Canal des membres丨Zhou Zhihua : Diriger la transformation du paradigme de la recherche scientifique par l'intelligence artificielle

La quatrième session de la 14e Assemblée nationale consultative du 7 au soir a tenu sa deuxième séance plénière, lors de laquelle les membres ont prononcé des allocutions. Xinhuanet a assuré une diffusion en ligne par texte et images.

Zhou Zhihua, vice-président de l’Université de Nankin et académicien de l’Académie chinoise des sciences :

Chers membres, au nom des personnes sans affiliation politique, je souhaite m’exprimer sur le sujet : « Diriger la transformation des paradigmes de la recherche scientifique par l’intelligence artificielle ».

« L’intelligence artificielle au service de la recherche scientifique » est en train de provoquer une révolution historique dans le paradigme de la recherche, étant considérée comme le « cinquième paradigme scientifique » après ceux de l’expérience, de la théorie, du calcul et des données. Elle permet non seulement d’accélérer la résolution de grands problèmes scientifiques de longue date, mais aussi de reconstruire les voies fondamentales de la découverte scientifique, tout en améliorant considérablement l’efficacité de l’innovation originelle. En août 2025, le Conseil d’État a publié l’« Avis sur la mise en œuvre approfondie de l’action ‘Intelligence artificielle+’ », qui a clairement inscrit la science et la technologie ‘Intelligence artificielle+’ parmi les actions clés à accélérer. Actuellement, une partie des travaux de recherche en sciences se limite à une simple utilisation d’outils ou à des tentatives aveugles de former des « grands modèles scientifiques » universels pour répondre à toutes les questions. Par ailleurs, le coût élevé d’acquisition des données scientifiques, le manque d’uniformité des standards, la faible volonté de partage, la qualité inégale de l’étiquetage des données, ainsi que l’absence de jeux de données scientifiques autorisés, standardisés et à grande échelle, entraînent une faible efficacité de l’entraînement des modèles d’IA, des difficultés à garantir leur fiabilité, ainsi qu’un phénomène de duplication des efforts et de gaspillage des ressources.

À cet égard, je propose :

1. Renforcer l’orientation politique, améliorer la capacité d’innovation fondamentale. Optimiser la planification globale de la recherche scientifique dans le domaine de l’intelligence artificielle, éviter une concentration excessive des ressources sur des applications gourmandes en calcul, corriger l’erreur de suivre aveuglément la tendance des « grands modèles qui résolvent tout », et accroître le soutien à la recherche fondamentale en algorithmes d’IA, afin d’améliorer la capacité d’innovation pour concevoir des solutions algorithmiques adaptées à des problèmes spécifiques. Soutenir prioritairement un certain nombre de projets de recherche fondamentale à caractère prospectif et stratégique, encourager les chercheurs à mener des recherches originales. Par ailleurs, encourager la participation des entreprises et des capitaux sociaux à la recherche fondamentale en algorithmes d’IA, afin de former un mécanisme d’investissement diversifié. Établir un système d’évaluation scientifique et rationnel de la recherche, créer un environnement favorable à l’exploration et tolérant à l’échec.

2. Transformer les modes de formation, bâtir une équipe de talents pluridisciplinaires. Construire dès la source un système de formation de talents innovants combinant l’intelligence artificielle et la recherche scientifique, soutenir la mise en place par des universités de haut niveau de programmes de double diplôme « Doctorat + Master », permettant aux doctorants en IA d’obtenir simultanément un master en sciences dans un domaine scientifique, en explorant un nouveau modèle de formation intégrée interdisciplinaire, et de former systématiquement des « scientifiques bilingues » maîtrisant à la fois les connaissances du domaine et les technologies de pointe en IA. Par ailleurs, instaurer dans les processus d’obtention de diplômes, de promotion professionnelle et d’évaluation des performances des « zones de croisement disciplinaire » pour résoudre le problème que les talents interdisciplinaires ne soient pas bien intégrés dans les systèmes d’évaluation traditionnels.

3. Mettre l’accent sur la vulgarisation bidirectionnelle, promouvoir l’élimination des barrières disciplinaires. Construire un mécanisme de « traduction bidirectionnelle » et de collaboration interdisciplinaire. D’un côté, des chercheurs en sciences abstraient et traduisent les questions scientifiques en un langage compréhensible par les chercheurs en IA, formulant ainsi les enjeux clés en termes accessibles pour leur permettre de proposer des solutions ciblées. De l’autre, des spécialistes en IA réalisent des actions de vulgarisation auprès des chercheurs traditionnels, clarifiant les limites technologiques à travers des cas concrets, afin d’éliminer la peur ou la vénération aveugle envers l’IA, et d’expliquer que l’IA, en tant qu’outil d’aide à la découverte scientifique, est essentielle. Encourager l’organisation régulière de salons interdisciplinaire pour favoriser les échanges entre chercheurs de divers horizons, afin de faire passer la collaboration de la simple sensibilisation à une coopération substantielle.

4. Renforcer la gouvernance des données, construire un écosystème de données scientifiques. Dirigée par les départements gouvernementaux concernés, la création d’une plateforme nationale de partage et de service des données scientifiques. S’appuyer sur des laboratoires clés et autres plateformes technologiques majeures pour établir un dépôt de données scientifiques standardisé, élaborer des standards pour la collecte, l’étiquetage, le stockage et le partage des données dans chaque discipline, introduire un mécanisme de rétroaction sur la qualité des données, et continuer à optimiser la gestion des actifs de données. Par le biais de financements de projets et d’évaluations de résultats, encourager les institutions de recherche et les chercheurs à ouvrir et partager leurs données scientifiques, afin de créer un écosystème sain et d’optimiser leur utilisation. Par ailleurs, renforcer la R&D technologique et l’élaboration de lois et règlements pour protéger efficacement les informations sensibles et la propriété intellectuelle durant le processus de partage des données.