Les agents de recherche rétrécissent la science au lieu de l'élargir

On vendait les agents de recherche comme des machines à explorer l'inconnu : générer des hypothèses, planifier des expériences, écrire des articles, recommencer. Une étude de Yixuan Tang et Yi Yang vient doucher cet enthousiasme. Dans un travail publié sur arXiv, les deux chercheurs montrent qu'un agent laissé en autonomie ne dilate pas le champ de la connaissance — il le rétrécit. À mesure qu'il enchaîne les itérations, il converge vers un espace d'idées de plus en plus étroit. Les auteurs nomment ce phénomène l'« effondrement de l'exploration ».

L'entonnoir plutôt que l'éventail

Le mécanisme est presque contre-intuitif. On imagine un agent scientifique comme un explorateur qui, à chaque pas, ouvre de nouvelles pistes. L'étude décrit l'inverse : parce que l'agent construit chaque nouvelle idée à partir de ses productions précédentes, il s'enferme dans un couloir. Les chercheurs parlent d'un « effet d'entonnoir » — l'exploration se resserre au lieu de se diversifier. Au bout de quelques cycles, l'agent ne cherche plus des directions nouvelles : il renforce celles qu'il a déjà empruntées. La diversité conceptuelle s'érode, silencieusement, itération après itération.

Le protocole compare plusieurs cadres d'agents fondés sur des grands modèles de langage, placés dans un environnement contrôlé où ils génèrent et poursuivent des idées de recherche en toute autonomie. Le motif se répète d'un cadre à l'autre : convergence vers des espaces de sujets plus restreints, réduction mesurable de la variété des idées produites. Ce n'est pas le défaut d'un modèle particulier, mais une tendance structurelle des systèmes qui s'auto-alimentent.

Pourquoi c'est un problème pour la découverte

L'enjeu dépasse la curiosité académique. La promesse des agents scientifiques, c'est l'accélération des percées : cribler des milliers d'hypothèses là où un laboratoire humain en teste quelques-unes. Mais une percée naît généralement d'un écart — une idée qui sort du couloir dominant. Si les agents gravitent naturellement vers le centre de gravité de ce qui a déjà été exploré, ils excellent à approfondir l'existant et échouent précisément là où on les attendait : à l'audace. On obtient une machine à optimiser le connu, pas à inventer l'inconnu.

Le phénomène rappelle d'ailleurs deux pathologies déjà connues de l'apprentissage automatique. Le premier est l'« effondrement des modèles » : quand une IA s'entraîne sur ses propres sorties, elle perd peu à peu les cas rares et voit sa distribution se rétrécir. Le second est le piège des systèmes de recommandation, qui enferment l'utilisateur dans une bulle en lui resservant ce qui a déjà fonctionné. Un agent de recherche autonome combine les deux travers : il se nourrit de ses propres idées et privilégie ce qui prolonge sa trajectoire. La nouveauté, par nature statistiquement improbable, est exactement ce que ces boucles auto-renforçantes ont le plus de mal à préserver. Rien d'étonnant, dès lors, à ce que la diversité s'effrite sans qu'aucun garde-fou ne vienne l'entretenir.

Ce résultat entre en résonance avec d'autres signaux de fragilité de l'IA scientifique. Nous avons récemment rapporté qu'un benchmark aveugle piège les meilleurs modèles à 3 % quand il s'agit de retrouver l'idée originale d'un article à partir de sa seule bibliographie. Les deux études pointent la même limite sous deux angles : les modèles reconstruisent mal la nouveauté, et livrés à eux-mêmes, ils tendent à la fuir. La capacité à manipuler la littérature scientifique ne se confond pas avec la capacité à produire de la vraie nouveauté.

Ce que cela impose aux concepteurs

Le message pour les équipes qui bâtissent ces systèmes n'est pas « renoncez », mais « ne laissez pas l'agent seul aux commandes ». Sans mécanisme délibéré pour forcer la diversité — injection d'idées extérieures, pénalisation de la redondance, supervision humaine aux bifurcations, mise en concurrence de trajectoires indépendantes —, l'autonomie se paie en conformisme. La question de conception devient : comment empêcher un agent de se convaincre lui-même qu'il a fait le tour du sujet ?

Pour le grand public et les décideurs, la leçon est plus sobre encore. Les annonces d'« IA qui fait de la recherche toute seule » doivent être lues avec la même prudence que n'importe quelle démonstration de capacité brute. Générer 30 000 idées ne vaut rien si elles se ressemblent toutes. La valeur d'un explorateur ne tient pas au nombre de pas qu'il fait, mais à sa capacité à quitter le sentier. À ce jeu-là, l'humain garde, pour l'instant, une longueur d'avance — et c'est peut-être la conclusion la plus utile de cette étude.