Matteo Manica, mathématicien : « L'IA nous donne des super pouvoirs ; c'est à nous de choisir comment les utiliser. »

On dit que les mathématiques sont au service de toutes les disciplines. Et c'est vrai. Aucune science ne peut s'en passer. Discipline merveilleuse, les mathématiques peuvent changer le monde, mais seules, sans les autres disciplines, elles risquent de rester abstraites. Avec l'intelligence artificielle, par exemple, elles peuvent être appliquées aux découvertes scientifiques et aux problèmes industriels. C'est ce que je fais.

Matteo Manica est passionné par sa discipline, les mathématiques. À condition qu'elles soient appliquées. Il est chercheur principal chez IBM Research à Zurich, un joyau caché au cœur de l'Europe où travaillent des lauréats du prix Nobel et du prix Turing. les technologies les plus avancées naissent, de l’intelligence artificielle à l’informatique quantique.

Manica construit des modèles d'IA pour améliorer les processus industriels, de la génération de nouveaux matériaux plus durables à la modélisation de nouvelles formulations chimiques.

Il a étudié l'ingénierie mathématique à l'Université polytechnique de Milan et a choisi dès le départ de travailler à la croisée des chemins entre théorie et application. « Les mathématiques sont indispensables. Elles assurent la cohésion de toutes les disciplines, mais elles ne suffisent pas à elles seules. Nous avons besoin d'autres outils, d'autres langages pour les comprendre. »

En 2020, chez IBM Research à Zurich, Manica et son équipe ont créé un projet inédit : un laboratoire de chimie entièrement contrôlé par l'intelligence artificielle. Ils ont entraîné des modèles en langage naturel – comme ChatGPT, Claude, Granite et d'autres – avec des millions de brevets de chimie organique, créant ainsi un système capable de créer de nouvelles molécules de manière autonome.

Voici comment cela fonctionne : vous dessinez une molécule sur un écran, et des modèles de langage spécialisés vous indiquent comment la construire, quels réactifs utiliser et quelles étapes suivre. La procédure est ensuite transférée à un robot. Et ce robot l’exécute. Pas de formules manuscrites, pas d’équations. Juste un modèle capable de lire et d’écrire le langage de la chimie. Nous traitons les molécules comme des séquences. C’est comme si le modèle traduisait une phrase d’une langue à une autre : du produit final aux ingrédients de départ.

Aujourd'hui, Manica crée des modèles pour produire des produits plus durables. « Nous avons collaboré et continuons de collaborer avec de grandes entreprises pour développer des technologies favorisant la création de matériaux et de procédés plus durables : emballages alimentaires, formulations chimiques et modélisation du cycle de vie des batteries pour améliorer la durabilité et l'efficacité. »

Originaire de Novare, cet homme de 37 ans a étudié les sciences au lycée, puis a choisi sa spécialisation. « J'hésitais entre la philosophie, les mathématiques et la médecine, car mes parents sont médecins ; c'est pourquoi j'ai passé le concours. Puis, sur les conseils d'un professeur, j'ai choisi l'ingénierie mathématique à l'École polytechnique de Milan. » Il a passé trois ans dans une spin-off à effectuer des simulations numériques de systèmes. « J'ai travaillé sur des modèles de volcanologie, de procédés d'impression et de flux sanguin artériel. » Puis il a repris ses études. Il a obtenu un doctorat à l'ETH Zurich, financé par IBM. « J'ai fait des choses similaires à ce que je fais aujourd'hui, mais davantage appliquées à la biologie ou à la biologie computationnelle. » C'est là qu'il a commencé à utiliser des modèles statistiques et d'apprentissage automatique, conçus pour des contextes à forte intensité de données. Nous avons pris ces modèles, généralement utilisés dans des domaines où les données sont abondantes et facilement accessibles, et avons essayé de les appliquer à des contextes, comme la biologie, où les données prêtes à l'emploi ne sont pas disponibles dès les premières phases. L'impact est incroyable : ils permettent de décrire des systèmes très complexes sans nécessairement imposer de règles ou d'équations.

Pour un mathématicien comme lui, habitué à construire des modèles à partir de formules, ce fut un tournant. « Ayant étudié les mathématiques, j'ai toujours créé des modèles à partir d'équations. » Mais c'est là que sa perspective a commencé à changer. « Nous sommes passés d'une approche scientifique traditionnelle, presque newtonienne, à une approche davantage axée sur les données. »

Il utilise un exemple simple pour expliquer : « La chute d'un objet lourd. Vous le voyez tomber et, à un moment donné, vous vous dites : il semble y avoir une constante, qui est l'accélération, et qui dépend de la masse. Vous créez donc votre propre petit système qui dit : la force appliquée doit être une constante, g, multipliée par une variable : la masse. »

Tant que le système est simple, il fonctionne. Mais dès que la complexité augmente, le paradigme change et il est impossible de tout modéliser.

D'où le changement : « Nous sommes passés d'une approche déterministe, où l'on suppose que l'on sait tout, à un système où l'on suspend son jugement et où l'on dit : je ne sais pas exactement combien de variables il y a, je veux que les données me parlent. »

La plupart des projets sont menés selon une approche open source, conformément aux valeurs d'IBM, car le développement collaboratif au sein de la communauté open source produit les meilleurs résultats. « Nous procédons de manière très similaire à ce qui se passe dans un environnement universitaire. »

Un endroit merveilleux pour les scientifiques.

Notre première particularité réside dans notre situation géographique, à proximité de l'ETH Zurich, qui compte parmi les meilleures universités d'Europe. De plus, nous avons la possibilité d'interagir avec d'autres institutions universitaires de premier plan. Nous bénéficions également d'une communauté de recherche extrêmement dynamique, avec des collaborations avec des entreprises comme Microsoft, Apple, Google, Nvidia, Anthropic et OpenAI.

Et encore une fois : c'est une institution historique. C'est le premier laboratoire IBM ouvert hors des États-Unis, en 1956, et entrer au Think Lab, c'est respirer un air empreint d'excellence. On peut y rencontrer des experts en IA, cryptographie, physique, informatique quantique et simulations moléculaires. Des lauréats du prix Nobel y ont travaillé. On peut aller à la cafétéria et rencontrer plus de 300 scientifiques avec qui on peut échanger des idées, et de cette fertilisation croisée continue naissent des projets capables de changer les règles du jeu.

Matteo Manica voit son avenir ici.

J'espère trouver de nouvelles applications des mathématiques dans des contextes véritablement impactants. La transition vers des industries plus durables, par exemple, est l'un des défis les plus importants. Je pense aux biens de consommation, aux matériaux que nous utilisons au quotidien : si l'on parvient à optimiser ne serait-ce qu'un seul processus de production, l'impact sur l'environnement est considérable. Ce sont des changements invisibles, mais profonds. Ils ne font peut-être pas la une des journaux comme un nouveau médicament, mais ils peuvent améliorer le monde dans lequel nous vivons. Ils le font discrètement, pour tous.

Scientifique et musicien, Manica affirme que les mathématiques jouent également un rôle dans sa passion pour la musique. « J'ai passé beaucoup de temps à jouer ; je joue encore de la basse électrique et de la contrebasse à un niveau correct. Mais j'ai aussi joué de la flûte et du saxophone alto. Et la musique repose sur de nombreuses mathématiques : la vibration des cordes, les équations qui décrivent l'accordage, l'évolution de l'harmonie, les dodécaphonismes de Schoenberg. » Ce sont toujours les mathématiques qui éveillent la curiosité.

« Cela a éveillé mon intérêt pour les choses. Et si les mathématiques sont au service de toutes les sciences, la basse joue le même rôle en musique : sans elle, rien ne fonctionne, et seule, elle ne signifie rien. »

Qu'avez-vous appris au cours de votre carrière qui pourrait nous être utile à tous ? « La plus grande leçon, c'est que les mathématiques ne sont pas difficiles. Peut-être faudrait-il simplement repenser notre façon de les enseigner. Je n'ai pas de recette miracle, mais je sais que c'est beaucoup plus facile qu'il n'y paraît. Il faut juste ne pas avoir peur. Cela demande de la patience. Cela demande de la pratique, comme tout. Ce que j'ai fait n'a rien d'exceptionnel. On fait beaucoup d'erreurs, mais si on persiste, si on ne se laisse pas paralyser par la complexité, on peut arriver à quelque chose petit à petit. »

Même intégrer un institut de recherche comme IBM Research n'est pas difficile pour Manica. « Les distinctions, les prix ou le contenu d'un CV importent peu. Quand on recrute, tout cela est secondaire. On s'assoit devant un tableau blanc ou un écran, on note un problème et on essaie de le résoudre ensemble. C'est comme ça qu'on comprend le raisonnement d'une personne. »

L'intelligence artificielle va-t-elle changer notre façon de faire de la science ? Conduira-t-elle même à la rédaction d'un article scientifique et à une découverte ? « Elle va changer notre façon de faire de la science, oui. Beaucoup de choses sont déjà découvertes ou suggérées par les modèles eux-mêmes. Mais nous devons définir ce que signifie « découvrir ». Je ne suis pas inquiet à ce sujet. Peut-être que l'IA rédigera un article scientifique de dix pages et le fera mieux que nous, mais sans nos trois points clés décrivant une idée, elle ne peut rien faire. Elle aura un impact considérable sur de nombreux secteurs de l'industrie et de la société. Nous devons l'utiliser correctement. Chez IBM, nous utilisons des modèles dimensionnés pour un problème spécifique ; ils ne sont ni excessivement coûteux ni énergivores, et ils sont spécialisés. La plupart d'entre eux sont pratiquement utilisables sur ordinateur. L'IA donnera aux chercheurs des super-pouvoirs. Nous serons comme des chercheurs augmentés… » Et peut-être, dans le silence des laboratoires, commencerons-nous à nous poser de nouvelles questions.