Gemini for Science : la nouvelle boîte à outils IA de Google pour la recherche

Google a profité de sa conférence Google I/O 2026 pour annoncer Gemini for Science, une nouvelle suite d’outils d’intelligence artificielle destinée à aider les chercheurs à accélérer leurs découvertes scientifiques.

L’idée n’est pas de remplacer les scientifiques, mais d’utiliser l’IA pour prendre en charge certaines tâches lourdes — analyse de littérature, génération d’hypothèses ou expérimentation informatique — afin d’augmenter la vitesse et l’échelle de la recherche.

Qu’est‑ce que Gemini for Science ?

Gemini for Science est un ensemble d’outils expérimentaux basés sur les modèles Gemini et l’infrastructure de recherche de Google. L’objectif est d’augmenter la précision et l’ampleur de l’exploration scientifique grâce aux capacités de raisonnement avancé de Gemini, Deep Think et Deep Research.

La plateforme regroupe plusieurs éléments :

• Des prototypes expérimentaux accessibles via Google Labs
• Des Science Skills conçues pour fonctionner sur la plateforme d’agents Google Antigravity
• Des connexions à plus de 30 grandes bases de données et outils en sciences de la vie

Grâce à ces composants, des agents IA peuvent récupérer des connaissances scientifiques, analyser des publications, proposer de nouvelles hypothèses et lancer des expériences computationnelles avec peu de configuration manuelle.

Les principaux outils de la suite

Co‑Scientist

Co‑Scientist agit comme un collaborateur scientifique virtuel. Ce système multi‑agents basé sur les modèles Gemini reproduit certains aspects du raisonnement scientifique et aide les chercheurs à générer de nouvelles hypothèses et pistes de recherche.

Un chercheur peut par exemple formuler un objectif — comprendre le mécanisme d’une maladie ou étudier un microbe — et l’outil propose des hypothèses testables, accompagnées d’un résumé des publications pertinentes et de suggestions d’expériences.

AlphaEvolve

AlphaEvolve est un agent d’optimisation basé sur des algorithmes évolutifs. Alimenté par Gemini, il cherche automatiquement des algorithmes plus efficaces pour résoudre des problèmes scientifiques ou d’ingénierie complexes.

Le système teste et améliore de nombreuses variantes d’algorithmes de manière itérative. Google indique qu’il a déjà été utilisé pour :

• améliorer la correction d’erreurs dans le séquençage ADN
• augmenter la précision des prévisions de catastrophes
• simuler des méthodes pour stabiliser des réseaux électriques

Ces exemples illustrent comment la recherche automatisée d’algorithmes peut contribuer à des domaines scientifiques et industriels très différents.

ERA (Empirical Research Assistance)

ERA, pour Empirical Research Assistance, cible l’un des aspects les plus chronophages de la recherche moderne : l’écriture et l’itération d’expériences computationnelles.

L’outil utilise Gemini pour écrire et optimiser du code scientifique destiné aux simulations et aux expériences numériques. Il a été présenté dans une publication de la revue Nature et a servi à construire un prototype appelé Computational Discovery, aujourd’hui accessible via un programme de testeurs de confiance dans Google Labs.

En automatisant une partie du travail de programmation scientifique, ERA permet aux chercheurs de tester beaucoup plus rapidement différentes hypothèses expérimentales.

Outils de recherche basés sur NotebookLM

La suite intègre également des workflows construits autour de NotebookLM, l’outil d’analyse documentaire de Google.

Ces fonctionnalités permettent de :

• analyser de vastes ensembles d’articles scientifiques
• extraire des données et informations structurées à partir de publications
• identifier de nouvelles tendances ou opportunités de recherche

L’objectif est d’aider les chercheurs à naviguer dans un volume de publications scientifiques devenu pratiquement impossible à analyser manuellement.

Le rôle de Google Labs et d’Antigravity

Google positionne Gemini for Science dans son écosystème d’expérimentation en IA.

Plusieurs prototypes de la suite sont proposés via Google Labs, la plateforme où l’entreprise teste des technologies émergentes avec des chercheurs et des développeurs.

En parallèle, les outils s’appuient sur Google Antigravity, la plateforme de développement orientée agents de Google. Celle‑ci vise à faire évoluer l’IA d’un simple système de réponses à des prompts vers des agents capables d’agir et d’exécuter des tâches complexes.

Grâce aux Science Skills, ces agents peuvent accéder à des données scientifiques, lancer des analyses et produire des résultats de recherche dans le cadre de workflows automatisés.

Connexion aux bases de données scientifiques

Un élément important du projet est l’accès direct aux données scientifiques.

Selon Google, la couche Science Skills permet de connecter les agents Antigravity à plus de 30 bases de données et outils majeurs en sciences de la vie.

L’entreprise n’a pas encore détaillé publiquement les bases exactes ni la manière technique dont ces intégrations fonctionnent. L’objectif est toutefois clair : permettre aux agents IA d’interagir directement avec des sources scientifiques actualisées, plutôt que de s’appuyer uniquement sur leurs données d’entraînement.

Les premiers résultats concrets d’ERA

Parmi les outils de la suite, ERA dispose déjà de résultats documentés.

Selon Google Research :

• l’outil a été présenté dans une publication de la revue Nature
• il a contribué à créer le prototype Computational Discovery
• ce prototype est actuellement accessible via un programme de test dans Google Labs

Ces premiers déploiements suggèrent que la génération automatique de code scientifique et l’expérimentation assistée par IA pourraient devenir une composante régulière du travail des chercheurs.

Une étape dans la stratégie d’IA « agentique » de Google

Le lancement de Gemini for Science s’inscrit dans une évolution plus large de la stratégie IA de Google.

Lors de Google I/O 2026, l’entreprise a insisté sur le passage d’outils qui répondent à des requêtes à des systèmes capables d’agir, de planifier et d’interagir avec des outils externes.

Gemini for Science illustre cette approche : plutôt qu’un simple chatbot, la plateforme combine plusieurs agents spécialisés — génération d’hypothèses, recherche d’algorithmes, programmation expérimentale — qui collaborent dans un environnement de recherche.

Si cette approche se généralise, elle pourrait transformer la manière dont la recherche computationnelle est menée, notamment dans des domaines comme la biologie, la médecine ou l’étude des systèmes complexes.