La mission Genesis de Trump place la logique de la tech au cœur de la science américaine

L’administration Trump a engagé plus de 5 milliards de dollars dans la mission Genesis, plaçant les idées issues de la tech au centre de la politique scientifique fédérale. Ces fonds soutiennent des centaines de projets fondés sur l’intelligence artificielle, des infrastructures de calcul partagées, des jeux de données fédéraux et des laboratoires automatisés.

Il ne s’agit pas simplement d’un nouveau programme de subventions. La mission Genesis transforme la manière dont l’administration entend faire choisir les priorités de la science américaine, répartir les ressources, mener les expériences et mesurer les progrès.

L’administration compare l’urgence et l’ambition de cette mission au projet Manhattan. Mais cette comparaison met en lumière le conflit central. Le gouvernement promeut une mobilisation scientifique nationale tout en poursuivant de profondes coupes dans les institutions de recherche censées la mettre en œuvre.

Michael Kratsios, conseiller scientifique du président Trump, a présenté cette philosophie plus large dans son rapport de juillet 2026, « Science: A New Golden Age ». Son vocabulaire provient en partie des laboratoires nationaux et en partie de la Silicon Valley. Il privilégie les missions ambitieuses, le talent scientifique individuel, les plateformes techniques partagées, l’itération rapide, les partenariats industriels et les résultats mesurables.

Cette approche promet d’accélérer les découvertes. Elle remet aussi en question le système plus lent d’évaluation par les pairs, de recherche pilotée par les chercheurs, de laboratoires universitaires et de prise de décision distribuée qui a façonné la science américaine de l’après-guerre.

La question n’est pas de savoir si l’IA peut aider les chercheurs. C’est déjà le cas. La question est de savoir si un modèle opérationnel de type capital-risque peut renforcer la science sans vider de leur substance les institutions qui produisent le savoir scientifique.

La tech devient une politique scientifique fédérale

La mission Genesis fait de l’infrastructure d’IA la couche organisatrice d’une grande partie du système fédéral de recherche.

Les engagements fédéraux annoncés le 22 juillet dépassent 5 milliards de dollars. Plus de 15 agences contribueront, par des financements, des installations, des jeux de données et d’autres ressources, à un ensemble commun de défis nationaux.

Le ministère de l’Énergie reste le centre technique de la mission. Sa plateforme American Science and Security doit relier supercalculateurs, instruments scientifiques, installations expérimentales, systèmes d’IA et données gouvernementales spécialisées.

Selon une couverture du financement, les responsables ont sélectionné 278 projets parmi environ 5 000 candidatures. Ce volume de demandes suggère que les chercheurs voient dans la mission Genesis une nouvelle voie majeure d’accès au soutien fédéral.

Les projets retenus couvrent la santé, l’énergie, la fabrication avancée, les transports, l’agriculture, la sécurité nucléaire, l’informatique quantique et la recherche sur les matériaux. Ils comprennent des initiatives visant à automatiser les expériences, identifier les causes de maladies, modéliser les ressources souterraines, améliorer les chaînes d’approvisionnement et analyser des signatures nucléaires.

Cette structure diffère d’un programme classique qui finance une discipline ou un mandat d’agence. La mission Genesis organise les équipes autour de défis sélectionnés par le gouvernement, puis leur donne accès à des données et à une infrastructure de calcul partagées.

Le programme devient ainsi plus coordonné. Il confère aussi à la Maison-Blanche et aux dirigeants des agences une plus grande influence sur les questions scientifiques jugées dignes d’une attention nationale.

L’annonce officielle décrit les données organisées et une puissance de calcul considérable comme des intrants essentiels. Les agences fédérales possèdent déjà les deux, bien qu’une grande partie de leurs données reste difficile d’accès ou incompatible d’un système à l’autre.

Dans ce modèle, un scientifique ne reçoit pas simplement une subvention. Une équipe rejoint une plateforme plus large regroupant modèles, capacité de calcul, jeux de données gouvernementaux, équipements de laboratoire et partenaires industriels.

L’administration estime que cette combinaison réduira la distance entre une hypothèse et un résultat vérifié expérimentalement. Elle veut que l’IA explore la littérature scientifique, génère des solutions candidates, réalise des simulations, pilote des équipements de laboratoire et aide à évaluer les résultats.

C’est le principe de la tech traduit en politique publique. Construire la plateforme, réunir des équipes exceptionnellement ambitieuses, concentrer les ressources et optimiser les progrès rapides et visibles.

La version la plus convaincante de cette idée est séduisante. Les chercheurs passent souvent des mois à nettoyer des données, négocier des accès, maintenir des logiciels ou relier des instruments qui n’ont jamais été conçus pour communiquer entre eux.

Une infrastructure partagée peut supprimer une partie de ces frictions. Un programme coordonné peut également soutenir des projets trop coûteux ou trop interdisciplinaires pour un seul laboratoire universitaire.

Toutefois, la centralisation crée ses propres dépendances. Les chercheurs ont besoin de règles d’accès claires, de normes techniques compatibles, de financements durables et de l’assurance que les priorités politiques ne changeront pas brutalement.

L’annonce établit l’ampleur du programme. Elle ne démontre pas encore que le système qui en résultera produira une science plus fiable.

Le chiffre du financement masque une redistribution

La véritable histoire n’est pas simplement que Washington a trouvé de nouveaux fonds pour l’IA, mais qu’il redéfinit quelle science bénéficie d’un soutien institutionnel.

La Maison-Blanche présente l’initiative comme une mission mobilisant l’ensemble du gouvernement. Cette formulation est importante, car le total annoncé combine différentes formes d’activité fédérale, notamment des financements, des possibilités de financement, des jeux de données et l’accès à des installations.

Ce total ne doit pas être interprété comme une nouvelle enveloppe unique de subventions de recherche sans restriction. Certains engagements avaient déjà été annoncés, tandis que d’autres concernent des ressources que les agences contrôlent déjà.

Le ministère de l’Énergie a annoncé un processus de candidature de 293 millions de dollars en mars 2026. Les premières attributions soutenaient des projets de neuf mois, tandis que des projets plus importants de seconde phase pouvaient durer trois ans.

Le ministère a ensuite déclaré avoir obtenu plus de 800 millions de dollars de soutien de partenaires. Ces engagements incluent des crédits de calcul, une infrastructure cloud, l’accès à des modèles d’IA, une expertise scientifique, des partenariats et des financements directs.

Le consortium de la mission Genesis comprend les 17 laboratoires nationaux du ministère de l’Énergie, cinq usines et sites de la National Nuclear Security Administration, ainsi que 41 organisations industrielles, à but non lucratif et philanthropiques.

Ces ressources ont une valeur réelle. Elles ne sont pas interchangeables avec des crédits budgétaires stables pour les salaires, la formation des étudiants diplômés, l’entretien des laboratoires ou la recherche pilotée par les chercheurs.

Cette distinction devient importante lorsque l’administration présente la mission parallèlement à des propositions visant à réduire les budgets scientifiques traditionnels.

Sa demande pour l’exercice fiscal 2027 proposait une réduction de 55 % pour la National Science Foundation, de 23 % pour la NASA, de 15 % pour l’Office of Science du ministère de l’Énergie et de 12 % pour les National Institutes of Health. Ces chiffres proviennent d’une analyse du budget scientifique.

Le Congrès contrôle les crédits budgétaires définitifs et s’est opposé à plusieurs réductions proposées. Pourtant, les demandes budgétaires communiquent des priorités, et les agences doivent planifier en fonction des décisions administratives avant que chaque différend n’aboutisse à une décision législative finale.

Les universités, les chercheurs en début de carrière et les domaines extérieurs aux défis sélectionnés subissent la pression la plus forte. Ils ne peuvent pas remplacer rapidement un vaste soutien fédéral par des crédits de calcul ou une participation à une plateforme nationale d’IA.

Le contraste est particulièrement net pour la recherche fondamentale. De nombreuses découvertes importantes débutent sans application définie, jalon commercial mesurable ni garantie de réussite.

Un système fondé sur des missions favorise les problèmes pouvant être clairement formulés. L’IA ajoute un autre filtre, car les systèmes actuels fonctionnent au mieux lorsque les équipes disposent de vastes jeux de données, de résultats mesurables et de nombreuses solutions candidates.

La prédiction de la structure des protéines correspond à ce profil. Il en va de même pour le criblage de matériaux et certaines formes d’expérimentation automatisée.

D’autres questions n’y correspondent pas. Un domaine peut manquer de données standardisées, de critères de référence reconnus ou d’instruments capables de produire des observations lisibles par machine. Son importance peut néanmoins être considérable.

La mission Genesis incite donc à rendre la recherche lisible par la plateforme. Les laboratoires auront intérêt à présenter leurs propositions autour de l’IA, des défis nationaux et de cycles de retour rapides.

Cela peut améliorer la focalisation. Cela peut aussi entraîner de l’« AI washing », où les équipes mettent en avant l’apprentissage automatique parce que leur financement en dépend.

Les choix de financement de l’administration révèlent une redistribution plus vaste. Les ressources se déplacent vers des missions sélectionnées, des plateformes techniques, des laboratoires nationaux et des partenariats avec des entreprises qui contrôlent les modèles, les puces et les capacités cloud.

L’approche issue de la tech gagne en influence précisément au moment où le système de recherche décentralisé perd sa protection institutionnelle.

Le conflit principal oppose la vitesse à l’indépendance scientifique

La mission Genesis considère les institutions scientifiques comme un goulot d’étranglement, tandis que ses détracteurs y voient des garde-fous contre l’erreur et le contrôle politique.

Kratsios soutient que l’IA progressera plus vite que les organisations qui l’entourent. Sa stratégie scientifique affirme que les structures de financement, les systèmes de publication et les mécanismes d’attribution existants ont été conçus pour une découverte au rythme humain.

Le rapport appelle à des institutions « AI-native », à des publications plus rapides, à une attribution plus fine du mérite, au soutien des chercheurs individuels, à l’expérimentation autonome et à de nouveaux mécanismes pour orienter les fonds vers des problèmes à forte valeur.

Son diagnostic contient des vérités familières. L’évaluation par les pairs peut être lente. Les demandes de subvention absorbent des mois du temps des chercheurs. Les incitations à la publication récompensent plus sûrement la nouveauté que la réplication.

Les jeux de données scientifiques sont souvent abandonnés, mal documentés ou enfermés derrière des restrictions de licence. Les instruments de laboratoire utilisent fréquemment des formats propriétaires qui compliquent les flux de travail automatisés.

L’administration veut que le gouvernement s’attaque à ces problèmes comme à un projet d’ingénierie intégré. Elle propose des plateformes communes, des données ouvertes, une vérification automatisée et le pouvoir d’achat national pour influencer les fabricants d’instruments.

Les partisans peuvent citer des précédents historiques réussis. Le projet Manhattan, le programme Apollo, le Human Genome Project et les débuts d’internet ont combiné financement public et coordination technique ciblée.

Pourtant, aucun n’offre un modèle simple pour l’ensemble du système de recherche. Leurs objectifs étaient plus restreints que celui de « doubler la productivité et l’impact » de la recherche américaine en une décennie.

La productivité scientifique est également difficile à définir. Davantage d’articles, de brevets, d’expériences, de prédictions de modèles et de matériaux candidats ne produisent pas nécessairement davantage de connaissances fiables.

Les systèmes d’IA peuvent accroître le nombre d’hypothèses plus vite que les laboratoires ne peuvent les tester. Le rapport de Kratsios le reconnaît directement, observant que le coût de génération des affirmations a diminué plus vite que le coût de leur vérification.

Ce goulot d’étranglement doit déterminer la manière dont la mission Genesis est évaluée. Un modèle peut proposer des milliers de molécules, mais les chercheurs ont toujours besoin d’équipements, d’échantillons, de techniciens, de procédures de sécurité et d’expériences répétées.

L’administration propose une infrastructure de vérification et des mécanismes de réplication continue. Ces idées méritent une attention sérieuse, car les résultats peu fiables se développeraient à la même échelle que les résultats utiles.

Toutefois, la vérification dépend de l’indépendance. Un système qui sélectionne la mission, finance l’équipe, fournit la plateforme, définit le critère de référence et évalue le résultat risque de s’auto-confirmer.

L’évaluation par les pairs traditionnelle est imparfaite, mais elle répartit le jugement entre spécialistes. Des laboratoires indépendants peuvent remettre un résultat en cause sans dépendre de l’infrastructure de l’équipe d’origine.

Les critiques s’inquiètent aussi d’un contrôle politique de l’attribution des subventions. Les démocrates du Congrès ont soulevé cette préoccupation lorsque Kratsios a exposé sa stratégie aux élus, tandis que les républicains ont généralement soutenu l’accent mis sur la compétition nationale et le leadership technologique.

Voici la principale ligne de fracture de l’article : la vitesse centralisée contre l’indépendance scientifique distribuée.

Le conflit n’oppose pas l’IA aux scientifiques. Le Department of Energy affirme que Genesis Mission vise à assister les chercheurs, et non à les remplacer.

La question plus difficile est de savoir qui fixe les priorités. Une plateforme peut accélérer le travail une fois que quelqu’un a décidé quelles données, quels critères d’évaluation et quels problèmes nationaux comptent.

Ces décisions portent des valeurs. La recherche en santé peut privilégier les maladies chroniques, les maladies infectieuses, l’exposition environnementale, la santé reproductive ou les inégalités de santé. Un système d’optimisation ne peut pas déterminer cette hiérarchie sur la seule base de critères techniques.

La vision technologique de Verge tend à considérer la résistance institutionnelle comme un processus dépassé. La science a parfois besoin de cette résistance, car le scepticisme, la duplication et les désaccords méthodologiques protègent le public contre des erreurs séduisantes.

La science de l’IA dépend toujours des personnes, des instruments et de la confiance

Un modèle ne peut pas compenser des laboratoires endommagés, une expertise manquante, des données inaccessibles ou des chercheurs qui ne font plus confiance au système de subventions.

Le mécanisme technique de Genesis Mission est crédible dans certains environnements. Les laboratoires nationaux exploitent certains des supercalculateurs et instruments scientifiques les plus performants au monde.

Ils détiennent également des jeux de données spécialisés que les entreprises privées ne peuvent pas facilement reproduire. Ils comprennent des mesures de matériaux, des archives de physique des particules, des modèles de systèmes énergétiques, des observations météorologiques et des données de sécurité nucléaire.

Relier ces ressources peut créer des flux de travail scientifiques précieux. Un modèle d’IA pourrait identifier des compositions de matériaux prometteuses, envoyer des candidats vers des équipements robotiques, analyser les résultats expérimentaux et sélectionner l’essai suivant.

Un laboratoire en boucle fermée effectue ce cycle avec une intervention manuelle limitée. L’objectif n’est pas d’éliminer les chercheurs, mais de leur permettre d’évaluer davantage de candidats qu’un laboratoire conventionnel ne le permet.

Le Department of Energy a déjà soutenu des installations autonomes. L’A-Lab du Lawrence Berkeley National Laboratory travaille sur la synthèse de matériaux inorganiques, tandis que Polybot d’Argonne prend en charge la caractérisation automatisée des matériaux.

Ces projets montrent que le mécanisme est plus qu’un chatbot relié à une base de données. Il combine apprentissage automatique, robotique, instruments, normes de données et expérimentation physique.

Son déploiement à l’échelle nationale reste difficile. Les laboratoires utilisent des équipements, logiciels, métadonnées et procédures de sécurité différents. Les interfaces propriétaires rendent de nombreux instruments difficiles à automatiser.

Les données scientifiques comportent aussi un contexte que les modèles peuvent manquer. Une expérience ratée peut s’expliquer par un capteur défectueux, un échantillon contaminé, des conditions inhabituelles dans la pièce ou un changement de procédure non documenté.

Les chercheurs conservent souvent ces connaissances dans des carnets, des fichiers locaux, des fils d’e-mails et des conversations. Les transformer en données prêtes pour l’IA exige du temps et une curation rigoureuse.

Ce défi ressemble au problème auquel fait face toute organisation qui construit une mémoire de recherche interrogeable. Une base de connaissances technique devient utile uniquement lorsque le contexte, la provenance et l’accès restent intacts.

Genesis Mission doit résoudre ce problème à travers des agences aux mandats et aux exigences de sécurité différents.

Les informations de santé soulèvent des enjeux particulièrement élevés. La Bio Genesis Mission prévoit de combiner l’informatique avancée avec des données biomédicales et environnementales afin d’étudier les maladies et d’accélérer les traitements.

Le NIH indique que son objectif est de réduire de moitié, en dix ans, le délai entre une découverte et son bénéfice pour les patients. Il s’agit d’un objectif, pas d’une prévision vérifiée.

Les données de santé sensibles ne peuvent pas simplement être placées dans un pool commun d’entraînement. Les agences ont besoin de contrôles de confidentialité, de pistes d’audit, de règles de consentement, de protections de cybersécurité et de procédures permettant de contester des résultats biaisés.

Les applications de sécurité nationale imposent un problème d’accès différent. Les jeux de données les plus précieux peuvent être classifiés ou restreints, ce qui limite la réplication externe et l’évaluation indépendante.

Les partenariats avec l’industrie créent une autre incertitude. Les entreprises d’IA et les fournisseurs cloud peuvent apporter une infrastructure rare, mais ils peuvent aussi obtenir un accès privilégié aux priorités de recherche fédérales et aux données publiques.

Le gouvernement n’a pas encore établi toutes les règles à long terme concernant la propriété intellectuelle, l’accès aux modèles, la publication, les achats et la portabilité entre fournisseurs.

Ces règles détermineront si Genesis Mission crée une plateforme scientifique publique ou un ensemble de dépendances durables envers des infrastructures privées.

Il existe également une contradiction liée à la main-d’œuvre. Le Department of Energy estime que le pays doit former 100 000 scientifiques et ingénieurs à la recherche augmentée par l’IA sur dix ans.

Former cette main-d’œuvre exige des universités, des encadrants, des subventions stables, des programmes de cycles supérieurs et des parcours professionnels. Des coupes institutionnelles profondes affaibliraient le même vivier dont Genesis Mission a besoin.

L’administration décrit les structures héritées comme lentes. Certaines le sont parce que les équipements scientifiques, l’expertise, la confiance et la validation ne peuvent pas être produits à la vitesse des logiciels.

Un programme scientifique d’IA réussi doit moderniser ces structures sans prétendre qu’elles sont devenues facultatives.

Ce que la vision technologique de Verge doit démontrer ensuite

Genesis Mission devrait être jugée sur des découvertes vérifiées, l’accès ouvert et la durabilité institutionnelle, et non sur des engagements ou le nombre de candidatures.

Le premier signal est la performance des 278 projets sélectionnés. Les agences devraient publier des critères d’évaluation clairs, les conditions initiales, les méthodes, les résultats négatifs et les résultats de réplications indépendantes.

Si les projets produisent des résultats plus rapides et reproductibles, le modèle opérationnel de l’administration gagne en crédibilité. Si les progrès sont principalement mesurés par les sorties des modèles ou des démonstrations, l’affirmation centrale s’affaiblit.

Le deuxième signal concerne le budget fédéral final et sa répartition. Le Congrès a déjà contesté les coupes proposées, mais les crédits budgétaires annoncés ne racontent pas toute l’histoire.

Les chercheurs devraient surveiller les taux d’attribution, les retards de subventions, les effectifs, les règles relatives aux coûts indirects, le soutien aux étudiants des cycles supérieurs et la part des financements redirigée vers des missions prescrites.

Genesis Mission ne devient une véritable expansion que si ses investissements renforcent l’ensemble de la base de recherche. Si les agences la financent en affamant la science menée à l’initiative des chercheurs, elle devient une stratégie de substitution.

Cette substitution réduirait la diversité des questions entrant dans le pipeline. Elle rendrait également la science américaine plus dépendante de priorités choisies par un petit groupe de dirigeants politiques et techniques.

Le troisième signal concerne la gouvernance de l’American Science and Security Platform. Les agences doivent expliquer qui peut accéder à ses modèles, jeux de données, ressources de calcul et installations expérimentales.

Elles doivent également définir comment les chercheurs peuvent auditer les résultats, contester les décisions d’accès, déplacer les charges de travail entre fournisseurs et publier des résultats défavorables.

Des règles solides en matière d’accès et de vérification soutiendraient l’affirmation de l’administration selon laquelle elle construit une infrastructure nationale. Des systèmes fermés et des évaluations opaques feraient plutôt ressembler la plateforme à une pile technologique parrainée par le gouvernement.

Les un à trois prochains mois devraient apporter davantage de détails sur la participation de l’industrie, les engagements philanthropiques, la coopération internationale, les jalons des projets et la mise en œuvre par les agences.

Ces annonces montreront si Genesis Mission fonctionne comme un programme de recherche publique coordonné ou comme une collection d’initiatives d’IA vaguement liées.

Les développeurs devraient s’y intéresser car le programme peut influencer les normes de données scientifiques, l’évaluation des modèles, les interfaces robotiques et les achats fédéraux.

Les acheteurs d’entreprise devraient observer quels fournisseurs de cloud et de modèles s’intègrent aux flux de travail gouvernementaux. Ces choix peuvent façonner des normes techniques bien au-delà des laboratoires fédéraux.

Les chercheurs et travailleurs du savoir devraient se concentrer sur la provenance. Des réponses plus rapides ne sont utiles que lorsque les personnes peuvent retracer les preuves sous-jacentes, reproduire le processus et comprendre comment un système est arrivé à sa conclusion.

Le cadrage technologique de Verge saisit une véritable opportunité. L’IA peut réduire le travail administratif, explorer de vastes espaces scientifiques, relier des connaissances fragmentées et orienter des expériences automatisées.

Il porte aussi une faiblesse familière de la Silicon Valley : la conviction que l’échelle et la vitesse peuvent résoudre des problèmes enracinés dans les institutions, les incitations, le travail et la confiance.

Genesis Mission a officiellement fait passer cette conviction des scènes de conférence et des portefeuilles de capital-risque à la politique scientifique fédérale. Son succès dépendra de la capacité du gouvernement à préserver la capacité scientifique indépendante nécessaire pour tester ses propres grandes promesses.

Au cours des prochains mois, les lecteurs devraient regarder au-delà des comparaisons grandiloquentes de la mission. Suivez les résultats reproductibles des projets, la santé du financement ordinaire de la recherche et l’ouverture de la plateforme partagée.

Ces signaux répondront à la question essentielle : Washington construit-il une meilleure infrastructure pour les scientifiques, ou remplace-t-il la science américaine par un système plus étroit optimisé pour l’ère de l’IA ?