La société technologique américaine Microsoft a officiellement lancé, lors de la conférence Build 2026, sa plateforme d'IA agentive cloud pour entreprises, Microsoft Discovery. Destinée aux scénarios de R&D à forte intensité de données, tels que la chimie, la science des matériaux, les sciences de la vie, les semi-conducteurs et l'informatique quantique, cette plateforme aide les équipes de recherche à compresser le cycle allant de la formulation d'hypothèses, en passant par la conception expérimentale, jusqu'à la validation des résultats, grâce à la collaboration multi-agents, aux graphes de connaissances, à l'intégration d'outils de simulation et à l'orchestration des flux de travail expérimentaux. Microsoft Discovery, initialement présenté en version privée lors de la conférence Build 2025, est désormais disponible en version générale.

La position centrale de Microsoft Discovery n'est pas celle d'un assistant bureautique généraliste, mais celle d'une plateforme agentive dédiée aux processus de recherche scientifique et d'ingénierie. Les instituts de recherche et les départements de R&D des entreprises sont souvent confrontés à des ensembles de données dispersés, des documents internes, des cahiers de laboratoire, des outils de simulation, des systèmes instrumentaux et des modèles spécialisés. Dans les processus de R&D traditionnels, les chercheurs doivent constamment basculer entre différents logiciels, bases de données et plateformes expérimentales, le nettoyage des données, le filtrage des hypothèses, la comparaison des paramètres et l'analyse post-expérience occupant un temps considérable. Microsoft Discovery tente d'intégrer ces étapes dans un même flux de travail de R&D cloud, permettant à plusieurs agents d'IA d'assumer respectivement les tâches de recherche documentaire, d'organisation des données, d'appel à la simulation, de génération d'hypothèses, de planification expérimentale et d'analyse des résultats.

Le module clé sous-jacent de la plateforme est le Discovery Engine. Il organise les bases de connaissances internes de l'organisation, les données scientifiques publiques, les données expérimentales, les outils de modélisation et les résultats de simulation sous forme de graphe de connaissances, permettant aux agents d'IA d'effectuer un raisonnement inter-outils autour d'un même objectif de recherche. Après qu'un chercheur a soumis une tâche de sélection de matériaux, de conception moléculaire, d'optimisation de procédé semi-conducteur ou de validation de candidat médicament, le système peut faire appel à différents agents pour décomposer le problème et intégrer le calcul, la recherche, la simulation et le retour d'expérience dans une même chaîne de R&D. Cette conception se rapproche davantage d'un « assistant de laboratoire numérique » que d'un simple système de questions-réponses conversationnel.

Microsoft Discovery prend en charge l'orchestration multi-agents. Différents agents peuvent avoir des rôles distincts, par exemple rechercher des conclusions d'études existantes, générer de nouvelles hypothèses, faire appel à des ressources de calcul haute performance, exécuter des tâches de simulation, comparer des données expérimentales ou vérifier la cohérence des résultats. Les tâches de recherche scientifique ne sont généralement pas accomplies par une seule question-réponse, mais nécessitent plusieurs cycles de correction d'hypothèses, d'ajustement de paramètres, de retour d'expérience et de vérification des résultats. La valeur de la structure multi-agents réside dans la décomposition de tâches de R&D complexes en plusieurs nœuds exécutables, puis dans la consolidation des résultats dans un flux que les chercheurs peuvent examiner.

Microsoft a particulièrement souligné l'application de Discovery dans la R&D en informatique quantique. Lors du développement de sa nouvelle puce quantique topologique Majorana 2, Microsoft Discovery a contribué à l'optimisation de la pile de matériaux, à la configuration de la puce et à la compression du chemin expérimental. Après l'adoption d'une nouvelle pile de matériaux pour Majorana 2, la fiabilité des qubits a été améliorée d'environ 1000 fois par rapport à la génération précédente, la durée de vie moyenne des qubits atteignant 20 secondes, certains cas approchant 1 minute. Pour l'informatique quantique, le temps de cohérence est directement lié à la capacité de maintien de l'état quantique, à la fenêtre de correction d'erreurs et à la capacité de calcul extensible ultérieure ; une durée de vie de l'ordre de 20 secondes constitue un indicateur de performance important pour cette voie technologique.

La difficulté de la R&D des puces quantiques réside dans le couplage étroit entre les matériaux, la structure des dispositifs, l'environnement cryogénique, le contrôle du bruit et les schémas de mesure. Un changement de paramètre peut affecter la structure de bande, la qualité de l'interface, la densité de défauts et la stabilité de l'état quantique. Le rôle de Microsoft Discovery dans ce type de problème est de placer les données expérimentales, les modèles de simulation et les combinaisons de matériaux candidats dans un processus itératif, réduisant ainsi les essais-erreurs manuels systématiques. Les agents d'IA ne peuvent pas remplacer les expériences physiques, mais ils peuvent aider les équipes de recherche à filtrer plus rapidement les voies candidates, à localiser les résultats anormaux et à transformer les données fragmentées en hypothèses pouvant être vérifiées ultérieurement.

La plateforme est également destinée aux scénarios de R&D dans le domaine des semi-conducteurs. La recherche sur les matériaux semi-conducteurs, les procédés de fabrication, les structures de boîtier et la fiabilité des dispositifs nécessite toutes un grand nombre de données de simulation et d'expérimentation. Discovery peut gérer de manière unifiée les données de procédé, les propriétés des matériaux, l'analyse des défauts, les modèles de simulation et les cahiers de laboratoire, permettant aux équipes de R&D de réaliser la décomposition des problèmes, la sélection des variables et la vérification des résultats sur une même plateforme. Pour la R&D sur les procédés avancés, les semi-conducteurs composés, les dispositifs optoélectroniques et les matériaux pour puces d'IA, l'organisation des données et la collaboration inter-outils affectent directement l'efficacité de la R&D.

Les sciences de la vie et la recherche chimique sont également des scénarios cibles pour Microsoft Discovery. La découverte de médicaments, l'analyse de structures protéiques, le criblage moléculaire, les matériaux de batterie, les formulations d'électrolytes et la conception de catalyseurs présentent tous des problèmes de données à haut débit et de variables multiples. Discovery peut connecter les données existantes de l'institution, les bases de données publiques, les modèles spécialisés et les systèmes expérimentaux, aidant les chercheurs à réduire le temps de sélection des solutions candidates. Les équipes de recherche doivent toujours diriger le jugement expérimental et la confirmation des résultats ; la plateforme d'IA assume l'intégration de l'information, la décomposition des tâches, l'appel à la simulation et l'automatisation des tâches répétitives.

Le lancement officiel de Microsoft Discovery reflète la transition de l'IA pour la recherche scientifique d'« outil ponctuel » vers une « plateforme de processus de R&D ». Auparavant, l'IA était davantage utilisée pour le résumé de littérature, la génération de code ou la prédiction par modèle unique ; elle commence maintenant à entrer dans la chaîne de génération d'hypothèses, de planification expérimentale, d'appel à des outils et de validation des résultats. Pour les départements de R&D des entreprises, le point de compétition de ce type de plateforme ne réside pas seulement dans la capacité des modèles, mais aussi dans la gouvernance des données, la gestion des autorisations, la qualité des graphes de connaissances, la capacité d'intégration d'outils spécialisés et la traçabilité des processus expérimentaux.

Microsoft a également lancé une version d'aperçu de l'application Microsoft Discovery, abaissant la barrière à l'entrée pour les équipes de recherche et les étudiants. La plateforme d'entreprise est déployée sur le cloud Azure, adaptée aux grandes institutions pour se connecter à leurs bases de connaissances internes et à leurs ressources de calcul haute performance ; l'application locale est quant à elle destinée à une exploration scientifique plus légère et à des expériences préliminaires. Alors que les agents d'IA entrent progressivement dans les phases de recherche, la valeur centrale des plateformes de R&D passera de la « génération de réponses » à l'« organisation du processus de recherche ». La capacité de Microsoft Discovery à former des applications stables dans les domaines des matériaux, des semi-conducteurs, du quantique et des sciences de la vie dépendra encore de la validation expérimentale réelle, de la profondeur de l'intégration des données sectorielles et de l'efficacité à long terme de son utilisation par les équipes de recherche.