unique comprise entre -1 et +1, pr\u00e9disant directement la probabilit\u00e9 de victoire finale. Ce r\u00e9seau condense l&rsquo;intuition spatiale en \u00e9valuant une configuration sans ex\u00e9cuter d&rsquo;arbre de recherche jusqu&rsquo;au terme de la partie.<\/li>\n<li><strong>La recherche arborescente Monte Carlo (<em>Monte Carlo Tree Search<\/em> ou MCTS) :<\/strong> Un algorithme d&rsquo;exploration probabiliste guid\u00e9 par les signaux conjugu\u00e9s des r\u00e9seaux de politique et de valeur, qui simule dynamiquement des s\u00e9quences d&rsquo;actions futures potentielles.<\/li>\n<\/ul>\n<p>Cette triade computationnelle mat\u00e9rialise l&rsquo;id\u00e9al th\u00e9orique que Hassabis avait postul\u00e9 durant ses ann\u00e9es d&rsquo;\u00e9tudes : une int\u00e9gration parfaite entre l&rsquo;intuition perceptive rapide (syst\u00e8me 1, analogue aux sorties vectorielles des r\u00e9seaux profonds) et la d\u00e9lib\u00e9ration prospective lente (syst\u00e8me 2, incarn\u00e9 par le MCTS). Le raffinement ult\u00e9rieur de cette technologie donne naissance \u00e0 <strong>AlphaGo Zero<\/strong>, puis \u00e0 <strong>AlphaZero<\/strong> (2017). Dans ces it\u00e9rations ultimes, toute r\u00e9f\u00e9rence aux donn\u00e9es issues de parties jou\u00e9es par des humains est supprim\u00e9e. Partant d&rsquo;un r\u00e9seau initialis\u00e9 de mani\u00e8re totalement al\u00e9atoire, AlphaZero s&rsquo;auto-entra\u00eene par auto-apprentissage (<em>self-play<\/em>) exclusif en jouant des millions de parties contre lui-m\u00eame. En moins de 24 heures de calcul autonome, il red\u00e9couvre de mani\u00e8re ind\u00e9pendante l&rsquo;int\u00e9gralit\u00e9 du savoir strat\u00e9gique accumul\u00e9 par l&rsquo;humanit\u00e9 sur plusieurs mill\u00e9naires, invente des concepts tactiques in\u00e9dits et surclasse sans concession les moteurs d&rsquo;\u00e9checs (Stockfish), de shogi (Elmo) et de Go les plus perfectionn\u00e9s du monde.<\/p>\n<h3>8.3 L&rsquo;impact psychologique sur la perception humaine de la machine<\/h3>\n<p>L&rsquo;onde de choc provoqu\u00e9e par les victoires d&rsquo;AlphaGo s&rsquo;\u00e9tend bien au-del\u00e0 de la communaut\u00e9 de l&rsquo;informatique th\u00e9orique, inaugurant une m\u00e9tamorphose profonde de la relation \u00e9pist\u00e9mique entre l&rsquo;\u00eatre humain et l&rsquo;artefact computationnel. Au sein de la communaut\u00e9 mondiale des joueurs de Go, la stupeur initiale a rapidement laiss\u00e9 place \u00e0 une forme de r\u00e9v\u00e9rence intellectuelle. Des ma\u00eetres \u00e9tablis ont d\u00e9clar\u00e9 que l&rsquo;algorithme de DeepMind leur avait ouvert de nouvelles fen\u00eatres de cr\u00e9ativit\u00e9, affranchissant leur pens\u00e9e de dogmes centenaires h\u00e9rit\u00e9s de l&rsquo;acad\u00e9misme traditionnel.<\/p>\n<p>Le c\u00e9l\u00e8bre coup 37 d&rsquo;AlphaGo face \u00e0 Lee Sedol, puis le myst\u00e9rieux coup 78 de Lee Sedol lors de sa seule victoire de la quatri\u00e8me partie \u2014 souvent surnomm\u00e9 \u00ab la touche divine \u00bb par les commentateurs \u2014, illustrent cette nouvelle dialectique cognitive o\u00f9 l&rsquo;intelligence artificielle et l&rsquo;intelligence biologique se contraignent mutuellement \u00e0 s&rsquo;\u00e9lever vers des niveaux de raffinement in\u00e9dits. Les th\u00e9oriciens des sciences cognitives y observent l&rsquo;\u00e9mergence d&rsquo;une cr\u00e9ativit\u00e9 computationnelle authentique : AlphaGo n&rsquo;a pas simplement recombin\u00e9 des recettes m\u00e9moris\u00e9es, il a g\u00e9n\u00e9r\u00e9 des strat\u00e9gies novatrices r\u00e9gies par une coh\u00e9rence interne in\u00e9dite.<\/p>\n<p>Pour Hassabis, cette \u00e9tape valide l&rsquo;ensemble de son postulat m\u00e9thodologique. Le jeu n&rsquo;a jamais repr\u00e9sent\u00e9 un but en soi, mais une rampe de lancement m\u00e9thodologique prot\u00e9g\u00e9e. En triomphant du Go par l&rsquo;auto-apprentissage pur sans connaissances humaines pr\u00e9alables, DeepMind d\u00e9montre que ses algorithmes ne sont pas confin\u00e9s \u00e0 une t\u00e2che \u00e9troite, mais capturent des principes d\u00e9cisionnels universels. La phase des jeux vid\u00e9o et des plateaux de jeu est d\u00e9sormais close. Hassabis ordonne la r\u00e9orientation imm\u00e9diate des ressources intellectuelles et des supercalculateurs de l&rsquo;entreprise vers le d\u00e9fi le plus complexe et d\u00e9terminant de la biologie moderne : le repliement tridimensionnel des prot\u00e9ines.<\/p>\n<h2>9. De la ludologie \u00e0 la biologie structurale : La r\u00e9volution AlphaFold<\/h2>\n<h3>9.1 Le probl\u00e8me cinquantenaire du repliement des prot\u00e9ines<\/h3>\n<p>Dans la machinerie intime du monde vivant, les prot\u00e9ines constituent les ouvri\u00e8res mol\u00e9culaires fondamentales : enzymes m\u00e9taboliques, anticorps immunitaires, r\u00e9cepteurs membranaires ou composants structurels des tissus, elles orchestrent la quasi-totalit\u00e9 des r\u00e9actions biochimiques de l&rsquo;organisme. Une prot\u00e9ine est initialement synth\u00e9tis\u00e9e sous la forme d&rsquo;une cha\u00eene lin\u00e9aire unidimensionnelle d&rsquo;acides amin\u00e9s dict\u00e9e par le code g\u00e9n\u00e9tique. Cependant, pour devenir fonctionnelle, cette cha\u00eene doit se replier spontan\u00e9ment sur elle-m\u00eame pour adopter une configuration spatiale tridimensionnelle extr\u00eamement pr\u00e9cise et st\u00e9r\u00e9osp\u00e9cifique.<\/p>\n<p>En 1972, dans son discours de r\u00e9ception du prix Nobel de chimie, Christian Anfinsen avait postul\u00e9 que la structure tridimensionnelle native d&rsquo;une prot\u00e9ine est th\u00e9oriquement enti\u00e8rement d\u00e9termin\u00e9e par sa seule s\u00e9quence d&rsquo;acides amin\u00e9s. Pourtant, d\u00e9duire cette architecture physique \u00e0 partir de la s\u00e9quence primaire est demeur\u00e9 l&rsquo;une des \u00e9nigmes les plus intraitables de la science pendant un demi-si\u00e8cle. Ce d\u00e9fi est magistralement r\u00e9sum\u00e9 par le <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/en.wikipedia.org\/wiki\/Levinthal%27s_paradox\">paradoxe de Levinthal<\/a> (formul\u00e9 en 1969 par Cyrus Levinthal) : une cha\u00eene polypeptidique type poss\u00e9dant un nombre astronomique de degr\u00e9s de libert\u00e9 conformationnels, une exploration s\u00e9quentielle de toutes les configurations possibles n\u00e9cessiterait un temps plus long que l&rsquo;\u00e2ge de l&rsquo;univers pour identifier l&rsquo;\u00e9tat d&rsquo;\u00e9nergie minimale, alors m\u00eame que la prot\u00e9ine biologique se replie en quelques millisecondes dans la cellule.<\/p>\n<p>Durant des d\u00e9cennies, la d\u00e9termination des structures prot\u00e9iques est rest\u00e9e tributaire de m\u00e9thodes exp\u00e9rimentales hautement fastidieuses, on\u00e9reuses et incertaines : la cristallographie aux rayons X, la r\u00e9sonance magn\u00e9tique nucl\u00e9aire (RMN) et la cryo-microscopie \u00e9lectronique. L&rsquo;\u00e9lucidation d&rsquo;une seule structure pouvait exiger plusieurs ann\u00e9es de travail acharn\u00e9 de la part d&rsquo;\u00e9quipes enti\u00e8res de doctorants et de biochimistes pour des co\u00fbts atteignant des centaines de milliers de dollars. C&rsquo;est dans ce contexte que la communaut\u00e9 scientifique internationale a instaur\u00e9 en 1994 la comp\u00e9tition bisannuelle CASP (<em>Critical Assessment of Structure Prediction<\/em>), un protocole exp\u00e9rimental en double aveugle rigoureux destin\u00e9 \u00e0 mesurer les performances des m\u00e9thodes de pr\u00e9diction computationnelle face \u00e0 des structures r\u00e9solues exp\u00e9rimentalement mais tenues secr\u00e8tes.<\/p>\n<h3>9.2 L&rsquo;architecture technique d&rsquo;AlphaFold 2 et la mod\u00e9lisation spatiale<\/h3>\n<p>DeepMind fait une entr\u00e9e fracassante dans la comp\u00e9tition en 2018 avec la premi\u00e8re version d&rsquo;AlphaFold, surclassant largement les laboratoires acad\u00e9miques traditionnels. Cependant, Hassabis et son directeur technique d\u00e9di\u00e9 au projet, le biophysicien computationnel John Jumper, estiment que le niveau de pr\u00e9cision atteint reste insuffisant pour une v\u00e9ritable utilit\u00e9 pharmacologique et biologique. Ils d\u00e9cident de d\u00e9manteler l&rsquo;architecture initiale pour concevoir un syst\u00e8me enti\u00e8rement nouveau, repens\u00e9 de fond en comble : <strong>AlphaFold 2<\/strong>.<\/p>\n<p>Pr\u00e9sent\u00e9 lors de la comp\u00e9tition CASP14 en 2020 et d\u00e9taill\u00e9 dans un article r\u00e9volutionnaire de <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.nature.com\/articles\/s41586-021-03819-2\">Nature (2021)<\/a>, AlphaFold 2 accomplit un bond qualitatif stup\u00e9fiant. Le syst\u00e8me r\u00e9sout le repliement avec une pr\u00e9cision atomique, atteignant un score m\u00e9dian de GDT (<em>Global Distance Test<\/em>) sup\u00e9rieur \u00e0 92 sur 100 \u2014 un niveau d&rsquo;exactitude indiscernable des marges d&rsquo;erreur inh\u00e9rentes aux mesures exp\u00e9rimentales de cristallographie les plus rigoureuses. Les piliers architecturaux d&rsquo;AlphaFold 2 reposent sur une synth\u00e8se math\u00e9matique et physique d&rsquo;une complexit\u00e9 sans pr\u00e9c\u00e9dent :<\/p>\n<ul>\n<li><strong>Le bloc Evoformer :<\/strong> Ce module traite simultan\u00e9ment deux repr\u00e9sentations distinctes mais interconnect\u00e9es. D&rsquo;une part, l&rsquo;alignement multiple de s\u00e9quences (MSA), qui capture l&rsquo;historique de co-\u00e9volution des acides amin\u00e9s \u00e0 travers les esp\u00e8ces (si deux r\u00e9sidus mutent ensemble au fil des millions d&rsquo;ann\u00e9es, ils sont probablement en contact physique dans la structure 3D repli\u00e9e). D&rsquo;autre part, une repr\u00e9sentation par paires g\u00e9om\u00e9triques des r\u00e9sidus. L&rsquo;Evoformer utilise des m\u00e9canismes d&rsquo;attention neuronale crois\u00e9e (<em>axial attention<\/em>) pour raffiner it\u00e9rativement ces deux flux d&rsquo;information, respectant les contraintes de sym\u00e9trie et de triangularit\u00e9 spatiale.<\/li>\n<li><strong>Le module de structure (<em>Structure Module<\/em>) :<\/strong> Dot\u00e9 d&rsquo;une couche d&rsquo;attention 3D invariante par translation et rotation euclidienne (SE(3)-equivariant attention), ce module transforme les repr\u00e9sentations abstraites issues de l&rsquo;Evoformer en coordonn\u00e9es tridimensionnelles atomiques r\u00e9elles dans l&rsquo;espace euclidien (<span class=\"arabpsy-math-inline\" data-latex=\"x, y, z\">$x, y, z$<\/span>), sans jamais briser les liaisons covalentes ni violer les angles de torsion peptidiques.<\/li>\n<li><strong>Le recyclage it\u00e9ratif :<\/strong> L&rsquo;ensemble de la structure pr\u00e9dite est r\u00e9inject\u00e9 plusieurs fois dans le r\u00e9seau de mani\u00e8re r\u00e9cursive, permettant au syst\u00e8me d&rsquo;effectuer des ajustements fins d&#8217;embo\u00eetement \u00e0 la mani\u00e8re d&rsquo;un orf\u00e8vre mol\u00e9culaire.<\/li>\n<\/ul>\n<p>Fid\u00e8le \u00e0 sa mission soci\u00e9tale, Demis Hassabis prend la d\u00e9cision historique, en collaboration avec l&rsquo;Institut europ\u00e9en de bio-informatique (EMBL-EBI), de publier gratuitement en acc\u00e8s libre la quasi-totalit\u00e9 des pr\u00e9dictions g\u00e9n\u00e9r\u00e9es par AlphaFold. En l&rsquo;espace de deux ans, DeepMind met \u00e0 la disposition de l&rsquo;ensemble de la communaut\u00e9 scientifique mondiale la structure tridimensionnelle pr\u00e9dite de plus de <strong>200 millions de prot\u00e9ines<\/strong>, couvrant la totalit\u00e9 du prot\u00e9ome humain ainsi que celui de millions d&rsquo;organismes vivants, des bact\u00e9ries aux plantes en passant par les virus les plus redoutables. Cette lib\u00e9ration de donn\u00e9es constitue le plus grand don de connaissances biologiques pures de l&rsquo;histoire humaine contemporaine.<\/p>\n<h3>9.3 La cons\u00e9cration scientifique : Prix Nobel de chimie 2024<\/h3>\n<p>L&rsquo;impact d&rsquo;AlphaFold sur les sciences de la vie est foudroyant. En levant un verrou qui paralysait la biologie mol\u00e9culaire depuis un demi-si\u00e8cle, le travail de Hassabis et de ses coll\u00e8gues catalyse des milliers de programmes de recherche fondamentale \u00e0 travers le monde : conception d&rsquo;enzymes mutantes capables de d\u00e9grader les mati\u00e8res plastiques industrielles, \u00e9lucidation des m\u00e9canismes d&rsquo;entr\u00e9e de virus \u00e9mergents au sein des cellules h\u00f4tes, acc\u00e9l\u00e9ration spectaculaire du criblage de mol\u00e9cules th\u00e9rapeutiques contre des cancers r\u00e9fractaires, et compr\u00e9hension des maladies neurod\u00e9g\u00e9n\u00e9ratives associ\u00e9es \u00e0 des agr\u00e9gats prot\u00e9iques anormaux.<\/p>\n<p>Cette rupture \u00e9pist\u00e9mologique majeure trouve sa cons\u00e9cration supr\u00eame en octobre 2024. L&rsquo;Acad\u00e9mie royale des sciences de Su\u00e8de d\u00e9cerne le <strong>prix Nobel de chimie 2024<\/strong> \u00e0 Demis Hassabis et John Jumper pour leurs travaux sur la pr\u00e9diction de la structure des prot\u00e9ines, partageant le prix avec le biochimiste David Baker de l&rsquo;Universit\u00e9 de Washington, r\u00e9compens\u00e9 pour ses travaux sur la conception computationnelle de nouvelles prot\u00e9ines de novo. \u00c0 quarante-huit ans, Hassabis devient l&rsquo;un des plus jeunes laur\u00e9ats de l&rsquo;histoire moderne du prix dans cette discipline.<\/p>\n<p>L&rsquo;attribution du prix Nobel de chimie \u00e0 des informaticiens et des th\u00e9oriciens de l&rsquo;intelligence artificielle marque un tournant historique dans l&rsquo;histoire des id\u00e9es scientifiques. Elle valide avec \u00e9clat la th\u00e8se que Hassabis d\u00e9fendait depuis l&rsquo;adolescence : l&rsquo;intelligence artificielle ne doit pas \u00eatre r\u00e9duite \u00e0 un artefact technologique d&rsquo;optimisation commerciale, mais pens\u00e9e comme le m\u00e9tamoteur par excellence de la m\u00e9thode scientifique. En permettant aux chercheurs de naviguer dans des espaces combinatoires incommensurables qui exc\u00e8dent les capacit\u00e9s d&rsquo;analyse de l&rsquo;esprit humain non appareill\u00e9, l&rsquo;IA s&rsquo;impose comme le t\u00e9lescope du XXIe si\u00e8cle pour l&rsquo;infiniment complexe.<\/p>\n<h2>10. La philosophie de l&rsquo;intelligence selon Hassabis : Dualit\u00e9 naturelle et artificielle<\/h2>\n<h3>10.1 Le concept de neuroscience computationnelle bidirectionnelle<\/h3>\n<p>L&rsquo;\u00e9pist\u00e9mologie qui sous-tend les r\u00e9alisations de Demis Hassabis se distingue radicalement de l&rsquo;approche purement positiviste et math\u00e9matique de la majorit\u00e9 des chercheurs en apprentissage automatique contemporains. Elle repose sur le postulat d&rsquo;une r\u00e9ciprocit\u00e9 organique f\u00e9conde entre les sciences du cerveau et l&rsquo;ing\u00e9nierie algorithmique : la <strong>neuroscience computationnelle bidirectionnelle<\/strong>.<\/p>\n<p>Dans cette vision, expos\u00e9e avec force dans son article de synth\u00e8se programmatique paru dans la revue <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.cell.com\/neuron\/fulltext\/S0896-6273(17)30509-3\">Neuron (2017)<\/a> intitul\u00e9 <em>\u00ab Neuroscience-Inspired Artificial Intelligence \u00bb<\/em>, Hassabis conceptualise deux vecteurs de transfert intellectuel indissociables :<\/p>\n<ul>\n<li><strong>Le vecteur descendant (Biologie vers Algorithmique) :<\/strong> Le cerveau biologique agit comme une existence math\u00e9matique de preuve (<em>proof of concept<\/em>) absolue attestant de la possibilit\u00e9 d&rsquo;une intelligence g\u00e9n\u00e9rale adaptable \u00e0 des environnements non stationnaires sous contrainte \u00e9nerg\u00e9tique minimale. Les neurosciences fournissent ainsi aux ing\u00e9nieurs des plans directeurs d&rsquo;architectures computationnelles : consolidation par r\u00e9activation synaptique (replay hippocampique), modularit\u00e9 attentionnelle, hi\u00e9rarchie visuelle ventrale et dorsale, et s\u00e9paration entre m\u00e9moire s\u00e9mantique et m\u00e9moire \u00e9pisodique.<\/li>\n<li><strong>Le vecteur ascendant (Algorithmique vers Biologie) :<\/strong> R\u00e9ciproquement, les r\u00e9seaux neuronaux artificiels entra\u00een\u00e9s et optimis\u00e9s par apprentissage profond deviennent des mod\u00e8les ph\u00e9nom\u00e9nologiques inestimables pour \u00e9clairer le fonctionnement biologique. En observant comment des concepts abstraits \u00e9mergent spontan\u00e9ment au sein des couches cach\u00e9es d&rsquo;un r\u00e9seau artificiel pour r\u00e9soudre une t\u00e2che, les neuroscientifiques peuvent formuler des hypoth\u00e8ses falsifiables sur la mani\u00e8re dont les assembl\u00e9es de neurones corticaux r\u00e9solvent les m\u00eames d\u00e9fis chez les mammif\u00e8res.<\/li>\n<\/ul>\n<p>Cette boucle de r\u00e9troaction herm\u00e9neutique postule que nous ne pourrons pr\u00e9tendre comprendre v\u00e9ritablement l&rsquo;esprit humain que lorsque nous serons capables de le recr\u00e9er synth\u00e9tiquement. La construction d&rsquo;une AGI n&rsquo;est pas seulement le but ultime de la technologie, elle est l&rsquo;ach\u00e8vement final et la condition sine qua non de la psychologie cognitive et de la neurobiologie.<\/p>\n<h3>10.2 L&rsquo;hypoth\u00e8se des repr\u00e9sentations conceptuelles partag\u00e9es<\/h3>\n<p>Une pr\u00e9occupation philosophique centrale traversant les r\u00e9flexions de Hassabis concerne la nature des repr\u00e9sentations internes forg\u00e9es par les mod\u00e8les d&rsquo;intelligence artificielle de pointe. Face aux craintes que les machines ne d\u00e9veloppent une forme d&rsquo;alt\u00e9rit\u00e9 cognitive absolue totalement \u00e9trang\u00e8re et imperm\u00e9able \u00e0 l&rsquo;intellect humain, Hassabis d\u00e9fend l&rsquo;hypoth\u00e8se d&rsquo;une convergence g\u00e9om\u00e9trique et conceptuelle entre l&rsquo;esprit biologique et les agents synth\u00e9tiques optimis\u00e9s pour interagir avec le monde physique.<\/p>\n<p>Les r\u00e9seaux neuronaux profonds et le cortex c\u00e9r\u00e9bral \u00e9tant tous deux contraints par les lois statistiques invariantes de notre univers physique \u2014 la gravit\u00e9, la g\u00e9om\u00e9trie euclidienne tridimensionnelle, la fl\u00e8che thermodynamique du temps et les relations de causalit\u00e9 mat\u00e9rielle \u2014, ils tendent spontan\u00e9ment \u00e0 faire \u00e9merger des espaces latents topologiquement \u00e9quivalents. Des recherches r\u00e9centes men\u00e9es chez DeepMind confirment que des r\u00e9seaux entra\u00een\u00e9s \u00e0 naviguer dans des espaces virtuels d\u00e9veloppent de mani\u00e8re \u00e9mergente des motifs d&rsquo;activation hexagonaux mimant fid\u00e8lement la g\u00e9om\u00e9trie computationnelle des cellules de grille d\u00e9couvertes chez les rongeurs par Edvard et May-Britt Moser.<\/p>\n<p>Pour Hassabis, cette convergence invalide la conception m\u00e9caniste na\u00efve de la cr\u00e9ativit\u00e9. La cr\u00e9ativit\u00e9 computationnelle, telle que manifest\u00e9e par AlphaGo ou AlphaFold, n&rsquo;est pas un simulacre al\u00e9atoire, mais une forme avanc\u00e9e de <em>pens\u00e9e combinatoire<\/em> et <em>exploratoire<\/em>. Elle proc\u00e8de par l&rsquo;extraction d&rsquo;invariants structurels profonds dissimul\u00e9s dans le bruit ph\u00e9nom\u00e9nologique, puis par la projection de ces invariants dans des configurations in\u00e9dites mais rigoureusement fonctionnelles. Hassabis refuse ainsi le dualisme cart\u00e9sien s\u00e9parant strictement la rationalit\u00e9 logique froide de la sensibilit\u00e9 cr\u00e9ative : toutes deux ne sont que des manifestations diff\u00e9rentes d&rsquo;une m\u00eame dynamique sous-jacente de descente de gradient sur un paysage d&rsquo;optimisation conceptuelle.<\/p>\n<h2>11. \u00c9thique, alignement et gouvernance de l&rsquo;intelligence artificielle g\u00e9n\u00e9rale<\/h2>\n<h3>11.1 La psychologie de la s\u00e9curit\u00e9 et du contr\u00f4le des syst\u00e8mes autonomes<\/h3>\n<p>D\u00e8s la cr\u00e9ation de DeepMind en 2010, Demis Hassabis s&rsquo;est distingu\u00e9 de l&rsquo;euphorie technosolutionniste ambiante en alertant pr\u00e9cocement sur les p\u00e9rils structurels inh\u00e9rents \u00e0 l&rsquo;av\u00e8nement d&rsquo;entit\u00e9s synth\u00e9tiques superintelligentes. Sa formation en psychologie cognitive et en neurosciences l&rsquo;a rendu particuli\u00e8rement sensible \u00e0 la complexit\u00e9 des fonctions d&rsquo;utilit\u00e9 et aux dangers de d\u00e9rive comportementale chez des agents dot\u00e9s d&rsquo;une grande autonomie d&rsquo;apprentissage.<\/p>\n<p>Ce d\u00e9fi est formalis\u00e9 sous l&rsquo;appellation du <strong>probl\u00e8me de l&rsquo;alignement des valeurs<\/strong> (<em>AI Alignment Problem<\/em>). Comment s&rsquo;assurer qu&rsquo;un syst\u00e8me d&rsquo;apprentissage par renforcement, dont l&rsquo;optimisation math\u00e9matique s&rsquo;ex\u00e9cute \u00e0 des \u00e9chelles de complexit\u00e9 hors de port\u00e9e de la supervision humaine directe, poursuive scrupuleusement les intentions r\u00e9elles de ses concepteurs sans d\u00e9velopper d&rsquo;effets secondaires catastrophiques ? Hassabis s&rsquo;est attel\u00e9 \u00e0 diss\u00e9quer le danger des raccourcis de sp\u00e9cification (<em>reward hacking<\/em> ou <em>specification gaming<\/em>), situation dans laquelle un agent d\u00e9couvre une faille formelle dans la d\u00e9finition math\u00e9matique de sa r\u00e9compense pour maximiser son score sans accomplir la t\u00e2che d\u00e9sir\u00e9e, voire en d\u00e9truisant son environnement de test.<\/p>\n<p>Pour pallier ces vuln\u00e9rabilit\u00e9s, Hassabis a impuls\u00e9 la cr\u00e9ation au sein de DeepMind d&rsquo;\u00e9quipes de recherche d\u00e9di\u00e9es \u00e0 la s\u00e9curit\u00e9 technique de l&rsquo;IA (<em>Technical AI Safety<\/em>). Ces chercheurs explorent notamment les voies de l&rsquo;interpr\u00e9tabilit\u00e9 m\u00e9caniciste (<em>mechanistic interpretability<\/em>) : il s&rsquo;agit d&rsquo;ouvrir la bo\u00eete noire des r\u00e9seaux neuronaux profonds \u00e0 l&rsquo;aide d&rsquo;outils d&rsquo;investigation micro-analytiques \u2014 comparables aux \u00e9lectrodes des neurophysiologistes \u2014 afin de cartographier avec pr\u00e9cision les circuits internes responsables des prises de d\u00e9cision et d&rsquo;identifier l&rsquo;\u00e9mergence d&rsquo;\u00e9ventuels comportements trompeurs avant tout d\u00e9ploiement en conditions r\u00e9elles.<\/p>\n<h3>11.2 Le positionnement dans le d\u00e9bat sur les risques existentiels<\/h3>\n<p>Loin d&rsquo;\u00e9luder les sc\u00e9narios les plus sombres formul\u00e9s par des philosophes analytiques comme Nick Bostrom, Hassabis assume une posture de pragmatisme rigoureux face aux risques existentiels associ\u00e9s \u00e0 l&rsquo;AGI. En mai 2023, il appose sa signature au bas de la d\u00e9claration publique solennelle publi\u00e9e par le <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.safe.ai\/statement-on-ai-risk\">Center for AI Safety (CAIS)<\/a>, rejoignant des centaines de scientifiques et de chefs d&rsquo;entreprise majeurs dans une mise en garde historique :<\/p>\n<blockquote><p>\n\u00ab Att\u00e9nuer le risque d&rsquo;extinction li\u00e9 \u00e0 l&rsquo;intelligence artificielle devrait \u00eatre une priorit\u00e9 mondiale, au m\u00eame titre que d&rsquo;autres risques d&rsquo;ampleur soci\u00e9tale tels que les pand\u00e9mies et la guerre nucl\u00e9aire. \u00bb\n<\/p><\/blockquote>\n<p>N\u00e9anmoins, Hassabis r\u00e9cuse l&rsquo;alarmisme fataliste ou le luddisme r\u00e9actionnaire qui pr\u00e9coniserait l&rsquo;arr\u00eat pur et simple de la recherche. Sa grille d&rsquo;analyse distingue soigneusement deux horizons temporels exigeant des r\u00e9ponses institutionnelles diff\u00e9renci\u00e9es :<\/p>\n<ul>\n<li><strong>Les risques \u00e0 court et moyen terme :<\/strong> La prolif\u00e9ration massive de d\u00e9sinformation hyper-r\u00e9aliste (<em>deepfakes<\/em>), l&rsquo;automatisation asym\u00e9trique du cyber-espionnage, le risque d&rsquo;accidents bioterroristes li\u00e9 \u00e0 l&rsquo;utilisation malveillante de mod\u00e8les de conception g\u00e9n\u00e9tique et mol\u00e9culaire, ainsi que la concentration monopolistique du pouvoir \u00e9conomique entre les mains de quelques conglom\u00e9rats technologiques.<\/li>\n<li><strong>Les risques \u00e0 long terme :<\/strong> La perte d\u00e9finitive de contr\u00f4le op\u00e9rationnel sur une intelligence artificielle g\u00e9n\u00e9rale auto-am\u00e9liorante qui d\u00e9passerait l&rsquo;humanit\u00e9 dans l&rsquo;ensemble des domaines cognitifs et dont les objectifs strat\u00e9giques divergeraient des conditions d&rsquo;habitabilit\u00e9 de la biosph\u00e8re humaine.<\/li>\n<\/ul>\n<p>Face \u00e0 ces p\u00e9rils, Hassabis milite activement aupr\u00e8s des gouvernements occidentaux et des organisations multilat\u00e9rales en faveur de la cr\u00e9ation d&rsquo;une architecture de gouvernance mondiale inspir\u00e9e de l&rsquo;Agence internationale de l&rsquo;\u00e9nergie atomique (AIEA) ou du GIEC. Il pr\u00e9conise l&rsquo;obligation de tests de s\u00e9curit\u00e9 et de protocoles de \u00ab <em>red-teaming<\/em> \u00bb ind\u00e9pendants avant la mise sur le march\u00e9 de tout mod\u00e8le d\u00e9passant certains seuils de puissance de calcul (mesur\u00e9s en FLOPs), ainsi qu&rsquo;une tra\u00e7abilit\u00e9 absolue des supercalculateurs d\u00e9di\u00e9s \u00e0 l&rsquo;entra\u00eenement des mod\u00e8les fronti\u00e8res.<\/p>\n<h3>11.3 La direction unifi\u00e9e de Google DeepMind face aux pressions commerciales<\/h3>\n<p>En avril 2023, face \u00e0 l&rsquo;acc\u00e9l\u00e9ration sans pr\u00e9c\u00e9dent de la comp\u00e9tition industrielle d\u00e9clench\u00e9e par le d\u00e9ploiement public de ChatGPT par OpenAI et Microsoft, Sundar Pichai, directeur g\u00e9n\u00e9ral d&rsquo;Alphabet, prend une d\u00e9cision manag\u00e9riale historique : fusionner les deux entit\u00e9s de recherche en intelligence artificielle de l&rsquo;entreprise, jusqu&rsquo;alors rivales et s\u00e9par\u00e9es, <strong>Google Brain<\/strong> (bas\u00e9e en Californie) et <strong>DeepMind<\/strong> (bas\u00e9e \u00e0 Londres).<\/p>\n<p>\u00c0 l&rsquo;issue de cette consolidation titanesque, c&rsquo;est Demis Hassabis qui est d\u00e9sign\u00e9 pour prendre la t\u00eate exclusive de la nouvelle entit\u00e9 unifi\u00e9e, baptis\u00e9e <strong>Google DeepMind<\/strong>, supervisant des milliers de scientifiques, d&rsquo;ing\u00e9nieurs et de centres de calcul \u00e0 travers la plan\u00e8te. Cette nomination consacre l&rsquo;autorit\u00e9 scientifique et morale exceptionnelle acquise par l&rsquo;ancien joueur d&rsquo;\u00e9checs londonien sur l&rsquo;ensemble de l&rsquo;\u00e9cosyst\u00e8me Alphabet.<\/p>\n<p>Cette responsabilit\u00e9 place toutefois Hassabis au c\u0153ur d&rsquo;une tension dialectique permanente et vertigineuse. D&rsquo;un c\u00f4t\u00e9, il doit orchestrer le d\u00e9ploiement \u00e0 flux tendu de mod\u00e8les de langage multimodaux \u00e0 tr\u00e8s grande \u00e9chelle (la famille des mod\u00e8les <strong>Gemini<\/strong>) pour r\u00e9pondre aux imp\u00e9ratifs \u00e9conomiques imm\u00e9diats d&rsquo;Alphabet face \u00e0 une concurrence commerciale f\u00e9roce. De l&rsquo;autre, il s&rsquo;efforce de pr\u00e9server co\u00fbte que co\u00fbte l&rsquo;ADN \u00e9pist\u00e9mique de DeepMind : la primaut\u00e9 accord\u00e9e \u00e0 la rigueur de la m\u00e9thode scientifique, le temps long de la recherche fondamentale exploratoire et le maintien d&rsquo;une \u00e9thique de publication acad\u00e9mique ouverte. Dans cette ar\u00e8ne hyper-concurrentielle, Hassabis s&#8217;emploie \u00e0 d\u00e9montrer que la rentabilit\u00e9 industrielle \u00e0 court terme ne saurait se substituer \u00e0 la construction m\u00e9thodique et s\u00e9curis\u00e9e des fondations de l&rsquo;AGI.<\/p>\n<h2>12. L&rsquo;h\u00e9ritage intellectuel et les perspectives d&rsquo;une th\u00e9orie unifi\u00e9e de l&rsquo;esprit<\/h2>\n<h3>12.1 L&rsquo;influence durable sur la psychologie cognitive et les neurosciences<\/h3>\n<p>Alors que la trajectoire de Demis Hassabis continue de s&rsquo;\u00e9crire au pr\u00e9sent, son empreinte sur l&rsquo;histoire des id\u00e9es scientifiques est d&rsquo;ores et d\u00e9j\u00e0 ind\u00e9l\u00e9bile. En jetant un pont d&rsquo;une solidit\u00e9 in\u00e9dite entre l&rsquo;informatique th\u00e9orique et les sciences de la vie, il a contribu\u00e9 de mani\u00e8re d\u00e9cisive \u00e0 sortir les neurosciences de leur orni\u00e8re purement descriptive pour les hisser au rang de science computationnelle pr\u00e9dictive.<\/p>\n<p>Le succ\u00e8s ph\u00e9nom\u00e9nal de DeepMind a suscit\u00e9 une vocation massive au sein d&rsquo;une nouvelle g\u00e9n\u00e9ration de chercheurs interdisciplinaires \u00e0 travers le monde. Aujourd&rsquo;hui, il est devenu naturel pour un chercheur en neurobiologie d&rsquo;utiliser des algorithmes de gradient descendant pour mod\u00e9liser la connectivit\u00e9 synaptique, de m\u00eame qu&rsquo;il est indispensable pour un ing\u00e9nieur en intelligence artificielle d&rsquo;\u00e9tudier la neurobiologie de l&rsquo;hippocampe, des ganglions de la base et du cortex pr\u00e9frontal pour concevoir des m\u00e9moires de travail artificielles performantes. Ce d\u00e9cloisonnement institutionnel constitue le v\u00e9ritable legs de l&rsquo;\u00ab \u00e9cole londonienne \u00bb que Hassabis a patiemment \u00e9difi\u00e9e autour de DeepMind et de l&rsquo;UCL.<\/p>\n<p>Ses travaux fondamentaux sur la m\u00e9moire \u00e9pisodique continuent d&rsquo;irriguer la psychologie cognitive contemporaine. En prouvant que le souvenir n&rsquo;est pas une trace passive mais un acte de reconstruction prospective, il a red\u00e9fini les contours conceptuels de l&rsquo;identit\u00e9 personnelle, de l&rsquo;imagination et de la prise de d\u00e9cision sous incertitude. L&rsquo;esprit humain n&rsquo;appara\u00eet plus comme un simple miroir enregistreur du monde, mais comme un moteur pr\u00e9dictif dynamique en perp\u00e9tuelle autog\u00e9n\u00e9ration.<\/p>\n<h3>12.2 La trajectoire vers l&rsquo;Intelligence Artificielle G\u00e9n\u00e9rale (AGI)<\/h3>\n<p>Face \u00e0 l&rsquo;avalanche r\u00e9cente de r\u00e9sultats issus des grands mod\u00e8les de langage (LLM), Hassabis conserve une lucidit\u00e9 critique remarquable. Bien qu&rsquo;il reconnaisse la fluidit\u00e9 linguistique impressionnante de ces syst\u00e8mes entra\u00een\u00e9s sur la pr\u00e9diction statistique du prochain jeton (<em>next-token prediction<\/em>), il ne manque pas de souligner leurs carences fondamentales : l&rsquo;absence d&rsquo;ancrage perceptuel dans le monde r\u00e9el, leur vuln\u00e9rabilit\u00e9 aux hallucinations logiques, leur incapacit\u00e9 \u00e0 formuler des raisonnements causaux contrefactuels rigoureux et leur inaptitude \u00e0 planifier des strat\u00e9gies \u00e0 long terme hors de leur distribution d&rsquo;entra\u00eenement.<\/p>\n<p>Pour Hassabis, la route menant \u00e0 une v\u00e9ritable AGI ne passera pas par une simple mise \u00e0 l&rsquo;\u00e9chelle brute (<em>scaling<\/em>) de mod\u00e8les autor\u00e9gressifs passifs. Le franchissement de ce cap exige la r\u00e9int\u00e9gration des principes qui ont fait le succ\u00e8s d&rsquo;AlphaGo et d&rsquo;AlphaFold au sein des architectures fondationnelles modernes :<\/p>\n<ul>\n<li><strong>L&rsquo;acquisition de mod\u00e8les du monde (<em>World Models<\/em>) :<\/strong> Les agents doivent apprendre des repr\u00e9sentations spatiotemporelles causales de leur environnement physique, leur permettant de pr\u00e9dire les lois dynamiques du r\u00e9el sans d\u00e9pendre exclusivement de corpus textuels humains.<\/li>\n<li><strong>La planification d\u00e9lib\u00e9rative prospective :<\/strong> Le retour \u00e0 des m\u00e9canismes de recherche arborescente interne et de test d&rsquo;hypoth\u00e8ses en temps de r\u00e9flexion (<em>inference-time compute<\/em>), permettant au syst\u00e8me d&rsquo;\u00e9valuer la validit\u00e9 de ses r\u00e9ponses avant de les formuler.<\/li>\n<li><strong>L&rsquo;apprentissage continu et sans oubli catastrophique :<\/strong> La capacit\u00e9 d&rsquo;assimiler de nouvelles connaissances en continu sans \u00e9craser les comp\u00e9tences ant\u00e9rieures, \u00e9mulant la plasticit\u00e9 synaptique \u00e9quilibr\u00e9e du n\u00e9ocortex biologique.<\/li>\n<\/ul>\n<p>\u00c0 travers cette feuille de route ambitieuse, la d\u00e9marche de Demis Hassabis demeure guid\u00e9e par une aspiration m\u00e9taphysique d&rsquo;une puret\u00e9 saisissante. B\u00e2tir l&rsquo;intelligence artificielle g\u00e9n\u00e9rale n&rsquo;a jamais repr\u00e9sent\u00e9 \u00e0 ses yeux une fin purement technologique ou industrielle, mais l&rsquo;outil supr\u00eame d&rsquo;investigation cognitive permettant d&rsquo;\u00e9clairer les plus grands myst\u00e8res de notre condition : la nature physique de la conscience, l&rsquo;origine de la mati\u00e8re, le fonctionnement intime du vivant et la place de l&rsquo;esprit au sein de l&rsquo;univers. En cherchant \u00e0 automatiser la d\u00e9couverte scientifique, l&rsquo;ancien joueur d&rsquo;\u00e9checs poursuit l&rsquo;ultime partie : offrir \u00e0 l&rsquo;humanit\u00e9 le miroir computationnel dans lequel elle pourra enfin contempler et comprendre les ressorts de sa propre pens\u00e9e.<\/p>\n<h2>R\u00e9f\u00e9rences<\/h2>\n<ul>\n<li>Anfinsen, C. B. (1973). Principles that govern the folding of protein chains. <em>Science<\/em>, 181(4096), 223\u2013230. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1126\/science.181.4096.223\">https:\/\/doi.org\/10.1126\/science.181.4096.223<\/a><\/li>\n<li>Hassabis, D., Kumaran, D., Vann, S. D., &amp; Maguire, E. A. (2007). Patients with hippocampal amnesia cannot imagine new experiences. <em>Proceedings of the National Academy of Sciences<\/em>, 104(5), 1726\u20131731. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1073\/pnas.0610561104\">https:\/\/doi.org\/10.1073\/pnas.0610561104<\/a><\/li>\n<li>Hassabis, D., &amp; Maguire, E. A. (2007). Deconstructing episodic memory with construction. <em>Trends in Cognitive Sciences<\/em>, 11(7), 299\u2013306. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1016\/j.tics.2007.05.001\">https:\/\/doi.org\/10.1016\/j.tics.2007.05.001<\/a><\/li>\n<li>Hassabis, D., &amp; Maguire, E. A. (2009). The construction system of the brain. <em>Philosophical Transactions of the Royal Society B: Biological Sciences<\/em>, 364(1521), 1263\u20131271. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1098\/rstb.2008.0296\">https:\/\/doi.org\/10.1098\/rstb.2008.0296<\/a><\/li>\n<li>Hassabis, D., Kumaran, D., Summerfield, C., &amp; Botvinick, M. (2017). Neuroscience-inspired artificial intelligence. <em>Neuron<\/em>, 95(2), 245\u2013258. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1016\/j.neuron.2017.06.011\">https:\/\/doi.org\/10.1016\/j.neuron.2017.06.011<\/a><\/li>\n<li>Jumper, J., Evans, R., Pritzel, A., Green, T., Figurnov, M., Ronneberger, O., Tunyasuvunakool, K., Bates, R., \u017d\u00eddek, A., Potapenko, A., Bridgland, A., Meyer, C., Kohl, S. A. A., Ballard, A. J., Cowie, A., Romera-Paredes, B., Nikolov, S., Jain, R., Adler, J., \u2026 Hassabis, D. (2021). Highly accurate protein structure prediction with AlphaFold. <em>Nature<\/em>, 596(7873), 583\u2013589. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1038\/s41586-021-03819-2\">https:\/\/doi.org\/10.1038\/s41586-021-03819-2<\/a><\/li>\n<li>Mnih, V., Kavukcuoglu, K., Silver, D., Rusu, A. A., Veness, J., Bellemare, M. G., Graves, A., Riedmiller, M., Fidjeland, A. K., Ostrovski, G., Petersen, S., Beattie, C., Sadik, A., Antonoglou, I., King, H., Kumaran, D., Wierstra, D., Legg, S., &amp; Hassabis, D. (2015). Human-level control through deep reinforcement learning. <em>Nature<\/em>, 518(7540), 529\u2013533. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1038\/nature14236\">https:\/\/doi.org\/10.1038\/nature14236<\/a><\/li>\n<li>Schacter, D. L., Addis, D. R., &amp; Buckner, R. L. (2007). Remembering the past to imagine the future: The prospective brain. <em>Nature Reviews Neuroscience<\/em>, 8(9), 657\u2013661. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1038\/nrn2213\">https:\/\/doi.org\/10.1038\/nrn2213<\/a><\/li>\n<li>Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., van den Driessche, G., Schrittwieser, J., Antonoglou, I., Panneershelvam, V., Lanctot, M., Dieleman, S., Grewe, D., Nham, J., Kalchbrenner, N., Sutskever, I., Lillicrap, T., Leach, M., Kavukcuoglu, K., Graepel, T., &amp; Hassabis, D. (2016). Mastering the game of Go with deep neural networks and tree search. <em>Nature<\/em>, 529(7587), 484\u2013489. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1038\/nature16961\">https:\/\/doi.org\/10.1038\/nature16961<\/a><\/li>\n<li>Silver, D., Schrittwieser, J., Simonyan, K., Antonoglou, I., Huang, A., Guez, A., Hubert, T., Baker, L., Lai, M., Bolton, A., Chen, Y., Lillicrap, T., Hui, F., Sifre, L., van den Driessche, G., Graepel, T., &amp; Hassabis, D. (2017). Mastering the game of Go without human knowledge. <em>Nature<\/em>, 550(7676), 354\u2013359. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1038\/nature24270\">https:\/\/doi.org\/10.1038\/nature24270<\/a><\/li>\n<li>The Nobel Prize. (2024). <em>The Nobel Prize in Chemistry 2024: Demis Hassabis and John M. Jumper<\/em>. Nobel Prize Outreach AB. <a target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\/\/www.nobelprize.org\/prizes\/chemistry\/2024\/summary\/\">https:\/\/www.nobelprize.org\/prizes\/chemistry\/2024\/summary\/<\/a><\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Une analyse acad\u00e9mique approfondie du parcours de Demis Hassabis, explorant l&rsquo;intersection entre neurosciences cognitives et intelligence artificielle.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[4931,1486],"tags":[23189,5736,23188,23187,4757],"class_list":["post-14870","psych_theorist","type-psych_theorist","status-publish","hentry","category-histoire-de-lintelligence-artificielle","category-sciences-cognitives","tag-alphafold","tag-apprentissage-par-renforcement","tag-deepmind","tag-demis-hassabis","tag-neurosciences-cognitives"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_theorist\/14870","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_theorist"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_theorist"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=14870"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_theorist\/14870\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=14870"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=14870"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=14870"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}