De l'IA pour la science à la science agentique : une étude sur la découverte scientifique autonome

From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery

August 18, 2025

papers.authors: Jiaqi Wei, Yuejin Yang, Xiang Zhang, Yuhan Chen, Xiang Zhuang, Zhangyang Gao, Dongzhan Zhou, Guangshuai Wang, Zhiqiang Gao, Juntai Cao, Zijie Qiu, Xuming He, Qiang Zhang, Chenyu You, Shuangjia Zheng, Ning Ding, Wanli Ouyang, Nanqing Dong, Yu Cheng, Siqi Sun, Lei Bai, Bowen Zhou

cs.AI

papers.abstract

L'intelligence artificielle (IA) est en train de transformer la découverte scientifique, évoluant d'outils informatiques spécialisés vers des partenaires de recherche autonomes. Nous positionnons la Science Agentique comme une étape clé au sein du paradigme plus large de l'IA pour la Science, où les systèmes d'IA passent d'une assistance partielle à une pleine autonomie scientifique. Grâce aux modèles de langage à grande échelle (LLMs), aux systèmes multimodaux et aux plateformes de recherche intégrées, l'IA agentique démontre des capacités dans la génération d'hypothèses, la conception d'expériences, leur exécution, leur analyse et leur raffinement itératif -- des comportements autrefois considérés comme exclusivement humains. Cette étude propose une revue orientée par domaine de la découverte scientifique autonome à travers les sciences de la vie, la chimie, la science des matériaux et la physique. Nous unifions trois perspectives auparavant fragmentées -- orientées processus, autonomie et mécanismes -- à travers un cadre complet qui relie les capacités fondamentales, les processus clés et les réalisations spécifiques à chaque domaine. En nous appuyant sur ce cadre, nous (i) retraçons l'évolution de l'IA pour la Science, (ii) identifions cinq capacités essentielles sous-tendant l'autonomie scientifique, (iii) modélisons la découverte comme un flux de travail dynamique en quatre étapes, (iv) passons en revue les applications dans les domaines mentionnés, et (v) synthétisons les défis majeurs et les opportunités futures. Ce travail établit une synthèse orientée par domaine de la découverte scientifique autonome et positionne la Science Agentique comme un paradigme structuré pour faire progresser la recherche pilotée par l'IA.

English

Artificial intelligence (AI) is reshaping scientific discovery, evolving from specialized computational tools into autonomous research partners. We position Agentic Science as a pivotal stage within the broader AI for Science paradigm, where AI systems progress from partial assistance to full scientific agency. Enabled by large language models (LLMs), multimodal systems, and integrated research platforms, agentic AI shows capabilities in hypothesis generation, experimental design, execution, analysis, and iterative refinement -- behaviors once regarded as uniquely human. This survey provides a domain-oriented review of autonomous scientific discovery across life sciences, chemistry, materials science, and physics. We unify three previously fragmented perspectives -- process-oriented, autonomy-oriented, and mechanism-oriented -- through a comprehensive framework that connects foundational capabilities, core processes, and domain-specific realizations. Building on this framework, we (i) trace the evolution of AI for Science, (ii) identify five core capabilities underpinning scientific agency, (iii) model discovery as a dynamic four-stage workflow, (iv) review applications across the above domains, and (v) synthesize key challenges and future opportunities. This work establishes a domain-oriented synthesis of autonomous scientific discovery and positions Agentic Science as a structured paradigm for advancing AI-driven research.