10 percées scientifiques réalisées par les chercheurs de Microsoft
Alors que l’IA prend une place de plus en plus importante dans notre vie quotidienne, les scientifiques découvrent de nouvelles façons de tirer parti de son potentiel pour relever certains des plus grands défis de notre société.
Qu’il s’agisse de concevoir de nouveaux matériaux ou de cartographier les risques d’inondation à travers l’analyse des nuages, les chercheurs de Microsoft utilisent l’IA pour résoudre des problèmes plus rapidement et plus efficacement.
Tout en prenant compte les enjeux de développement durable et d’accessibilité, ils relèvent également des défis de manière parfois surprenante. Ils ont ainsi utilisé, par exemple, des algues pour réduire les émissions de carbone du ciment. Ils ont aussi conçu un ordinateur écoénergétique qui s’appuie sur les capteurs des caméras des smartphones ainsi que sur la lumière.
En 2025, Microsoft a publié de nombreux articles de recherche dans des revues scientifiques spécialisées, partageant ainsi ses découvertes pour permettre à d’autres de les approfondir. Voici 10 exemples qui montrent comment l’IA et d’autres technologies accélèrent l’innovation dans les secteurs de la banque, de la santé, des sciences du vivant et de l’énergie, et ouvrent la voie vers des avancées dont nous avons plus que jamais besoin.
Majorana 1 : Le premier processeur quantique au monde reposant sur des qubits topologiques
Imaginez des matériaux capables de se régénérer et de combler des fissures dans des ponts ou des pièces d’avion, des catalyseurs capables de décomposer des polluants pour en tirer des sous-produits de valeur ou encore des avancées qui améliorent la fertilité des sols afin d’augmenter les rendements ou de favoriser une culture durable des aliments dans des environnements difficiles.
Des recherches publiées dans Nature plus tôt cette année ont détaillé comment les chercheurs de Microsoft sont parvenus à créer des propriétés quantiques inédites qui ont conduit à un nouveau type de puce quantique, appelée Majorana 1. Cette puce repose sur une nouvelle architecture quantique qui devrait permettre de réaliser des ordinateurs quantiques capables de résoudre des problèmes concrets à l’échelle industrielle que les ordinateurs actuels sont incapables de traiter. Une révolution qui arrivera, grâce à Majorana 1, d’ici quelques années plutôt que plusieurs décennies.
La puce s’appuie sur le premier topo-conducteur au monde, un nouveau matériau révolutionnaire capable d’observer et de contrôler les particules de Majorana afin de produire des qubits plus fiables et plus facilement extensibles – les briques de base des ordinateurs quantiques. Bien que des travaux d’ingénierie restent à accomplir, de nombreux défis scientifiques et techniques parmi les plus complexes ont désormais été surmontés.
BioEmu-1 : Des prédictions plus rapides de la stabilité des protéines pourraient mener à des médicaments plus efficaces
Les protéines constituent les briques fonctionnelles de la vie et jouent un rôle central dans la découverte de médicaments et la biotechnologie. Bien que des progrès extraordinaires aient été réalisés ces dernières années pour mieux comprendre la structure des protéines grâce à l’IA, nombre de ces méthodes ne fournissent qu’une image figée d’une molécule pourtant très changeante – ou nécessitent des temps de simulation de plusieurs années, voire plusieurs décennies.
C’est là qu’intervient le Biomolecular Emulator-1 (BioEmu-1), un modèle génératif de deep learning qui offre aux scientifiques un aperçu de la richesse des différentes structures qu’une protéine peut adopter. C’est une avancée importante, car une compréhension plus approfondie des protéines pourrait permettre de concevoir des médicaments plus efficaces. En effet, beaucoup d’entre eux agissent en influençant la structure des protéines afin d’améliorer leur fonction ou d’empêcher qu’elles ne causent des dommages.
Comme l’explique la revue scientifique Science, BioEmu-1 peut générer des milliers de structures protéiques par heure sur un seul processeur graphique (GPU), pour une fraction du coût informatique des simulations traditionnelles. Grâce à cela, BioEmu-1 peut prédire à une vitesse sans précédent les changements structuraux des protéines ayant un impact fonctionnel, ainsi que leur stabilité – un facteur clé dans la conception de protéines à visée thérapeutique.
MatterGen et MatterSim : des avancées majeures dans la découverte de matériaux grâce à l’IA
L’innovation dans le domaine des matériaux est un moteur du progrès technologique, qu’il s’agisse de batteries, de piles à combustible ou d’aimants, et elle est indispensable pour développer les avancées énergétiques de demain.
Mais identifier un nouveau matériau repose depuis longtemps sur des expériences coûteuses et chronophages. Même le criblage assisté par ordinateur nécessite d’évaluer des millions de possibilités.
MatterGen est un outil d’IA générative qui contourne l’étape de criblage et cherche plutôt à produire de nouveaux matériaux à partir de prompts décrivant les exigences de conception propres à une application, comme l’explique la revue Nature. A l’instar d’un générateur d’images par IA capable de transformer des images floues en images nettes grâce à un prompt, il part d’une structure 3D aléatoire et ajuste progressivement les atomes, les éléments et les motifs répétitifs pour créer un matériau réaliste doté de propriétés chimiques, mécaniques, électroniques ou magnétiques définies. Entraîné sur plus de 600 000 exemples, MatterGen établit un nouveau standard pour la génération de matériaux inorganiques couvrant l’ensemble du tableau périodique. MatterGen peut également fonctionner avec MatterSim, un outil basé sur l’IA qui simule rapidement les propriétés des matériaux. Ensemble, ils créent une boucle de rétroaction qui accélère à la fois la simulation et l’exploration.
RAD-DINO : Quand les données radiologiques rencontrent l’IA
Dans le domaine de la santé, un accès plus rapide à l’information peut sauver des vies.
Des résultats publiés dans Nature Machine Intelligence montrent que les modèles fondamentaux d’IA générative pourraient offrir aux cliniciens des informations plus précises et améliorer la prise en charge des patients.
Une collaboration entre Microsoft Research et la Mayo Clinic (Minnesota) vise à développer des modèles fondamentaux multimodaux capables d’intégrer du texte et des images radiographiques. Le projet associe la technologie d’IA de Microsoft Research aux données radiologiques de la Mayo Clinic afin d’aider les médecins à accéder à des informations médicales plus riches et plus complètes, leur permettant ainsi d’analyser les résultats de radiologie en moins de temps.
La technologie, appelée RAD-DINO, doit son nom à son orientation vers la radiologie et à l’utilisation d’une méthode spécifique d’apprentissage automatique. Elle fonctionne en identifiant les correspondances anatomiques entre les radiographies thoraciques de différents patients, tout en indiquant les similarités grâce à la luminosité proportionnelle d’une carte thermique, une surcouche visuelle qui utilise la couleur pour mettre en évidence les zones d’intérêt ou d’importance sur une radiographie, un scanner, une IRM ou d’autres types d’images médicales.
Aurora : Prévisions atmosphériques et météorologiques avancées
Le modèle fondamental d’IA Aurora de Microsoft exploite les dernières avancées en intelligence artificielle pour prédire plus précisément non seulement la météo, mais aussi un large éventail d’événements environnementaux.
Développé par Microsoft Research, Aurora anticipe cette diversité de phénomènes atmosphériques avec une précision et une rapidité accrues, tout en nécessitant une puissance de calcul bien moindre que les méthodes de prévision numérique traditionnelles et les précédentes approches d’IA. Ce qui distingue Aurora, c’est sa polyvalence : grâce au fine tuning, Aurora peut aller au-delà des prévisions météorologiques classiques, en prédisant par exemple la pollution de l’air, les vagues océaniques ou encore les cyclones tropicaux.
Aurora apprend à générer des prévisions en s’entraînant sur des modèles météorologiques généraux issus de plus d’un million d’heures de données. Et il produit ces prévisions en quelques secondes, alors que les systèmes traditionnels nécessitent des heures de calcul sur de grands supercalculateurs pour obtenir des prédictions comparables. Les premiers résultats d’Aurora, publiés dans la revue Nature, ont suscité un vif intérêt quant à son potentiel d’adaptation pour mieux prédire la pluie, optimiser la logistique agricole ou encore protéger les réseaux énergétiques. Microsoft continue de faire progresser Aurora en tant que plateforme open-source, renforçant ses partenariats de recherche grâce à une subvention Microsoft AI for Good et en investissant dans des stations météorologiques locales.
FCDD : Améliorer le dépistage précoce du cancer du sein grâce à l’IA
Le cancer du sein est le cancer le plus fréquent chez les femmes dans le monde. Et bien que le dépistage précoce puisse sauver des vies, il entraîne souvent un taux élevé de faux positifs, ce qui augmente considérablement l’anxiété des patientes et provoque des biopsies inutiles. Le problème est particulièrement aigu chez les femmes ayant une densité mammaire élevée : une condition qui accroît le risque de cancer du sein et rend plus difficile la détection d’anomalies via les méthodes d’imagerie traditionnelles comme la mammographie.
Mais un nouveau modèle d’IA appelé FCDD (Fully Convolutional Data Description) vise à améliorer le dépistage précoce en générant des cartes thermiques IRM qui localisent les tumeurs suspectes avec un très haut degré de précision, surpassant d’autres modèles d’IA. Développé dans le cadre d’une collaboration entre le Microsoft AI for Good Lab, l’Université de Washington et le Fred Hutchinson Cancer Center, les résultats ont été publiés dans la revue Radiology, et le modèle a depuis été rendu open source. Si l’IA ne remplacera pas les radiologues, elle peut en revanche leur fournir de meilleurs outils pour évaluer les cas complexes ou réduire leur charge de travail.
Un ciment infusé aux algues pourrait réduire l’empreinte carbone du béton
Le monde moderne est construit en béton. Et le ciment, son composant clé, est partout. C’est le deuxième matériau le plus utilisé sur Terre après l’eau… et l’un des plus grands contributeurs aux émissions de gaz à effet de serre.
Aujourd’hui, des chercheurs de l’Université de Washington et de Microsoft ont mis au point un nouveau type de béton bas carbone à base d’algues, conçu pour réduire les émissions sans compromettre les performances.
Si la majorité des émissions liées au ciment provient des combustibles fossiles utilisés pour chauffer les matières premières durant la production, les algues, elles, agissent comme un puits de carbone : elles captent le CO₂ présent dans l’air et le stockent durant leur croissance. Les résultats de l’équipe, publiés dans Matter, montrent que l’ajout d’algues séchées et réduites en poudre au ciment permet de réduire de 21 % son potentiel de réchauffement global (GWP) – un indicateur qui compare la quantité de chaleur piégée par différents gaz par rapport au dioxyde de carbone. Grâce à des modèles de machine learning sur mesure, l’équipe a développé cette nouvelle formulation en seulement 28 jours, contre environ cinq ans de recherche et d’essais dans un processus traditionnel.
Cartographier les inondations depuis l’espace, même lorsque les nuages s’en mêlent
Les inondations causent chaque année d’importants dégâts dans le monde. Bien que les observations satellitaires se soient révélées essentielles pour détecter et suivre ces phénomènes, il existe peu de bases de données complètes sur les inondations à l’échelle mondiale et sur de longues périodes, ce qui complique la préparation aux catastrophes.
Mais un modèle de détection des inondations basé sur le deep learning, développé par le Microsoft AI for Good Lab, exploite les capacités de pénétration des nuages d’un puissant satellite d’observation de la Terre utilisant l’imagerie radar. Il permet ainsi aux chercheurs de cartographier les zones touchées par les inondations – même à travers la couverture nuageuse et en pleine nuit.
Comme l’explique la revue Nature Communications, le modèle a permis aux chercheurs d’analyser des données spécialisées afin de construire une carte mondiale indiquant les zones où des inondations se sont produites sur une période de dix ans, offrant ainsi une vision fiable des régions les plus vulnérables. Cette perspective à long terme donne aux décideurs une meilleure compréhension des tendances liées aux inondations, afin que les communautés puissent mieux se préparer. L’analyse menée par les chercheurs suggère que les inondations pourraient être en augmentation à l’échelle mondiale, même si des études supplémentaires sont nécessaires. Les prédictions de l’équipe ainsi que le code du modèle sont disponibles publiquement pour permettre aux chercheurs et aux services d’intervention du monde entier d’améliorer le suivi des inondations et la réponse aux catastrophes.
Ordinateur optique analogique : accélérer l’IA et l’optimisation grâce à la lumière
Microsoft a développé un ordinateur optique analogique (Analog Optical Computer, AOC) qui utilise la lumière plutôt que l’électronique numérique traditionnelle pour résoudre efficacement des problèmes complexes d’optimisation et accélérer l’inférence de modèles d’IA – c’est-à-dire l’exécution d’un modèle entraîné pour produire des résultats, sans nouvel entraînement. Les problèmes d’optimisation visent à trouver la meilleure solution parmi un nombre quasi infini de possibilités.
Les résultats, publiés dans la revue Nature, démontrent le potentiel de la lumière pour réaliser des calculs essentiels, potentiellement avec une fraction de l’énergie et à des vitesses nettement supérieures à celles des GPU couramment utilisés aujourd’hui. L’ordinateur a été conçu à partir de technologies existantes et facilement industrialisables, comme des micro-LED, afin d’être plus abordable et plus simple à fabriquer dans les chaînes d’approvisionnement actuelles. Le prototype a réussi à résoudre deux types de problèmes d’optimisation dans les secteurs de la banque et de la santé : trouver la manière la plus efficace de régler des transactions bancaires complexes, et réduire drastiquement le temps nécessaire pour réaliser des examens IRM.
Gérer les risques liés aux promesses de l’IA en biologie
Les avancées en IA ouvrent des frontières extraordinaires en biologie. Mais ces mêmes technologies introduisent aussi des risques en matière de biosécurité et peuvent abaisser les barrières à la conception de toxines ou de pathogènes dangereux. Ce potentiel « à double usage », où une même découverte peut être utilisée pour le bien comme détournée à des fins malveillantes, pose un dilemme crucial pour la science moderne.
Un article dirigé par Microsoft et publié dans Science décrit un projet confidentiel de deux ans, lancé fin 2023. Les chercheurs de Microsoft ont reconnu que le travail en lui-même – détaillant des méthodes et des modes de défaillance – pourrait être exploité par des acteurs malveillants s’il était publié ouvertement. Afin de décider des informations partageables, les chercheurs ont organisé une délibération multipartite impliquant des agences gouvernementales, des organisations internationales de biosécurité et des experts en politiques publiques.
Les auteurs ont également conçu un système d’accès par niveaux pour les données et les méthodes, mis en place en partenariat avec l’International Biosecurity and Biosafety Initiative for Science (IBBIS). À leur connaissance, c’est la première fois qu’une grande revue scientifique approuve formellement une approche d’accès gradué pour gérer un risque informationnel.
Images par Microsoft et John Brecher pour Microsoft (Majorana 1), Jonathan Banks pour Microsoft (MatterGen, MatterSim), Frank Ramspott / Getty Images (image de typhon), Mark Stone pour l’Université de Washington (ciment infusé aux algues) et Chris Welsch pour Microsoft (ordinateur optique analogique).