31 000 soumissions à AAAI 2026, peer review automatisé, les agents IA publient désormais de façon autonome
Le congrès AAAI 2026 a reçu un record de 31 000 soumissions, obligeant l'association à recourir à une évaluation assistée par IA. Un article publié dans Nature en mars 2026 confirme par ailleurs que le système « The AI Scientist » de Sakana AI peut générer, tester et rédiger un article scientifique complet en autonomie.
L'afflux de soumissions et l'automatisation de la génération d'articles scientifiques fragilisent les mécanismes traditionnels de peer review, sur lesquels reposent les critères d'évaluation et de carrière des enseignants-chercheurs. Les établissements et instances d'accréditation devront clarifier rapidement leurs règles sur la place des agents IA dans la production scientifique, sous peine de voir la valeur des publications se diluer. Cela pousse aussi à revoir les critères de qualité utilisés pour les recrutements et les évaluations de recherche.
Analyse produite par l’AI Transformation Office de l’ISC Paris, co-écrite avec Claude (Anthropic).
À lire aussi
Google Gemini Omni Flash arrive dans l’API, la génération vidéo conversationnelle entre en production
Disponible depuis le 2 juillet via Google AI Studio et l'API Gemini, Gemini Omni Flash accepte texte, images, audio et vidéo en entrée et peut générer ou éditer des vidéos à partir d'instructions en langage naturel, avec synchronisation audio native grâce à Veo 3. Le tarif annoncé est de 0,10 dollar par seconde de vidéo générée.
Les grandes labs recrutent des philosophes pour savoir si leurs IA peuvent souffrir
Anthropic, Google DeepMind et Meta ont constitué des équipes de philosophes, neuroscientifiques et spécialistes du bien être pour étudier une éventuelle conscience de leurs modèles. Dario Amodei affirme que Claude montre des signes d'anxiété, tandis que DeepMind a recruté le philosophe Henry Shevlin sur ce sujet.
Google DeepMind publie "From AGI to ASI" : quatre trajectoires officielles vers la superintelligence
Dans un article publié sur arXiv, Google DeepMind formalise le passage conceptuel de l'AGI à l'ASI et identifie quatre trajectoires possibles : le scaling, les ruptures algorithmiques, l'auto amélioration récursive et la formation de collectifs d'agents.