Google Research a dévoilé le cadre Science One le 30 juillet 2026, dont le cœur est un mécanisme appelé « Chain-of-Evidence » (CoE), obligeant l'IA à associer chaque conclusion scientifique à ses sources, code et registres d'expériences.

Auteur de l'article, source : 0x9999in1, ME News



TL;DR

• Google Research a dévoilé le cadre Science One le 30 juillet 2026, dont le cœur est un mécanisme appelé « Chain-of-Evidence » (CoE), obligeant l'IA à associer chaque conclusion scientifique à ses sources, code et registres d'expériences.
• Les anciens problèmes des systèmes de recherche IA sont bien réels : fabrication de citations, scores non reproductibles, incohérences entre la description des méthodes et le code. Le taux de citations hallucinées des systèmes de référence atteint jusqu'à 21 %, et la reproductibilité des scores tombe à seulement 42 %.
• Les résultats de Science One sont : zéro hallucinations dans les citations, 100 % de vérification correcte des scores, et le taux le plus élevé de cohérence entre les méthodes et le code. Il a été révélé que les 337 citations générées sont toutes authentiques, les 12 expériences reproductibles sont toutes correctes, et 14 sur 15 articles sont cohérents avec le code.
• La conception clé est « générer tout en collectant des preuves », et non « écrire puis ajouter des références ultérieurement ». Les citations proviennent d'une recherche réelle via l'API Semantic Scholar, et non de la mémoire du modèle.
• Jugement plus important : Science One n'a pas sacrifié l'efficacité au nom de l'honnêteté. Il a remporté 2 médailles d'or et 2 d'argent sur MLE-Bench et a établi le meilleur résultat actuel sur Parameter-Golf.
• La véritable signification de cela ne réside pas dans le fait qu'un autre IA puisse rédiger un article, mais dans le fait qu'elle intègre pour la première fois la « vérifiabilité » comme fondement de son architecture, et non comme un correctif ultérieur.

Posez d’abord une question qui fait mal : croiriez-vous un article écrit par une IA ?

Ces deux dernières années, les systèmes de recherche en IA ont progressé de manière impressionnante.

Il peut lire des documents académiques, formuler des hypothèses, exécuter des expériences et rédiger entièrement un article scientifique structuré et ton professionnel. Un seul coup d’œil, et vous ne trouverez aucune erreur.

Mais le problème se cache dans ce « jeter un coup d'œil ».

Un coup d’œil ne pose pas de problème, mais qu’en est-il si vous creusez plus profondément ?

Google Research se concentre précisément sur cette recherche approfondie. Ils ont examiné cinq systèmes autonomes de recherche courants, généré 75 articles scientifiques sur cinq tâches d'optimisation de systèmes, puis interrogé chaque élément : cette référence citée existe-t-elle vraiment ? Ce score rapporté est-il reproductible en relançant le code ? L'algorithme mentionné est-il effectivement implémenté tel quel dans le code ?

Le résultat n'est pas beau.

Chaque système de référence commet au moins une erreur systématique. Le taux d'illusions de citations atteint jusqu'à 21 % — c'est-à-dire qu'une citation sur cinq pourrait pointer vers un article qui n'existe pas. Le taux de réussite pour la vérification des scores est aussi bas que 42 %. La cohérence entre les méthodes et le code varie entre 20 % et 80 %.

Goûte ce 42 %. Plus de la moitié des articles publiant des résultats ne peuvent pas être reproduits en relançant le code.

Ce n'est pas un petit bug. C'est un effondrement de la confiance.

Parce que la recherche scientifique repose fondamentalement sur la « reproductibilité » et la « traçabilité ». La valeur d’un article ne réside pas dans la fluidité de sa lecture, mais dans la capacité d’autrui à suivre pas à pas ses références, son code et ses données pour vérifier qu’il ne ment pas. L’IA a poussé la « qualité superficielle » des articles à leur maximum, tout en retirant ce pilier fondamental.

Plus la surface est brillante, plus les problèmes sont cachés. C'est là que réside le plus grand danger.

La réponse de Google : pas par la confiance, mais par la chaîne

L'idée de Science One est, en substance, très simple.

Puisque l'on ne peut pas faire confiance à l'IA pour être honnête d'elle-même, ne comptez pas sur sa bonne volonté. Mettez-lui des chaînes.

Cette chaîne est la « chaîne de preuves » (Chain-of-Evidence).

Google lui a trouvé une analogie particulièrement précise : dans le domaine des bases de données, il existe un concept appelé ACID, qui ne se soucie pas de la manière dont vous construisez votre base de données, mais définit uniquement les propriétés qu'une transaction doit respecter pour être considérée comme « fiable ». La chaîne de preuves fonctionne de la même manière. Elle ne vous dit pas comment construire un agent scientifique, mais stipule uniquement : pour que chaque élément que vous produisez soit digne de confiance, il doit satisfaire quelles conditions.

One principle, two halves.

La première moitié s'appelle l'intégrité : chaque déclaration dans l'article — qu'il s'agisse d'une citation, d'un chiffre, d'une description de méthode ou d'une conclusion — doit être accompagnée d'une chaîne de preuves documentée.

La deuxième moitié concerne la justesse : cette chaîne doit vraiment pouvoir soutenir le message qu'elle affiche.

En termes simples : chaque chose que tu dis doit avoir une source, et cette source doit vraiment prouver ce que tu avances.

Comment le mettre en œuvre ? La clé réside dans le moment opportun.

Comment le système actuel fonctionne-t-il ? D’abord, on écrit un article long et détaillé, puis on revient en arrière pour ajouter les citations et les preuves. C’est comme inventer une histoire, puis chercher des preuves pour la justifier. Là où on ne peut pas justifier, on invente. C’est ainsi que naissent les citations hallucinées.

Science One fonctionne à l'inverse. À l'instant même où cette phrase est générée, la chaîne de preuves est déjà établie. Les déclarations et les preuves naissent ensemble, elles ne sont pas cousues après coup.

L'inversion de cet ordre est l'âme de toute l'affaire.

Voyez-le ainsi : trois modules, chacun gérant un mensonge.

L'architecture de Science One est divisée en trois composants, chacun ciblant précisément une forme possible de fraude.

Première section, enquêteur sur les problèmes, chargé de la falsification de citations.

Il ne s'appuie pas sur la « mémoire » du modèle pour citer des références. La mémoire du modèle est un terreau fertile pour les hallucinations — elle peut « se souvenir » d'un article qui n'existe pas. Science One se connecte directement à l'API Semantic Scholar pour construire une carte réelle des citations, en lisant jusqu'à 100 PDF complets par sujet et en produisant un résumé de recherche structuré. Chaque citation du document final provient de cette recherche réelle via l'API, coupant définitivement tout lien avec la mémoire du modèle.

Les citations ne sont pas « imaginées », elles sont « vérifiées ». Cette coupe-là arrache les racines des citations illusoires.

Deuxième bloc : le moteur de détection, chargé de surveiller la falsification des registres d'expériences.

Il utilise une stratégie parallèle d'exploration-exploitation pour tester simultanément plusieurs pistes. À chaque tour, un solveur implémente une solution, tandis qu'un évaluateur dédié attribue une note. Les pistes les plus performantes sont affinées répétitivement, et toutes les évaluations initiales sont intégrées dans un registre strictement en lecture seule.

Lecture seule. Ces deux mots sont importants. Une fois les résultats originaux enregistrés, ils ne peuvent plus être modifiés. Vous voulez déclarer un meilleur score lors de la rédaction de votre mémoire ? Désolé, le registre est là, impossible de le changer.

Troisième bloc : rédacteur de thèses et vérificateur de déclarations, chargé de vérifier les incohérences entre la méthode et le code.

Avant de rendre effectivement le document, il structure chaque déclaration factuelle en attribuant à chaque phrase une étiquette de preuve intégrée, liée à un produit spécifique dans l’espace de travail. Ensuite, un vérificateur dédié compare chaque déclaration à la source qu’elle prétend citer.

Que faire si cela ne correspond pas ? Il y a un détail particulièrement astucieux ici : au lieu de supprimer simplement, il « recule » — il exprime les choses de manière plus prudente, afin de les ramener dans la plage soutenue par les preuves. Jusqu’où les preuves permettent d’aller, c’est là que les propos s’arrêtent.

Pas de vantardise, et pas de gaspillage non plus. Ce sens de l'équilibre est plus subtil qu'une approche uniforme.

Transcript: The cost of honesty, are you getting dumber?

À ce stade, une question aiguë devrait surgir.

Donner autant de chaînes à l’IA, lui faire vérifier chaque phrase avec prudence, ne l’empêche-t-elle pas d’explorer audacieusement ? Ne sacrifie-t-on pas la « compétence » au nom de l'« honnêteté » ?

Cette préoccupation est tout à fait raisonnable. C'est aussi la contradiction classique entre « sécurité » et « capacité ».

La réponse de Science One est : non.

Commencez par la colonne « Honnêteté ». Dans le même cadre d’audit — que Google appelle CoE Audit, un outil d’analyse automatisé de type judiciaire qui vérifie en temps réel chaque citation dans des bases de données académiques — Science One obtient les meilleurs résultats sur les quatre tests d’intégrité. Ses citations n’ont aucune hallucination : chaque référence pointe vers un article académique réel et accessible ; la vérification des scores est parfaite ; et le taux de cohérence entre les méthodes et le code est le plus élevé. Selon les données divulguées, les 337 citations générées sont toutes réelles, les résultats des 12 expériences reproductibles correspondent parfaitement, et 14 des 15 articles sont cohérents avec le code réel.

Comparez ces noms impressionnants dans la base de référence, comme « solveurs hybrides neuro-symboliques » — ça sonne impressionnant, mais en ouvrant le code, vous découvrez simplement des règles heuristiques déterministes simples. Les noms sont faits pour les gens, le code est la vérité.

Regardez la colonne Compétences.

Sur les cinq tâches de l'ADRS, Science One a égalé ou dépassé le niveau des experts humains, obtenant les meilleurs résultats de tous les systèmes pour deux d'entre elles (Cloudcast et EPLB).

En dehors de ce domaine, il a également relevé des défis externes plus exigeants. Dans MLE-Bench, lors de cinq compétitions Kaggle exigeantes couvrant l’imagerie médicale, la reconnaissance fine-grain et la perception 3D, il a remporté deux médailles d’or et deux médailles d’argent — notamment en détection d’objets 3D, où d’autres systèmes ont échoué complètement, tandis qu’il a obtenu un score de niveau champion. Dans la compétition Parameter-Golf, où les ressources matérielles et la taille des fichiers sont strictement limitées pour l’entraînement en temps réel de LLM, d’autres systèmes n’ont même pas pu soumettre une réponse valide ; lui, non seulement il a respecté toutes les contraintes, mais il a également établi le meilleur résultat connu au 27 avril 2026, en découvrant de véritables techniques algorithmiques novatrices, et non en ajustant simplement des hyperparamètres.

Alors la réponse est claire : honnête, sans le rendre stupide.

C’est précisément ce que je considère comme le plus important. Si Science One n’était propre que grâce à des compromis, il n’aurait aucune valeur — car personne n’utiliserait un outil de recherche à la fois lent et honnête. Mais il démontre qu’il est possible de concilier vérifiabilité et haute performance. C’est ce qui transforme l’idée de « traiter l’honnêteté comme une contrainte absolue » d’une initiative morale en un choix ingénieriquement rentable.

Mon jugement : c'est important, mais ne le mythifiez pas trop vite.

After saying so many good things, it's time to pour two buckets of cold water.

Premier point : Google l'écrit clairement en fin de texte, Science One est un prototype de recherche expérimental, pas un outil directement utilisable en production.

Ce n’est pas de la modestie, c’est une limite. Les cinq tâches qu’il accomplit relèvent de domaines comme l’optimisation système, où il existe des évaluateurs clairs et des scores automatisés. Autrement dit, le bien et le mal peuvent être jugés objectivement par une machine. Mais qu’en est-il de la recherche scientifique de pointe ? La valeur de nombreuses hypothèses, le sens de nombreuses conclusions, n’ont tout simplement pas d’évaluateur capable de les noter à court terme. La chaîne de preuves peut empêcher la fabrication de citations, mais pas le choix d’un problème banal. Elle garantit l’honnêteté, pas le goût.

Deuxième point : La chaîne de preuves a elle-même un coût. Lire 100 PDF par sujet, établir des preuves pour chaque phrase, les lier à des étiquettes, puis les vérifier à nouveau — ce processus n'est pas bon marché. Tout en cherchant la vérité, il consomme des ressources informatiques et du temps. Lorsqu'il s'agit de le déployer à grande échelle, personne n'a encore de réponse sur la manière de calculer ce coût.

Mais après avoir vidé ces deux seaux d'eau, je considère toujours que c'est une chose sous-estimée.

Pourquoi ?

Parce qu'il a changé la façon de poser la question.

Au cours des deux dernières années, tout le monde se demandait : l’IA peut-elle faire de la recherche ? À quel point peut-elle être performante ? On comparait les capacités à résoudre des problèmes et les scores obtenus sur les classements. La question posée par Science One est d’un autre ordre : peut-on faire confiance à la recherche réalisée par l’IA ?

Ces deux questions ne sont pas sur le même créneau.

Alors que de plus en plus de systèmes sont capables de produire de belles solutions, la capacité à résoudre des problèmes n'est plus un critère de distinction. À ce stade, ce qui les séparera véritablement, c'est la confiance que l'on peut accorder à leurs résultats. Google a élevé la notion de « vérifiable » au rang de « citoyen de première classe », affirmant qu'elle doit être une contrainte architecturale, et non un correctif appliqué après coup — je considère ce jugement comme juste et opportun.

La confiance prend beaucoup de temps à se construire, mais peut s’effondrer très rapidement. Si la recherche en IA, dès ses débuts, épuise la confiance de la communauté académique en s’appuyant sur un grand nombre d’articles qui semblent brillants mais sont en réalité pleins de failles, alors tout effort ultérieur pour la rétablir coûtera bien trop cher. Science One agit en renforçant les fondations avant qu’il ne soit trop tard.

Épilogue

Revenons à la question initiale : Vous croyez vraiment qu’un article écrit par une IA ?

Avant Science One, la réponse honnête est — pas très sûr. Plus c'est bien écrit, plus tu dois faire preuve de prudence.

Science One n'a pas rendu l'IA plus intelligente. Ce qu'elle a fait, c'est autre chose : elle a permis à l'IA de laisser des preuves vérifiables pour chaque phrase qu'elle prononce.

Il y a déjà assez d'IA intelligente.

Les IA capables de s'assumer elles-mêmes viennent à peine de commencer.

C'est un petit pas, un prototype, avec encore beaucoup de problèmes non résolus. Mais la direction est bonne. Parfois, la véritable portée d'une chose ne réside pas dans sa vitesse actuelle, mais dans l'endroit où elle place la règle.

Science One a déplacé la règle de « écrire comme si » à « résister à la vérification ».

Ce déplacement en vaut la peine.

Références

1. Blog de recherche Google. « Science One Framework : Un cadre de recherche autonome vérifiable via Chain-of-Evidence », 30 juillet 2026.
2. Recherche en IA sur Google Cloud. arXiv:2605.26340 Article « Science One Framework / Chain-of-Evidence ».
3. AlphaSignal. « Le cadre Science One de Google résout la crise des citations falsifiées en recherche sur l'IA », juillet 2026.
4. Zhidingwang. « Le cadre Science One : un système de recherche autonome vérifiable basé sur une chaîne de preuves », 31 juillet 2026.
5. Sakana AI. arXiv:2504.08066 « The AI Scientist v2 » (comparaison avec la ligne de base).
6. OpenAI. Projet GitHub « Parameter-Golf » benchmark.
7. arXiv:2410.07095 Article de référence sur MLE-Bench.
8. Benchmark ADRS : arXiv:2510.06189 « Automated Design of Research Systems (ADRS) »