Un système d’IA agentique a redécouvert de manière autonome trois lois de la circulation établies et identifié un schéma jusqu’alors non signalé dans le comportement de conduite urbaine, démontrant que la découverte scientifique par l’IA peut s’étendre au-delà des environnements de laboratoire contrôlés vers des systèmes complexes du monde réel.
Le système, appelé TrafficSci, a été développé par des chercheurs dont Xingyuan Dai et Fei-Yue Wang. Il formule la découverte de lois de la circulation comme un flux de travail itératif et vérifiable qui intègre la délimitation des preuves, l’induction d’hypothèses par juge-critique et la validation observationnelle-interventionnelle, un processus structuré qui produit des résultats à la fois reproductibles et explicables.
TrafficSci a été évalué dans quatre études de cas couvrant les échelles de population, de réseau, de contrôle et de trajectoire. Il a redécouvert avec succès trois lois de la circulation connues, des schémas récurrents de congestion, de mobilité et de comportement de conduite qui constituent la base scientifique de la planification des transports. Plus important encore, il a identifié une nouvelle échelle de mémoire temporelle intrinsèque dans le comportement de conduite urbaine, un schéma qui s’est avéré statistiquement cohérent dans huit villes et deux ensembles de données de trajectoire.
La découverte de l’échelle de mémoire temporelle suggère que le comportement de conduite conserve l’influence des conditions de circulation passées sur une fenêtre temporelle spécifique et mesurable, une découverte avec des applications potentielles dans la gestion du trafic, le contrôle des véhicules autonomes et la planification des infrastructures. Contrairement aux simples moyennes ou fonctions de décroissance, cette échelle intrinsèque représente une propriété fondamentale de la dynamique du trafic urbain qui n’avait pas été formellement caractérisée dans la littérature.
Ces travaux repoussent les frontières de la découverte scientifique pilotée par l’IA. Les systèmes précédents ont réussi dans des domaines comme les mathématiques et la biologie moléculaire, où les variables peuvent être étroitement contrôlées. La circulation opère dans un environnement désordonné et stochastique avec d’innombrables agents en interaction, des conditions météorologiques et des contraintes d’infrastructure. Qu’une IA autonome puisse extraire des lois robustes et interurbaines de ce bruit suggère une applicabilité plus large des systèmes de découverte agentique dans les sciences urbaines, l’économie et l’épidémiologie.
Sources : Autonomous discovery of traffic laws with AI traffic scientists (arXiv, 2 juillet 2026)
Traduit par Lydie