Prix Nobel de chimie 2024 : l'IA reconnue par la science

Le 9 octobre 2024, peu avant midi à Stockholm, l'Académie royale des sciences de Suède a prononcé trois noms : David Baker, Demis Hassabis et John Jumper. Le prix Nobel de chimie venait de récompenser des travaux où l'intelligence artificielle tient le premier rôle. La veille, le même aréopage avait attribué le Nobel de physique à John Hopfield et Geoffrey Hinton, pères des réseaux de neurones. En une seule semaine, l'institution qui décerne depuis 1901 la plus haute distinction scientifique mondiale a inscrit l'apprentissage automatique au panthéon de la recherche. Cet article ne raconte pas comment AlphaFold plie les protéines — d'autres pages de cette chronologie s'en chargent. Il raconte autre chose, plus rare : le moment où la science a officiellement reconnu l'IA comme l'un de ses instruments majeurs.

Ce que c'était : trois lauréats, une consécration

À 11h45 heure de Stockholm, le 9 octobre 2024, Hans Ellegren, secrétaire général de l'Académie royale des sciences de Suède, a ouvert l'enveloppe scellée. Le prix Nobel de chimie 2024 était attribué pour des travaux portant sur les protéines, ces molécules qui font tourner la chimie du vivant. La formulation officielle a réparti la distinction en deux volets distincts.

Une moitié du prix est revenue à David Baker, biochimiste à l'Université de Washington à Seattle, « pour la conception computationnelle de protéines » (computational protein design). L'autre moitié a été partagée entre Demis Hassabis, cofondateur et directeur de Google DeepMind, et John Jumper, chercheur principal chez DeepMind, « pour la prédiction de la structure des protéines » (protein structure prediction). Le montant total, 11 millions de couronnes suédoises, a été divisé selon cette architecture : la moitié pour Baker, l'autre moitié à se partager entre Hassabis et Jumper.

La subtilité de ce partage mérite qu'on s'y arrête, parce qu'elle dit beaucoup de ce que l'Académie a voulu saluer. D'un côté, on récompense la capacité à créer des protéines qui n'existent pas dans la nature — dessiner de toutes pièces des molécules aux fonctions nouvelles. De l'autre, on récompense la capacité à prédire la forme tridimensionnelle d'une protéine à partir de sa seule séquence d'acides aminés, ce fameux problème du repliement resté ouvert pendant un demi-siècle. Deux facettes d'une même révolution : la rencontre du calcul et de la biologie moléculaire.

« L'une des découvertes récompensées cette année concerne la construction de protéines spectaculaires. L'autre consiste à réaliser un rêve vieux de cinquante ans : prédire les structures protéiques à partir de leurs séquences d'acides aminés. »
Heiner Linke, président du comité Nobel de chimie 2024

Ce qui distingue ce Nobel des précédents, c'est la nature de l'outil célébré. AlphaFold, le système développé par l'équipe de DeepMind, est un modèle d'intelligence artificielle. Ce n'est pas une réaction chimique inédite, ni un microscope d'un genre nouveau : c'est un réseau de neurones entraîné sur des données. Pour la première fois de manière aussi frontale, le comité de chimie plaçait un logiciel d'apprentissage automatique au cœur d'une avancée jugée digne de la plus haute distinction de la discipline.

La réaction des lauréats

Demis Hassabis, joint peu après l'annonce, a résumé son sentiment en une phrase devenue célèbre. Dans la déclaration diffusée par DeepMind, il évoque « l'honneur d'une vie » et rappelle sa motivation de fond.

« Recevoir le prix Nobel est l'honneur d'une vie. J'ai consacré ma carrière à faire progresser l'IA en raison de son potentiel inégalé pour améliorer la vie de milliards de personnes. »
Demis Hassabis, cofondateur et PDG de Google DeepMind

Cette formulation, choisie avec soin, dessine la ligne que ce prix a rendue officielle : l'IA n'est pas une fin en soi, mais un levier au service de la découverte et, in fine, de la santé humaine. Le comité Nobel n'a d'ailleurs pas récompensé une prouesse abstraite. Il a salué un outil déjà entré dans le quotidien de la recherche mondiale, utilisé pour comprendre des maladies, concevoir des enzymes ou explorer des mécanismes cellulaires que la biologie peinait à cartographier.

Le contexte : pourquoi ce prix, à ce moment précis

Pour saisir l'ampleur de la reconnaissance, il faut se rappeler d'où venait le domaine. Le repliement des protéines — la manière dont une chaîne linéaire d'acides aminés se replie spontanément en une forme tridimensionnelle précise — figurait parmi les grandes énigmes de la biologie depuis les années 1970. On savait que la séquence détermine la forme, et que la forme détermine la fonction. Mais passer de la séquence à la forme relevait, pendant des décennies, d'un travail expérimental long, coûteux et laborieux, mené atome par atome au moyen de la cristallographie aux rayons X ou de la résonance magnétique nucléaire.

Déterminer une seule structure pouvait mobiliser des années de laboratoire. Or connaître la forme d'une protéine, c'est comprendre comment un médicament pourra s'y fixer, comment une enzyme accélère une réaction, comment un virus s'accroche à une cellule. L'enjeu était considérable, et le goulot d'étranglement, immense.

Le tournant de 2020

C'est en 2020, lors de la compétition scientifique CASP14 — l'épreuve de référence qui évalue à l'aveugle les méthodes de prédiction de structure — que la deuxième version d'AlphaFold a atteint un niveau de précision comparable à celui des méthodes expérimentales. L'événement a été perçu par la communauté comme la résolution d'un problème que beaucoup jugeaient hors de portée à cette échéance. Le détail technique de cette percée est traité ailleurs dans cette chronologie ; ce qu'il faut retenir ici, c'est le point d'arrivée : quatre ans plus tard, l'outil issu de cette percée entrait au Nobel.

Entre-temps, DeepMind avait pris une décision qui a pesé lourd dans la reconnaissance scientifique. Plutôt que de garder ses résultats sous clé, l'équipe a mis en accès ouvert une base de données monumentale de structures prédites. En octobre 2024, au moment du prix, cette ressource couvrait, selon le comité Nobel, la quasi-totalité des quelque 200 millions de protéines cataloguées par les chercheurs, et elle était consultée par plus de deux millions d'utilisateurs répartis dans plus de 190 pays. Un chercheur pouvait désormais obtenir en quelques minutes une prédiction de structure qui aurait autrefois exigé des années.

• 200 millions de protéines dont la structure a pu être prédite grâce à AlphaFold, soit la quasi-totalité des protéines identifiées.
• Plus de 2 millions d'utilisateurs de la base AlphaFold dans plus de 190 pays au moment du prix.
• Cinquante ans : l'ancienneté du problème du repliement, tel que posé dès les années 1970.
• De quelques années à quelques minutes : le gain de temps pour obtenir une structure protéique fiable.

Ce sont ces trois facteurs — une percée technique validée, une diffusion en accès ouvert, et une adoption planétaire — qui ont convergé pour rendre la reconnaissance quasi inévitable. Le comité ne récompensait pas une promesse, mais un instrument déjà installé au cœur de la pratique scientifique.

Le versant Baker : concevoir plutôt que prédire

Si l'histoire retient surtout AlphaFold, la moitié du prix attribuée à David Baker mérite une attention égale, car elle éclaire l'autre visage de cette révolution computationnelle. Depuis le début des années 2000, Baker et son laboratoire ont développé des méthodes pour concevoir des protéines entièrement nouvelles, dotées de fonctions inédites, à l'aide d'outils logiciels comme Rosetta. Là où AlphaFold lit la nature, l'approche de Baker écrit de nouvelles pages. Depuis 2003, son équipe a produit des protéines aux usages potentiels variés : catalyseurs, capteurs moléculaires, briques de vaccins, matériaux à l'échelle nanométrique.

Le comité a donc envoyé un message à deux voix : la biologie moléculaire est devenue une discipline où l'on prédit et où l'on crée, portée dans les deux cas par des méthodes computationnelles de plus en plus assistées par l'apprentissage automatique. C'est cette double reconnaissance qui donne au Nobel de chimie 2024 sa cohérence profonde.

Deux Nobel « IA » la même semaine

L'histoire du prix de chimie 2024 ne se comprend pleinement qu'en la reliant à ce qui s'est passé vingt-quatre heures plus tôt. Le 8 octobre 2024, le prix Nobel de physique était décerné conjointement à John Hopfield, de l'Université de Princeton, et Geoffrey Hinton, de l'Université de Toronto, « pour des découvertes et inventions fondamentales qui permettent l'apprentissage automatique au moyen de réseaux de neurones artificiels ».

La coïncidence est frappante et n'a échappé à personne. En une semaine, l'Académie royale des sciences de Suède a distingué deux fois l'intelligence artificielle, dans deux disciplines différentes. Le prix de physique honorait les fondations théoriques — les travaux des années 1980 qui ont rendu possible l'apprentissage machine moderne. Le prix de chimie honorait une application spectaculaire de ces fondations. Ensemble, ils dessinent un récit complet : de la théorie des réseaux de neurones à leur usage pour percer un mystère biologique majeur.

Hopfield et Hinton : les fondations

John Hopfield a inventé, en 1982, un réseau qui porte aujourd'hui son nom, capable de mémoriser et de reconstruire des motifs. Le réseau de Hopfield s'appuie sur une physique décrivant les propriétés d'un matériau à partir du spin de ses atomes : une passerelle élégante entre la physique statistique et le traitement de l'information. Geoffrey Hinton, de son côté, a mobilisé les outils de la physique statistique pour concevoir la machine de Boltzmann, capable d'apprendre à reconnaître des éléments caractéristiques dans un jeu de données.

Ni l'un ni l'autre n'avaient directement collaboré, mais leurs travaux se sont répondus et ont posé, dès les années 1980, les bases de l'essor de l'apprentissage automatique qui a véritablement décollé autour de 2010. Le choix de couronner ces travaux au titre de la physique a d'ailleurs suscité des discussions dans la communauté, certains physiciens s'interrogeant sur la frontière disciplinaire. C'est précisément ce débat qui rend la semaine intéressante.

« Je suis abasourdi. Je n'avais aucune idée que cela arriverait. Je suis très surpris. »
Geoffrey Hinton, au téléphone après l'annonce du prix Nobel de physique 2024

Hinton, souvent surnommé l'un des « parrains » de l'apprentissage profond, se trouvait dans un modeste hôtel de Californie, avec une connexion téléphonique médiocre, quand il a appris la nouvelle. Sa réaction spontanée, largement relayée, contraste avec la solennité de l'événement et rappelle une évidence : même ceux qui ont bâti le domaine n'attendaient pas de voir leurs idées consacrées par le Nobel de physique.

Trois trajectoires, un même carrefour

Derrière la médaille, il y a trois parcours singuliers qui se rejoignent à un carrefour improbable, celui où la biologie moléculaire rencontre l'informatique. Prendre un instant pour les présenter éclaire la signification du prix : ce ne sont pas des logiciels qui ont été récompensés, mais des chercheurs qui ont su faire dialoguer des mondes longtemps séparés.

David Baker, l'architecte des protéines

Biochimiste à l'Université de Washington à Seattle, David Baker travaille depuis plus de deux décennies sur une question qui semblait relever de la science-fiction : peut-on dessiner, sur ordinateur, une protéine qui n'existe nulle part dans la nature, puis la fabriquer réellement au laboratoire ? En 2003, son logiciel Rosetta a franchi une étape décisive en concevant à partir de rien un repliement protéique inédit. Rosetta analyse des fragments structuraux de protéines connues et s'en sert pour bâtir de nouvelles molécules aux formes voulues. Depuis, son laboratoire a produit un flot continu de protéines de synthèse aux fonctions variées, et a mis à disposition de la communauté des outils computationnels ouverts. Baker illustre une idée forte : concevoir le vivant devient un acte d'ingénierie assistée par le calcul.

John Jumper, le benjamin du palmarès

Né en 1985 à Little Rock, dans l'Arkansas, John Jumper est devenu, à trente-neuf ans, le plus jeune lauréat du Nobel de chimie depuis plus de soixante-dix ans. Son parcours est celui d'un scientifique à cheval entre les disciplines : formé à la physique théorique, titulaire d'une bourse Marshall qui l'a mené à Cambridge, docteur de l'Université de Chicago en 2017, il a rejoint DeepMind pour y devenir chercheur principal et diriger le développement d'AlphaFold. Son histoire dit quelque chose de l'époque : les grandes avancées scientifiques naissent désormais souvent aux intersections, portées par des chercheurs capables de manier à la fois l'équation physique et le réseau de neurones.

Demis Hassabis, du jeu vidéo à la biologie

Cofondateur et directeur de Google DeepMind, Demis Hassabis a un parcours atypique : concepteur de jeux vidéo dans sa jeunesse, neuroscientifique de formation, il a fondé DeepMind avec la conviction que l'on pouvait bâtir des systèmes d'IA généraux capables de résoudre des problèmes scientifiques concrets. AlphaFold est la démonstration éclatante de cette conviction. Sa déclaration après l'annonce — « J'ai consacré ma carrière à faire progresser l'IA en raison de son potentiel inégalé pour améliorer la vie de milliards de personnes » — résume une philosophie où la recherche fondamentale et l'utilité humaine ne s'opposent pas.

Ces trois trajectoires partagent un dénominateur commun : la conviction que le calcul, bien conçu, peut ouvrir des portes que l'expérimentation seule mettrait des décennies à franchir. Le comité Nobel, en les réunissant sous un même prix, a validé cette conviction.

Le Nobel et l'IA : une reconnaissance longtemps attendue

La distinction de 2024 n'est pas tout à fait sortie de nulle part. Elle s'inscrit dans une longue histoire de rapports entre le prix Nobel et les méthodes de calcul. Dès 1998, le Nobel de chimie avait récompensé la chimie quantique computationnelle, saluant l'idée que l'ordinateur pouvait devenir un véritable laboratoire virtuel. En 2013, il avait honoré la modélisation multi-échelle des systèmes chimiques complexes. À chaque fois, le message se précisait : simuler, modéliser, calculer sont des activités scientifiques de plein droit, au même titre que mesurer ou observer.

Ce que 2024 ajoute à cette lignée, c'est la dimension d'apprentissage. Les méthodes primées ne se contentent pas d'appliquer des lois physiques connues à grande échelle : elles apprennent à partir de données, découvrant des régularités que nul n'avait explicitement programmées. C'est un saut qualitatif. L'ordinateur n'est plus seulement un calculateur rapide ; il devient, dans un sens précis et encadré, un système qui généralise à partir de l'expérience accumulée.

Pourquoi la chimie, pour un outil né en informatique ?

On aurait pu s'attendre à ce qu'un système d'IA soit récompensé au titre de l'informatique — sauf qu'il n'existe pas de Nobel d'informatique. Le choix de la chimie n'a rien d'arbitraire : ce que l'Académie a distingué, ce n'est pas AlphaFold en tant que prouesse algorithmique, mais l'usage de cet outil pour résoudre un problème central de la chimie du vivant. La nuance est importante. Le prix ne célèbre pas la technologie pour elle-même ; il célèbre ce qu'elle a permis de comprendre du monde moléculaire. Cette manière de poser les choses évite l'écueil de l'idolâtrie technologique : l'outil compte par ses fruits scientifiques, pas par sa seule ingéniosité.

Ce cadrage a été largement salué par la communauté. En rattachant l'IA à une question disciplinaire précise — le repliement des protéines et leur conception —, l'Académie a montré qu'elle savait distinguer l'effet de mode de l'apport durable. Elle n'a pas récompensé « l'intelligence artificielle » en général, notion trop vaste, mais deux contributions nettes, vérifiables, aux conséquences mesurables pour la recherche mondiale.

Ce que ça signifie : l'IA reconnue comme outil scientifique majeur

Que retenir de cette double distinction ? D'abord, un basculement symbolique. Le prix Nobel, par sa longévité et son prestige, agit comme un sismographe de ce que la science juge fondamental. En récompensant deux fois l'apprentissage automatique en une semaine, l'Académie a acté que l'IA n'est plus une curiosité périphérique, mais un instrument central de la découverte scientifique — au même rang que le microscope, la spectrométrie ou la cristallographie en leur temps.

Cette reconnaissance a une portée pratique. Elle légitime, aux yeux des institutions, des financeurs et des jeunes chercheurs, une manière de faire de la science où le modèle computationnel devient un partenaire de la paillasse. Les laboratoires qui hésitaient à investir dans ces méthodes disposaient désormais d'un signal sans ambiguïté : cette voie mène au sommet de la reconnaissance scientifique.

Un débat légitime sur la place de l'IA dans les prix

Le double Nobel 2024 a aussi ravivé une réflexion de fond, qu'il serait malhonnête de passer sous silence. Comment attribuer un prix quand l'avancée repose sur un outil logiciel développé par une grande équipe, souvent au sein d'une entreprise privée ? Le Nobel récompense traditionnellement des individus, jusqu'à trois par prix. Or l'IA moderne est, par nature, une œuvre collective : ingénieurs, chercheurs, contributeurs de données, mainteneurs de bases publiques. Le choix de nommer Hassabis et Jumper, aux côtés de Baker, a suscité des interrogations sur la reconnaissance des équipes entières qui rendent ces systèmes possibles.

De la même manière, l'attribution du prix de physique à des travaux fondateurs de l'IA a nourri une discussion sur les frontières disciplinaires. Est-ce de la physique ? De l'informatique ? Des mathématiques appliquées ? La réponse, sans doute, tient dans le constat que l'apprentissage automatique traverse aujourd'hui toutes les disciplines, brouillant des cloisons héritées du XXe siècle. Loin d'être un problème, cette porosité est peut-être le signe le plus clair de la maturité du domaine.

Ces débats ne diminuent en rien la valeur des travaux récompensés. Ils témoignent au contraire d'une science qui s'interroge sur ses propres critères à mesure que ses outils évoluent — exercice sain, et signe de vitalité intellectuelle.

La question du rôle des données publiques

Un aspect moins commenté mérite d'être souligné, car il touche au cœur de ce qui a rendu la percée possible. AlphaFold n'aurait rien pu apprendre sans des décennies de structures protéiques déterminées expérimentalement et déposées dans des bases de données publiques comme la Protein Data Bank, ouverte dès 1971. Autrement dit, l'exploit computationnel repose sur un patrimoine scientifique collectif, patiemment accumulé par des milliers de cristallographes et de biologistes du monde entier. Le prix récompense la synthèse, mais cette synthèse n'existe que parce qu'une communauté a, pendant un demi-siècle, partagé ses résultats. C'est un rappel salutaire : l'IA scientifique la plus performante reste tributaire de la qualité et de l'ouverture des données qui la nourrissent.

Cette dépendance dessine une responsabilité pour la suite. Si l'on veut que d'autres disciplines connaissent des avancées comparables, il faudra continuer d'investir dans la constitution de jeux de données ouverts, soignés, documentés. Le Nobel 2024 est aussi, en creux, un hommage à la culture du partage scientifique — celle qui rend possible que le travail des uns devienne le tremplin des autres.

L'écho dans la communauté scientifique

La réception du prix, dans les jours qui ont suivi, a confirmé la légitimité du choix. De nombreuses institutions et sociétés savantes ont salué la distinction, y voyant la juste reconnaissance d'un basculement méthodologique déjà largement adopté sur le terrain. Les biologistes structuraux, en première ligne, ont souligné à quel point leur pratique s'était transformée en quelques années : la prédiction de structure, jadis étape la plus ardue de nombreux projets, était devenue un point de départ accessible.

Cet enthousiasme s'est accompagné d'analyses nuancées. Plusieurs voix ont rappelé qu'une structure prédite reste une hypothèse à valider expérimentalement, et que l'outil ne dispense ni de la rigueur ni du jugement scientifique. Loin d'affaiblir le prix, ces réserves en confirmaient la solidité : l'Académie récompensait un instrument dont la communauté connaissait à la fois la puissance et les limites. C'est le signe d'une technologie parvenue à maturité, intégrée sans naïveté dans la pratique quotidienne.

Une reconnaissance mesurée, pas un emballement

Il faut aussi noter la prudence du comité. Nulle part l'Académie n'a suggéré que l'IA remplacerait le chercheur. Le récit officiel est celui d'une science augmentée : l'outil accélère, élargit le champ du possible, mais l'hypothèse, la question, l'interprétation et la validation restent l'affaire des scientifiques. AlphaFold prédit des structures ; ce sont des biologistes qui décident quoi en faire, quelles expériences monter, quelles conclusions tirer. Le Nobel 2024 célèbre une collaboration entre l'humain et la machine, non une substitution.

L'héritage : une science augmentée, de 2024 à aujourd'hui

Avec le recul de près de deux ans — nous écrivons en juillet 2026 — la portée de cette semaine d'octobre 2024 se lit plus nettement encore. Elle a marqué le moment où l'usage de l'IA dans la recherche est passé du statut d'exception remarquable à celui de pratique attendue. Dans de nombreux domaines, la question n'est plus « faut-il utiliser des méthodes d'apprentissage automatique ? » mais « comment les utiliser rigoureusement, en gardant la maîtrise de la validation ? ».

L'accélération de la découverte

Le principal héritage tient dans un mot : accélération. Là où la biologie structurale avançait protéine par protéine, elle dispose désormais d'une carte quasi complète du monde protéique connu, librement consultable. Cette ressource a raccourci d'innombrables projets de recherche, permettant à des équipes modestes d'accéder à des informations structurales qui exigeaient autrefois des moyens considérables. La conception de médicaments, l'étude des maladies négligées, l'ingénierie d'enzymes utiles à l'industrie ou à la dépollution : autant de terrains où le point de départ a changé de nature.

Cette dynamique s'est prolongée après le prix. Les approches de conception de protéines à la Baker et de prédiction à la AlphaFold ont continué de converger, ouvrant la voie à des systèmes capables non seulement de prédire des structures existantes, mais de raisonner sur des assemblages moléculaires plus larges, incluant l'interaction entre protéines et autres molécules du vivant. La chimie du vivant, dans son ensemble, est devenue un objet que l'on peut modéliser à grande échelle.

Un modèle pour d'autres disciplines

Le double Nobel a agi comme un précédent. Il a encouragé d'autres champs — sciences des matériaux, climatologie, astronomie, mathématiques — à intégrer plus franchement les méthodes d'apprentissage automatique dans leur boîte à outils, avec la certitude que cette démarche est scientifiquement reconnue. Le raisonnement est simple : si l'IA a pu résoudre un problème biologique vieux de cinquante ans, quels autres verrous, ailleurs, pourrait-elle contribuer à faire sauter ?

Cette diffusion s'accompagne d'une exigence nouvelle : celle de la reproductibilité et de la transparence. Un modèle qui produit une prédiction doit pouvoir être audité, ses limites comprises, ses erreurs identifiées. La communauté scientifique, échaudée par les zones d'ombre de certains systèmes, a fait de la vérification une priorité. C'est peut-être là l'héritage le plus mûr de 2024 : non pas une foi aveugle dans la machine, mais une pratique rigoureuse de la science assistée, où l'outil est puissant et où le contrôle humain demeure la règle.

Une inspiration pour une génération de chercheurs

Il y a enfin un héritage plus intangible, mais tout aussi réel : l'effet d'entraînement sur les vocations. Voir des méthodes computationnelles couronnées au plus haut niveau envoie un signal aux étudiants et aux jeunes chercheurs qui hésitent entre plusieurs voies. Les cursus mêlant biologie, informatique et physique statistique — longtemps considérés comme atypiques — apparaissent désormais comme des chemins royaux vers la découverte. Les portraits de Jumper, formé à la physique avant de basculer vers la biologie computationnelle, ou de Hassabis, venu des sciences cognitives, incarnent cette hybridation devenue féconde.

Cette recomposition des parcours pourrait bien être l'un des effets les plus durables de la semaine d'octobre 2024. En reconnaissant que les grandes énigmes se résolvent aujourd'hui au croisement des disciplines, le Nobel a implicitement invité une génération à cultiver la polyvalence plutôt que la spécialisation étroite. Pour un domaine aussi jeune et mouvant que l'intelligence artificielle appliquée à la science, c'est peut-être le plus précieux des encouragements.

Ce que 2025 et 2026 ont confirmé

Depuis le prix, la tendance ne s'est pas démentie. Les méthodes de prédiction et de conception moléculaire ont continué de s'affiner et de s'étendre au-delà des seules protéines, vers des assemblages plus complexes du vivant. Les laboratoires académiques, les instituts de recherche publique et les acteurs industriels ont intégré ces approches dans leurs flux de travail quotidiens. La circulation des talents entre grands laboratoires d'IA témoigne aussi de l'effervescence du domaine, plusieurs chercheurs de premier plan poursuivant leurs travaux dans de nouveaux environnements. Loin d'un feu de paille, la reconnaissance de 2024 a marqué le début d'une décennie où la science computationnelle du vivant est devenue une discipline à part entière.

Prix	Date d'annonce	Lauréats	Motif officiel
Nobel de physique 2024	8 octobre 2024	John Hopfield · Geoffrey Hinton	Découvertes fondamentales permettant l'apprentissage automatique par réseaux de neurones artificiels
Nobel de chimie 2024	9 octobre 2024	David Baker	Conception computationnelle de protéines
Nobel de chimie 2024	9 octobre 2024	Demis Hassabis · John Jumper	Prédiction de la structure des protéines (AlphaFold)

Ce que la médaille a vraiment récompensé

Au fond, le Nobel de chimie 2024 raconte moins une prouesse technique qu'une transformation du regard. La science a longtemps considéré le calcul comme un auxiliaire, utile pour traiter les données une fois l'expérience faite. En octobre 2024, elle a reconnu que le calcul, quand il apprend, peut devenir une source de découverte à part entière — capable de proposer, de prédire, de concevoir. C'est un déplacement discret mais profond, et l'Académie de Stockholm l'a scellé de son autorité.

Pour un média qui suit l'histoire de l'intelligence artificielle, cette semaine d'octobre 2024 restera un point de repère. Non parce qu'un logiciel a gagné une médaille — la médaille est allée à des femmes et des hommes, à leur intuition, à leur travail — mais parce que la science a admis, officiellement, que ses outils avaient changé de nature. AlphaFold et les réseaux de neurones ne sont pas venus remplacer la curiosité humaine. Ils l'ont dotée d'une portée nouvelle. Et c'est cette portée, mise au service de la santé, de la biologie et de la connaissance, que le Nobel a choisi de célébrer.

Sources

• NobelPrize.org — Communiqué officiel du prix Nobel de chimie 2024 (Baker, Hassabis, Jumper)
• NobelPrize.org — Communiqué officiel du prix Nobel de physique 2024 (Hopfield, Hinton)
• Google DeepMind — Demis Hassabis et John Jumper récompensés par le Nobel de chimie
• Académie royale des sciences de Suède — The Nobel Prize in Chemistry 2024
• University of Toronto — Geoffrey Hinton remporte le prix Nobel de physique
• Chemical & Engineering News — Baker, Hassabis et Jumper lauréats du Nobel de chimie 2024
• Physics World — Hopfield et Hinton se partagent le Nobel de physique 2024