L’intelligence artificielle pourrait identifier avec confiance du non-vivant comme étant de la vie extraterrestre sans jamais signaler son erreur, selon une nouvelle recherche de l’Université d’État du Michigan qui comporte des implications troublantes pour les missions d’astrobiologie à venir.
Christoph Adami, un biologiste computationnel, et son étudiant Ankit Gupta ont démontré que les systèmes de classification par IA sont alarmamment vulnérables aux faux positifs lorsqu’on leur demande d’identifier des formes de vie inconnues. L’étude, présentée à la Conférence 2026 sur la Vie Artificielle à Waterloo, Canada, a testé l’IA sur une plateforme d’évolution numérique appelée Avida, qui exécute des organismes numériques autoréplicatifs en compétition pour le temps CPU.
Les résultats étaient frappants : en environ 15 petites modifications des séquences moléculaires, l’IA est devenue convaincue à 100 % que des échantillons non vivants étaient vivants, quelle que soit la séquence de départ.
Le problème hors distribution
Le problème central est ce que les chercheurs en apprentissage automatique appellent les données « hors distribution ». L’IA fonctionne bien lorsque les données de test ressemblent à ses données d’entraînement, mais elle s’effondre lorsqu’elle est confrontée à ce qui est véritablement inconnu. La vie extraterrestre, par définition, entre dans cette catégorie. Nous n’avons aucun moyen d’entraîner une IA sur ce à quoi ressemble la biochimie extraterrestre parce que nous ne l’avons jamais rencontrée.
« Nous avions déjà observé que l’IA a un gros talon d’Achille lorsqu’elle essaie de classifier des choses qui ne ressemblent pas aux exemples de son entraînement », a déclaré Adami. « Nous appelons cela des échantillons hors distribution, et il est incroyablement facile de faire faire des erreurs de classification à l’IA. »
Les chercheurs ont mené leur analyse sur 1 000 machines en parallèle pendant trois mois, entraînant l’IA à classifier les organismes numériques d’Avida comme vivants ou non vivants. Une fois que l’IA performait bien sur des données familières, l’équipe a commencé à modifier les séquences moléculaires une modification à la fois. En environ 15 altérations, l’IA était parfaitement convaincue qu’elle voyait de la vie, alors que ce n’était pas le cas.
« Cela signifie que s’il y avait une IA sur une mission analysant des échantillons de spectrométrie de masse, il y a une très grande probabilité que, bien qu’elle ait été entraînée au sol sur un certain nombre d’échantillons biotiques et abiotiques, elle pourrait quand même renvoyer un verdict positif alors que cela n’a absolument rien à voir avec la vie », a déclaré Adami.
Implications pour les missions réelles
La vulnérabilité n’est pas également répartie entre toutes les méthodes de détection. Les preuves visuelles directes de vie microbienne, comme un rover martien ouvrant une roche pour révéler des structures biologiques claires, seraient probablement vérifiables par des méthodes traditionnelles qui ne reposent pas sur la classification par IA. Le danger est le plus grand pour les techniques de détection à distance : la spectrométrie de masse, la spectroscopie et l’analyse atmosphérique.
Ce sont précisément les méthodes qui seraient utilisées pour les cibles les plus excitantes des décennies à venir : les couches nuageuses de Vénus, l’océan sous-glaciaire d’Europe et les atmosphères d’exoplanètes observées par l’Observatoire des Mondes Habitables prévu par la NASA, dont le lancement est attendu dans les années 2040. Dans chaque cas, une IA entraînée sur des échantillons biotiques et abiotiques terrestres commettrait la même erreur, signalant des signatures non biologiques comme étant de la vie avec une grande confiance.
Adami et Gupta prévoient de répéter l’expérience avec des données réelles, passant des organismes numériques à des échantillons physiques réels. La prochaine phase testera si la même fragilité s’applique à l’analyse biochimique réelle.
L’IA comme outil, pas comme juge
Adami ne demande pas que l’IA soit exclue de l’astrobiologie. Il reconnaît que l’IA est utile pour traiter de grands ensembles de données et identifier des motifs que les analystes humains pourraient manquer. L’avertissement concerne une confiance excessive. Les systèmes d’IA sont sujets aux hallucinations, générant des classifications fausses mais confiantes, un problème bien documenté dans l’utilisation quotidienne de l’IA mais qui devient existentiel lorsque la question est de savoir si l’humanité a découvert une vie extraterrestre.
« Vous devez connaître vos données d’entraînement, et si vous savez que vos données de test font partie de la même distribution que les données d’entraînement, alors tout ira bien », a déclaré Adami. « Mais vous ne pouvez pas garantir cela avec la vie extraterrestre. »
La recherche soulève une question fondamentale pour les agences spatiales concevant des missions de détection de vie : à quel point l’automatisation doit-elle être digne de confiance lorsque les enjeux sont la découverte la plus profonde de l’histoire humaine ? La réponse, pour l’instant, semble être : moins que ce que l’IA elle-même croit.
Traduit par Lydie