Google’s New AI Just Evolved Better Code Than Engineers—Is Human Innovation Obsolete?
L'IA de Google vient d'évoluer un code meilleur que celui des ingénieurs — L'innovation humaine est-elle obsolète ?
Google vient donc de lancer discrètement AlphaEvolve — une IA de programmation qui ne se contente pas d’écrire du code, mais l’évolue comme des espèces dans une boîte de Pétri numérique. Elle part de votre algorithme existant, le mute grâce au raisonnement alimenté par Gemini, teste les variantes, et ne garde que les plus performants. En plusieurs générations, elle découvre du code surpassant tout ce que les humains ont conçu. Chez Google, elle a déjà réduit de 23 % un noyau dans l’entraînement de Gemini. Ce n’est pas juste de l’optimisation — c’est une sélection naturelle dopée aux stéroïdes.
Le plus saisissant ? Ce n'est pas une boîte magique. Vous lui donnez un problème, une méthode pour évaluer les solutions et un algorithme initial. Ensuite, l'IA effectue des centaines de simulations, mutatant et combinant intelligemment des variantes de code — tout comme l’évolution naturelle. Les implications sont vertigineuses : la découverte de médicaments, la logistique, voire les modèles financiers pourraient être repensés. Mais posez-vous la question : si l'IA peut évoluer de meilleurs algorithmes que nous ne pouvons en concevoir, qu’est-ce qui reste aux ingénieurs, sinon la supervision et la curation ?
En tant que personne qui a passé des mois à ajuster manuellement des conceptions de circuits pour la stabilité, je suis à la fois enthousiasmé et terrifié. Si cela peut diviser par dix le temps de conception des TPU, c’est révolutionnaire. Mais cela signifie aussi que le savoir-faire dans l’optimisation algorithmique — l’intuition profonde acquise au fil des années — pourrait être automatisé. C’est comme voir un maître d’échecs subir un échec et mat par un moteur qu’il a lui-même contribué à entraîner.
Arrêtons-nous à l’essentiel et dépassons l’effet science-fiction. Cela ne remplace pas les ingénieurs — cela les amplifie. Comme les compilateurs n’ont pas tué les programmeurs en langage d’assemblage, ceci devient un outil puissant. Un ingénieur peut désormais explorer un espace algorithmique 1000 fois plus vaste qu’auparavant. C’est du levier. Le goulot d’étranglement passe de la créativité brute à la formulation du problème et à la logique de validation.
Si cela peut optimiser les algorithmes de simulation moléculaire, nous parlons de réduire de plusieurs années les délais de développement de médicaments. Un gain d’efficacité de 0,7 % à l’échelle de Google vaut des millions. Imaginez cela dans l’industrie pharmaceutique, où un seul essai coûte 200 millions de dollars. Un gain de 1 % seulement = 2 millions d’économies. Ce n’est pas un progrès marginal — c’est une transformation.
Attendez, il faut encore écrire l’évaluateur et l’algorithme initial ? Donc vous ne remplacez pas les docteurs — vous accélérez juste leurs prototypes. Le vrai travail consiste à définir la vérité de référence et les cas limites. Bonne chance pour faire gérer cela à une LLM.
C’est un projet ambitieux mais avec une vision corporatiste limitée. Aucune mention du biais dans la logique d’évaluation, de la transparence ou de la propriété du code évolué. Que se passe-t-il quand l’IA crée un algorithme breveté appartenant à Google et non au client ? Cela demande une vigilance réglementaire sérieuse.
Exactement. Le client définit l’évaluateur — donc la propriété intellectuelle résultante découle de sa logique. S’il possède l’espace du problème, il possède probablement aussi la solution évoluée. Mais oui, les contrats devront être extrêmement clairs.
MDR, imaginez déboguer une fonction qui a évolué sur 10 000 générations. « Pourquoi supprimer cette ligne fait tout planter ? » « Parce que, Bobby, ce n’est pas une ligne de code — c’est un parasite symbiotique dans la flore intestinale de l’algorithme. »
Cette blague est plus profonde qu'il n'y paraît. Ce n’est pas seulement la capacité à déboguer — nous construisons peut-être des algorithmes que nous ne comprenons pas, que nous ne pouvons pas expliquer, mais qui fonctionnent. L’ère de l’IA interprétable pourrait toucher à sa fin plus vite que prévu.