Beaucoup de problèmes difficiles ne résistent pas parce que personne n’imagine la suite. Ils résistent parce que l’espace des prochaines étapes est trop vaste, trop bruité et trop coûteux à évaluer avec rigueur. Un nouveau protocole pourrait aider. Une modification du code pourrait améliorer un test. Une piste de démonstration pourrait débloquer un lemme. Un réglage de simulation pourrait révéler un régime plus stable. La plupart de ces candidats seront faux, faibles ou sans intérêt. Quelques-uns feront peut-être avancer la recherche.
Mutome existe pour rendre cette exploration systématique. Il explore des protocoles, des modifications de code, des stratégies de preuve, des paramètres, des configurations de simulation et des variantes d’expérience. Modèles, scripts, solveurs, méthodes de recherche et chercheurs peuvent tous proposer la prochaine étape. Le système conserve l’origine d’un candidat, les changements apportés, la méthode d’évaluation et les éléments produits.
Pourquoi Mutome.
Le nom réunit plusieurs idées proches : la mutation comme opération de recherche, l’atome comme petite unité de matière, l’autonomie comme exécution qui se dirige elle-même, et le suffixe « -ome » de génome ou protéome : une carte d’ensemble, plutôt qu’un seul échantillon.
Les mutations explorent. Les atomes gardent l’unité petite. Le suffixe « -ome » suggère un registre complet. L’autonomie renvoie à des boucles de recherche capables d’exécuter, de mesurer et d’améliorer sans perdre les éléments de preuve.
Un exemple concret.
autoresearch, d’Andrej Karpathy, est un point de repère utile : un agent modifie une configuration compacte d’entraînement de nanochat, mène de courtes expériences, vérifie la perte de validation, conserve les améliorations, annule les échecs et recommence. Dans une mise à jour de mars 2026, Karpathy décrit environ 700 tentatives autonomes ayant produit une vingtaine de changements cumulatifs et réduit le temps du test « Time to GPT-2 » de nanochat de 2,02 à 1,80 heure.
Mutome prend cette leçon au sérieux, mais l’applique à un problème de recherche plus large : modèles, scripts, solveurs, méthodes de recherche et humains peuvent produire de nombreux candidats. Seuls ceux qui laissent des éléments reproductibles doivent permettre d’avancer.
Explorer largement.
La recherche ouverte a besoin de diversité. Elle a besoin de nombreuses pistes plausibles, y compris celles qui paraissent étranges avant d’être testées. Mutome représente l’exploration comme un graphe : des candidats descendent de candidats antérieurs, les mutations étendent le domaine exploré et les échecs restent utiles parce qu’ils réduisent l’espace des possibilités. L’inspiration vient de la recherche évolutionnaire, mais l’objet du travail n’est pas seulement un score. C’est un candidat doté d’une filiation, d’un contexte, de mesures, de journaux et d’une structure suffisante pour être examiné plus tard.
Vérifier précisément.
Un candidat ne progresse pas parce qu’il semble convaincant. Il avance uniquement lorsqu’il satisfait le critère de preuve défini pour l’exécution : commande de reproduction, script de test, sortie d’un solveur, vérificateur de preuve, simulateur, décision de relecture ou mesure propre au domaine. Le sens de la mesure est explicite. La référence et le parent sont enregistrés. Les éléments produits sont joints. La décision est consignée : conserver, consolider ou écarter.
Cette séparation est le principe central de Mutome : du hasard dans la découverte, du déterminisme dans la vérification. Le système peut explorer largement, mais le chemin qui mène d’une affirmation à un résultat accepté doit être reproductible. Dire qu’un résultat s’est amélioré ne suffit pas. Mutome doit pouvoir montrer ce qui a changé, comment le résultat a été mesuré, s’il dépasse son parent et quels éléments justifient la décision.
Pourquoi cela compte.
Le progrès scientifique et technique dépend de plus en plus de l’exploration d’espaces qu’un chercheur seul ne peut pas énumérer à la main. L’IA peut aider à produire des candidats, mais cette production ne constitue pas, à elle seule, un laboratoire. Un laboratoire a besoin de mémoire, de contraintes, de références, d’éléments vérifiables, de résultats négatifs et de décisions reproductibles. Mutome est conçu comme cet établi : un lieu où l’exploration autonome ouvre de nombreuses possibilités tout en maintenant une exigence scientifique stricte.
La première version de Mutome se concentre sur la boucle elle-même : proposer, vérifier, évaluer et recommencer. Au fil du temps, cette boucle devient un registre du terrain exploré. Qu’a-t-on essayé ? Qu’est-ce qui a échoué ? Qu’est-ce qui s’est amélioré ? Que peut-on reproduire ? Qu’est-ce qui mérite une vérification plus exigeante ? Ces questions séparent une trace prometteuse d’un résultat qu’un autre chercheur peut remettre en cause.
Mutome s’adresse aux problèmes difficiles en mathématiques, en physique, en ingénierie et en recherche et développement technique : l’exploration peut être large, mais l’acceptation doit rester précise. L’objectif n’est pas de remplacer le jugement scientifique. Il est de lui donner une meilleure machine : une machine qui explore davantage, se souvient mieux et ne retient que ce qui laisse des éléments vérifiables.