Les États-Unis ne veulent plus seulement entraîner des modèles capables de répondre à des questions scientifiques. Ils veulent construire l’infrastructure qui permettra à ces modèles de manipuler des données fédérales, de piloter des simulations, de proposer des expériences et, à terme, de dialoguer avec des laboratoires robotisés.
La Maison-Blanche a annoncé ce 22 juillet 2026 plus de 5 milliards de dollars d’engagements fédéraux pour étendre la Genesis Mission, lancée huit mois plus tôt autour du Département de l’Énergie. Le programme change désormais d’échelle : plus de quinze agences doivent partager financements, jeux de données, capacités de calcul et installations de recherche autour de défis allant du cancer pédiatrique aux réseaux électriques, en passant par les matériaux, les semi-conducteurs et la fusion.
Le même jour, le Département de l’Énergie a sélectionné 278 projets qui testeront des méthodes de recherche assistées par intelligence artificielle. Derrière les chiffres et le vocabulaire de mobilisation nationale, l’enjeu est très concret : transformer l’IA en outil de production scientifique, sans accélérer dans le même mouvement les erreurs, les fuites de données ou les expériences impossibles à reproduire.
Une plateforme commune plutôt qu’un nouveau chatbot
Genesis Mission ne désigne pas un modèle unique. Son cœur est l’American Science and Security Platform, une infrastructure que le Département de l’Énergie doit bâtir en reliant plusieurs ressources déjà dispersées dans l’appareil scientifique américain.
Le projet prévoit d’agréger les supercalculateurs des laboratoires nationaux, des environnements cloud sécurisés, des modèles spécialisés, des outils de simulation, des instruments scientifiques et des jeux de données constitués depuis des décennies par les agences fédérales. Les chercheurs doivent pouvoir y utiliser des agents pour explorer un espace de solutions, évaluer le résultat d’une expérience ou automatiser une partie d’un protocole.
La différence avec un assistant conversationnel est essentielle. Dans un laboratoire, produire une réponse plausible ne suffit pas. Un système doit respecter les unités physiques, quantifier son incertitude, conserver la provenance des données et proposer une expérience réellement réalisable. Il faut ensuite confronter la prédiction à une mesure, puis réinjecter ce résultat dans le modèle.
Cette boucle — prédire, fabriquer, mesurer, corriger — est la promesse la plus ambitieuse de Genesis. Elle pourrait réduire le nombre d’essais nécessaires pour trouver un matériau, optimiser un catalyseur ou stabiliser un plasma de fusion. Elle rend aussi la qualité des instruments, des métadonnées et des protocoles aussi importante que celle du modèle d’IA.
Les données fédérales deviennent une infrastructure stratégique
Les États-Unis disposent d’un avantage que les laboratoires privés ne peuvent pas facilement reproduire : les données accumulées par les organismes publics. La NASA conserve plus de 150 pétaoctets d’observations provenant de télescopes, satellites, sondes et atterrisseurs. Le Département des anciens combattants associe dossiers médicaux et données génomiques à travers le Million Veteran Program. D’autres agences possèdent des mesures environnementales, des collections biologiques, des résultats d’essais sur les matériaux ou des décennies de simulations nucléaires.
Genesis doit rendre une partie de ces ressources exploitable par des modèles scientifiques, avec des niveaux d’accès adaptés à leur sensibilité. Le défi n’est donc pas seulement de déplacer des fichiers vers un centre de calcul. Il faut normaliser les formats, documenter l’origine des données, suivre leurs transformations et empêcher qu’un partenaire ou un agent n’accède à ce qui ne relève pas de sa mission.
278 projets pour éprouver l’IA sur le terrain scientifique
Le portefeuille présenté par le Département de l’Énergie donne une image plus précise de ce que recouvre l’expression « IA pour la science ». Les 278 sélections sont portées par 87 équipes des laboratoires nationaux ou de la National Nuclear Security Administration, 168 universités, 19 entreprises et quatre organisations à but non lucratif. Au total, 342 institutions participent aux projets.
La liste va bien au-delà des grands modèles de langage. Elle comprend des jumeaux numériques pour les réseaux électriques, des modèles physiques pour la turbulence et le climat, des systèmes de contrôle pour la fusion, des méthodes de séparation des terres rares, des outils de conception de protéines, des modèles pour les accélérateurs de particules et des chaînes expérimentales capables de s’ajuster à leurs propres mesures.
Le plus gros projet annoncé est un investissement de 60 millions de dollars sur trois ans consacré à l’énergie nucléaire. L’objectif est d’utiliser l’IA pour accélérer la conception et l’exploitation d’installations tout en améliorant la sécurité et en réduisant les coûts. Les équipes sélectionnées auront également accès à la plateforme Genesis, à des cadres d’agents, à des logiciels fournis par des partenaires industriels et aux ressources de calcul des laboratoires nationaux.
Ces projets ne sont toutefois pas encore tous financés. Le Département de l’Énergie précise qu’il s’agit de sélections en vue de négociations : l’administration peut modifier les conditions, interrompre les discussions ou retirer une sélection. Le communiqué ne publie pas non plus le montant individuel de la grande majorité des projets.
Ce que couvrent réellement les 5 milliards de dollars
La formule « plus de 5 milliards » mérite la même prudence. La Maison-Blanche parle d’engagements fédéraux réunissant plusieurs catégories : subventions de recherche, futurs appels à projets, accès à des installations, données spécialisées et contributions de plus de quinze agences. Son annonce ne fournit pas un tableau consolidé permettant de distinguer argent nouveau, crédits déjà votés, valeur d’infrastructures existantes et partenariats annoncés antérieurement.
Il serait donc trompeur de présenter la somme comme un unique chèque versé aujourd’hui aux 278 équipes. Les sélections du Département de l’Énergie ne constituent qu’un étage du dispositif. Genesis agrège aussi les actions de la santé, de la défense, de la NASA, de la National Science Foundation, du NIST, de l’agriculture, des transports et d’autres administrations.
Cette architecture a un avantage : elle peut éviter que chaque agence finance sa propre plateforme incompatible. Elle crée aussi une faiblesse de gouvernance. Une enveloppe globale impressionnante ne garantit ni que les ressources seront disponibles au bon moment, ni que des agences aux cultures très différentes sauront partager leurs données et leurs critères d’évaluation.
De la médecine aux armes, une même infrastructure
L’extension annoncée par la Maison-Blanche montre l’ampleur politique du programme. Dans la santé, le volet Bio Genesis veut combiner cohortes longitudinales, génomique, données cliniques et mesures environnementales afin de rechercher les causes de maladies chroniques, mieux comprendre des cancers pédiatriques rares et identifier de nouveaux usages pour des médicaments existants.
Dans l’énergie, des jumeaux numériques doivent aider à anticiper le comportement du réseau électrique, à optimiser des réacteurs et à rapprocher la fusion d’un fonctionnement commercial. Dans l’industrie, la plateforme doit soutenir la conception de puces, les matériaux avancés et la montée en échelle des procédés biologiques. La NASA prévoit d’utiliser des modèles informés par la physique pour analyser ses archives et relier observations, simulations et modèles.
Mais Genesis couvre aussi explicitement la sécurité nationale. Le programme prévoit d’accélérer la conception, les essais et la certification de composants d’armes conventionnelles et nucléaires, de qualifier de nouveaux matériaux pour la dissuasion et d’améliorer l’attribution de signatures nucléaires. La même capacité qui réduit un cycle d’expérimentation en chimie peut également raccourcir un cycle de conception militaire.
Ce double usage n’est pas un détail périphérique. Il explique pourquoi la plateforme porte à la fois les mots « science » et « security », pourquoi certaines données resteront classifiées et pourquoi l’accès des partenaires devra être soumis aux règles américaines de cybersécurité, de propriété intellectuelle et de contrôle des exportations.
Accélérer la découverte ne dispense pas de la vérifier
L’objectif officiel est de doubler en dix ans la productivité et l’impact de la science et de l’ingénierie américaines. Aucun indicateur public ne définit encore clairement comment ce doublement sera mesuré. Compter le nombre d’hypothèses, de simulations ou de publications favoriserait la quantité. Mesurer des découvertes confirmées, des technologies transférées ou des traitements efficaces demanderait davantage de temps.
Le rapport scientifique publié par la Maison-Blanche la veille de l’annonce reconnaît le problème. Il avertit qu’une IA entraînée sur une littérature imparfaite peut renforcer les erreurs existantes et appelle à développer une infrastructure de vérification à la même échelle que l’infrastructure de génération. La reproductibilité, la traçabilité et la publication des résultats négatifs doivent donc devenir des propriétés du système, pas des corrections ajoutées après coup.
Pour les laboratoires autonomes, cela implique des garde-fous très matériels : instruments calibrés, protocoles enregistrés, contrôle indépendant des résultats, seuils d’arrêt et validation humaine avant une expérience dangereuse ou coûteuse. Pour les modèles, il faut distinguer une corrélation prometteuse d’une relation causale et conserver une estimation honnête de l’incertitude.
Les données médicales et industrielles ajoutent d’autres risques. Un modèle peut mémoriser des informations sensibles, révéler indirectement un secret commercial ou produire une recommandation biaisée par une cohorte peu représentative. Centraliser l’accès au calcul et aux données facilite la recherche, mais concentre aussi les conséquences d’une erreur de permission ou d’une intrusion.
Un pari de souveraineté scientifique autant que technologique
Genesis Mission ne cherche pas seulement à obtenir de meilleurs algorithmes. Le programme organise une chaîne complète : données publiques, capacité de calcul, modèles, instruments, chercheurs et débouchés industriels. C’est cette intégration qui peut devenir un avantage stratégique durable.
L’approche envoie aussi un signal aux autres puissances. La compétition sur l’IA ne se joue plus uniquement sur le classement des modèles généralistes. Elle porte sur la capacité à transformer un résultat numérique en matériau, médicament, réacteur, capteur ou procédé industriel validé. Dans cette course, les grands équipements scientifiques et les bases de données publiques redeviennent des actifs centraux.
Pour l’Europe, la question n’est pas nécessairement de copier une mobilisation américaine profondément liée à la défense. Elle est de savoir comment relier ses supercalculateurs, ses infrastructures de recherche, ses données de santé et ses laboratoires sans fragmenter les accès entre programmes nationaux. L’IA scientifique récompense moins les annonces isolées que la continuité entre calcul, expérimentation et validation.
Les 5 milliards annoncés donnent à Genesis une dimension budgétaire. Les 278 projets lui donnent des cas d’usage. Le test décisif viendra ensuite : démontrer qu’une plateforme nationale peut produire des découvertes plus rapides et plus fiables, tout en protégeant les données et en rendant lisible l’usage réel de l’argent public.
Références
- Maison-Blanche — Trump Administration Announces More Than $5 Billion for the Genesis Mission, 22 juillet 2026
- Département de l’Énergie — First Genesis Mission Projects Selected to Accelerate AI-Driven Scientific Discovery, 22 juillet 2026
- Département de l’Énergie — Genesis Mission RFA Awards List, 22 juillet 2026
- Maison-Blanche — Science: A New Golden Age, 21 juillet 2026
- Maison-Blanche — Executive Order 14363, Launching the Genesis Mission, 24 novembre 2025
