48 agents IA ont « découvert » une colonie maya, mais des archéologues l'avaient décrite il y a un an
Pietro Miotti, chercheur chez Google, a lancé 48 agents IA sur des relevés lidar de la NASA et a annoncé une colonie maya inconnue. Pourtant, des chercheurs avaient décrit ce site dans une revue scientifique plus d'un an plus tôt. Miotti n'a vérifié que le registre de l'institut mexicain INAH, et les archéologues ne publient pas les coordonnées : il faut donc chercher la nouveauté dans les figures des articles. Un agent de recherche a besoin d'une étape de comparaison avec la littérature, et pas seulement d'une recherche de candidats.
Traité par IA depuis The Verge ; édité par Hamidun News
Imaginez : vous réunissez une équipe d'agents IA, vous leur donnez des données ouvertes, et en moins de trois jours vous obtenez la réponse officielle d'un gouvernement. Cela ressemble à la démonstration parfaite des capacités de la technologie. C'est exactement ainsi que Pietro Miotti, chercheur chez Google, présentait l'histoire, jusqu'à ce que des archéologues signalent le problème : cette colonie maya « inconnue » avait déjà été décrite dans une revue scientifique plus d'un an auparavant. Pour ceux qui conçoivent des agents pour la science, l'analyse et toute recherche du « nouveau », c'est un cas d'école tout prêt.
Ce qu'a fait Miotti et où tout a déraillé
Selon Miotti, il s'agissait d'un projet personnel, sans moyens de calcul de Google. L'idée lui est venue lors d'un voyage au Pérou : il s'est demandé ce que feraient les historiens s'ils disposaient des technologies actuelles. Il a choisi le lidar, un relevé laser qui construit un modèle 3D détaillé du terrain et permet de distinguer, sous la forêt, les anciens tertres et bâtiments.
Il a lancé une équipe de 48 agents IA et leur a confié l'examen de données lidar ouvertes de la NASA. Les données publiques sont rares au Pérou, il s'est donc tourné vers la région maya du Mexique. Les agents ont signalé de nombreux sites prometteurs, dont un « grand village » absent, selon les archives disponibles, des registres.
Miotti a écrit à l'Institut national d'anthropologie et d'histoire du Mexique (INAH), en utilisant les mêmes agents pour traduire ses courriers en espagnol. L'institut a répondu qu'il n'avait aucun site enregistré à cet emplacement. Dans son blog, Miotti a qualifié cette période de meilleure de sa vie et a appelé à couvrir toute la planète de relevés lidar pour que les agents « aident à trouver le reste ».
Mais le site était déjà connu : il avait été documenté dans un article scientifique publié plus d'un an auparavant. Sarah Parcak, professeure d'archéologie à l'Université de l'Alabama à Birmingham, a écrit sur Bluesky que c'est précisément à cela que sert l'évaluation par les pairs. Selon elle, l'absence d'entrée dans une base publique ne signifie pas que le site est inconnu ou non cartographié.
Pourquoi les agents n'ont pas vu l'évidence
Miotti a reconnu que ses agents, et lui-même, s'étaient trompés. Les archéologues ont raison de ne pas publier les coordonnées des monuments, afin d'éviter le pillage. La vérification de la nouveauté ne consiste donc pas à interroger une base de données, mais à comparer les images lidar avec les figures et les plans des articles scientifiques. Pour des agents, c'est bien plus difficile, et les outils doivent encore progresser sur ce point. Pour une analogie non mathématique : c'est comme chercher le doublon d'une fonction dans un code tiers qui n'est publié nulle part sous forme de texte, mais seulement décrit en mots dans la documentation.
Ivan Šprajc, de l'Académie slovène des sciences et des arts, coauteur de l'article en question, a souligné que la démarche auprès de l'INAH était utile, mais insuffisante : l'institut n'a pas accès à l'ensemble des informations. L'absence d'enregistrement officiel ne signifie pas que le site n'a pas été repéré ou étudié par des archéologues. Il a ajouté que les chercheurs utilisent le lidar et d'autres méthodes de télédétection depuis longtemps, et que simplement repérer quelque chose sur une image ajoute peu de connaissances.
Elizabeth Graham, professeure d'archéologie mésoaméricaine à l'UCL, a également remis en cause le terme même de « découverte ». Selon elle, les habitants connaissent généralement très bien les monuments proches de chez eux, et les spécialistes des Mayas savent qu'il existe de nombreux sites non fouillés, repérés à pied. Le vrai problème est financier : les budgets consacrés aux fouilles et à la cartographie sont aujourd'hui bien inférieurs à ce qu'ils étaient, et le nombre de sites « découverts » importe donc moins. Graham a néanmoins reconnu que Miotti avait plutôt bien interprété les données lidar, ce qui n'est pas une tâche simple.
Ce qu'il faut en retenir pour les développeurs
Première leçon : les agents génèrent bien des candidats, mais répondent mal à la question « quelqu'un a-t-il déjà fait cela ? ». Si vous construisez un agent de recherche, prévoyez une étape distincte de comparaison avec les publications, ainsi qu'une validation par des experts avant toute affirmation retentissante.
Deuxième leçon : le coût de la vérification est reporté sur les spécialistes. Šprajc a raconté qu'il avait reçu le jour même un courriel d'un autre « découvreur » IA et craint une avalanche de messages de ce type. De même que les dépôts open source souffrent de pull requests générées automatiquement, la science pourrait être submergée de signalements de « trouvailles ».
Troisième leçon : publier des coordonnées comporte un risque. Šprajc admet qu'en l'absence de pillage, ces découvertes ne posent pas de problème pour l'instant, mais que le danger est bien réel.
Miotti affirme qu'il ne s'attendait pas à une telle attention ; il a mis à jour son billet et cité les auteurs du travail original. Il indique aussi que des archéologues et des doctorants lui écrivent pour s'intéresser à son approche de ses propres données de relevé. Les agents pourraient devenir un filtre utile sur de vastes volumes de données, mais la décision finale revient à l'expert. Une histoire similaire circule autour de résultats mathématiques récents d'OpenAI : les modèles produisent des résultats impressionnants, sans toujours tenir compte des travaux antérieurs. La conclusion pratique est simple : avant d'écrire « découvert », vérifiez la littérature et sollicitez un spécialiste.
- 21 nov. 2026La capitaine d'une équipe de nageurs a confié trois tâches planifiées à ChatGPT et divisé sa charge de travail par plusieurs
- 21 nov. 2026Le réseau de neurones MIRA génère Rocket League à 20 images par seconde, mais le ping grimpe jusqu'à 460 ms
- 21 nov. 2026Google a construit une copie fermée d'internet avec de fausses banques pour entraîner les agents IA de Chrome
- 21 nov. 2026MLPerf Training v6.1 : Nvidia Rubin et TPU Ironwood font leurs débuts, 153 systèmes au test
Questions clés sur cet article
Que sait-on sur Ce qu'a fait Miotti et où tout a déraillé ?
Selon Miotti, il s'agissait d'un projet personnel, sans moyens de calcul de Google. L'idée lui est venue lors d'un voyage au Pérou : il s'est demandé ce que feraient les historiens s'ils disposaient des technologies actuelles. Il a choisi le lidar, un relevé laser qui construit un modèle 3D détaillé du terrain et permet de distinguer, sous la forêt, les anciens tertres et bâtiments. Il a lancé une équipe de 48 agents IA et leur a confié l'examen de données lidar ouvertes de la NASA.
Pourquoi les agents n'ont pas vu l'évidence?
Miotti a reconnu que ses agents, et lui-même, s'étaient trompés. Les archéologues ont raison de ne pas publier les coordonnées des monuments, afin d'éviter le pillage. La vérification de la nouveauté ne consiste donc pas à interroger une base de données, mais à comparer les images lidar avec les figures et les plans des articles scientifiques. Pour des agents, c'est bien plus difficile, et les outils doivent encore progresser sur ce point.
Que sait-on sur Ce qu'il faut en retenir pour les développeurs ?
Première leçon : les agents génèrent bien des candidats, mais répondent mal à la question « quelqu'un a-t-il déjà fait cela ? ». Si vous construisez un agent de recherche, prévoyez une étape distincte de comparaison avec les publications, ainsi qu'une validation par des experts avant toute affirmation retentissante. Deuxième leçon : le coût de la vérification est reporté sur les spécialistes.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.