5 innovations scientifiques qui vont changer nos vies dans les 5 ans à venir

Aujourd’hui, aux États-Unis, un adulte sur cinq souffre d’un problème de santé mentale, de type neurologique (Huntington, Alzheimer, Parkinson, etc.) ou mental (dépression ou psychose), et environ la moitié des personnes atteintes de troubles psychiatriques graves ne reçoivent aucun traitement. À lui seul, le coût du traitement des troubles mentaux est supérieur aux coûts de traitement du diabète, des troubles respiratoires et du cancer combinés. Le poids économique des troubles mentaux atteint un trillion de dollars par an aux États-Unis seulement.

Le cerveau est une boîte noire que nous ne comprenons pas complètement, et dont le déverrouillage passe par la parole. D’ici cinq ans, ce que nous disons et écrivons sera utilisé comme des indicateurs de notre santé mentale et de notre bien-être physique. Les modèles de notre discours et de notre écriture analysés par de nouveaux systèmes cognitifs fourniront des signes révélateurs de maladies mentales et neurologiques précoces, qui pourront aider les médecins et les patients à mieux prédire, surveiller et suivre ces maladies.

Chez IBM, les scientifiques utilisent des transcriptions et des données audio provenant d’entrevues psychiatriques, associées à des techniques d’apprentissage mécanique, pour trouver des modèles de discours qui aideraient les cliniciens à prédire et à surveiller précisément la psychose, la schizophrénie, la manie et la dépression. Aujourd’hui, il suffit de 300 mots pour aider les cliniciens à prédire la probabilité de psychose chez un patient.

À l’avenir, des techniques similaires pourraient être utilisées pour aider les patients atteints de la maladie de Parkinson, de la maladie d’Alzheimer, de la maladie de Huntington, du trouble de stress post-traumatique et même des troubles comportementaux tels que l’autisme et le TDAH. Les ordinateurs cognitifs peuvent analyser la parole d’un patient ou des mots écrits pour rechercher les indicateurs révélateurs du langage, y compris la signification, la syntaxe et l’intonation. En combinant les résultats de ces mesures avec celles des dispositifs portables et des systèmes d’imagerie (IRM et EEG), il est possible de mieux repérer, comprendre et traiter la maladie sous-jacente.

Des signes autrefois invisibles deviendront des signes clairs de la probabilité que les patients entrent dans un certain état mental ou de la façon dont leur plan de traitement fonctionne, des évaluations quotidiennes dans le confort de leur foyer complétant alors les visites cliniques régulières.

Plus de 99,9 % du spectre électromagnétique ne peut pas être observé à l’œil nu. Au cours des 100 dernières années, les scientifiques ont construit des instruments qui peuvent émettre et détecter l’énergie à différentes longueurs d’onde. Aujourd’hui, nous comptons sur certains d’entre eux pour prendre des images médicales de notre corps, voir la carie, vérifier nos sacs à l’aéroport ou poser un avion dans le brouillard. Cependant, ces instruments sont incroyablement spécialisés et coûteux, et ne voient que des parties spécifiques du spectre électromagnétique.

D’ici cinq ans, de nouveaux dispositifs d’imagerie utilisant la technologie d’hyperimagerie et l’intelligence artificielle nous aideront à voir largement au-delà du domaine de la lumière visible, en combinant de multiples bandes du spectre électromagnétique pour révéler des renseignements précieux ou des dangers potentiels qui seraient autrement inconnus ou cachés. Plus important encore, ces appareils seront portables, abordables et accessibles, de sorte que nous pourrons bénéficier d’une vision de super héros au quotidien.

Voir des phénomènes physiques invisibles ou vaguement visibles tout autour de nous pourrait faciliter la circulation des conducteurs et des voitures sans chauffeur. Par exemple, en utilisant l’imagerie par ondes millimétriques, une caméra et d’autres capteurs, la technologie d’hyperimagerie pourrait aider une voiture à voir à travers le brouillard ou la pluie, à détecter des conditions routières dangereuses et difficiles à voir, comme la présence de glace noire ou d’un objet devant le véhicule, sa taille et à quelle distance il se trouve. Les technologies informatiques cognitives raisonneront sur ces données et reconnaîtront ce qui pourrait être une poubelle penchée ou un cerf traversant la route, ou encore un nid de poule qui pourrait causer une crevaison.

Dans nos téléphones, ces mêmes technologies pourraient prendre des images de notre nourriture pour estimer sa valeur nutritive ou nous dire si elle est sécuritaire à manger. Une hyperimage d’un médicament pharmaceutique ou d’un chèque bancaire pourrait nous permettre de distinguer ce qui est frauduleux et ce qui ne l’est pas. Ce qui était autrefois au-delà de la perception humaine sera visible.

Les scientifiques d’IBM construisent aujourd’hui une plateforme d’hyperimagerie compacte qui réunit des portions distinctes du spectre électromagnétique pour l’héberger sur de nombreux d’appareils et dans de nombreuses applications pratiques et abordables.

Aujourd’hui, le monde physique nous donne seulement un aperçu de notre écosystème interconnecté et complexe. Nous collectons des exaoctets de données, mais la plupart d’entre elles ne sont pas organisées. En fait, on estime que 80 % du temps d’un chercheur est consacré à l’épuration des données plutôt qu’à l’analyse et à la compréhension de ce que ces données tentent de nous dire.

Grâce à l’Internet des objets, de nouvelles sources de données arrivent de millions d’objets connectés, comme des réfrigérateurs, des ampoules et des moniteurs cardiaques, à des capteurs à distance tels que des drones, des caméras, des stations météorologiques, des satellites et des réseaux de télescopes. Il y a déjà plus de six milliards de périphériques connectés générant des dizaines d’exaoctets de données par mois, avec un taux de croissance de plus de 30 % par an. Après avoir numérisé avec succès l’information, les transactions commerciales et les interactions sociales, nous sommes maintenant en train de numériser le monde physique.

D’ici cinq ans, nous utiliserons des algorithmes et des logiciels d’apprentissage automatique pour nous aider à organiser l’information sur le monde physique afin d’intégrer les vastes et complexes données recueillies par des milliards d’appareils à notre vision et à notre compréhension. Nous appelons cela un « macroscope » - mais contrairement au microscope qui peut voir le très petit ou au télescope qui peut voir loin, c’est un système de logiciels et d’algorithmes pour rassembler toutes les données complexes de la Terre et les analyser pour leur donner un sens.

En rassemblant, en organisant et en analysant des données sur le climat, les conditions du sol, les niveaux d’eau et leur relation avec les pratiques d’irrigation, par exemple, une nouvelle génération d’agriculteurs aura des données qui les aideront à déterminer les bons choix de cultures et à obtenir des rendements optimaux tout en conservant des réserves d’eau précieuses.

En 2012, le groupe Recherche IBM a commencé à étudier ce concept à Gallo Winery, en intégrant les données sur l’irrigation, le sol et les conditions météorologiques avec des images satellites et d’autres données de capteurs afin de prédire l’irrigation spécifique nécessaire pour produire un rendement et une qualité optimale. À l’avenir, les technologies de macroscope nous aideront à étendre ce concept n’importe où dans le monde.

Au-delà de notre planète, les technologies macroscopiques pourraient traiter, par exemple, l’indexation compliquée et la corrélation de différentes couches et volumes de données collectées par les télescopes pour prédire les collisions d’astéroïdes entre elles et en apprendre davantage sur leur composition.

La détection précoce de la maladie est cruciale. Dans la plupart des cas, plus tôt la maladie est diagnostiquée, plus elle est susceptible d’être guérie ou contrôlée correctement. Cependant, des maladies comme le cancer ou la maladie de Parkinson peuvent être difficiles à détecter - elles se cachent dans notre corps bien avant que les symptômes apparaissent. L’information sur l’état de notre santé peut être extraite de minuscules bioparticules dans les fluides corporels comme la salive, les larmes, le sang, l’urine et la sueur. Les techniques scientifiques existantes font face à des défis pour la capture et l’analyse de ces bioparticules, qui sont cent fois plus petites que le diamètre d’un cheveu.

Dans les cinq prochaines années, de nouveaux laboratoires sur puce agiront comme des détectives sanitaires nanotechnologiques - en suivant des indices invisibles dans nos fluides corporels et en nous informant. L’objectif est de concentrer dans une seule puce de silicium toutes les étapes nécessaires pour l’analyse d’une maladie qui devraient normalement être effectuées dans un laboratoire de biochimie à grande échelle.

La technologie de laboratoire sur puce pourrait finalement être rassemblée dans un dispositif portatif pratique pour permettre aux gens de mesurer rapidement et régulièrement la présence de biomarqueurs dans leurs fluides corporels, et diffuser ces informations en continu dans le nuage depuis chez eux de façon pratique. Ce dispositif pourrait être combiné avec des données provenant d’autres systèmes compatibles avec l’Internet des objets, comme les moniteurs de sommeil et les montres intelligentes, et le tout pourrait être analysé par des systèmes d’intelligence artificielle. Prises ensemble, ces données nous donneront une vue en profondeur de notre santé et nous alerteront aux premiers signes de problèmes, nous aidant à arrêter la maladie avant qu’elle ne progresse.

Au groupe Recherche IBM, les scientifiques développent des nanotechnologies de laboratoire sur puce qui peuvent séparer et isoler des bioparticules faisant jusqu’à 20 nanomètres de diamètre, dont l’ADN, les virus et les exosomes. Ces particules pourraient être analysées pour révéler la présence potentielle de la maladie avant même que les symptômes se manifestent.

La plupart des polluants sont invisibles à l’œil humain, jusqu’à ce que leurs effets les rendent impossibles à ignorer. Le méthane, par exemple, est la principale composante du gaz naturel, communément considéré comme une source d’énergie propre. Mais si le méthane se répand dans l’air avant d’être utilisé, il peut réchauffer l’atmosphère terrestre. On estime que le méthane est le deuxième plus grand contributeur au réchauffement mondial après le dioxyde de carbone (CO2).

Aux États-Unis, les émissions des systèmes pétroliers et gaziers sont la principale source de méthane dans l’atmosphère. L’Agence américaine de protection de l’environnement (EPA) estime que plus de neuf millions de tonnes de méthane se sont échappées des systèmes de gaz naturel en 2014. Mesuré en équivalent CO2 sur 100 ans, cela représente davantage que les gaz à effet de serre émis par toutes les usines de fabrication de fer et d’acier, de ciment et d’aluminium des États-Unis.

D’ici cinq ans, de nouvelles technologies de détection à prix abordable déployées près des puits d’extraction de gaz naturel, autour des installations de stockage et le long des canaux de distribution permettront à l’industrie de repérer des fuites invisibles en temps réel. Des réseaux de capteurs connectés sans fil au cloud assureront un suivi continu de la vaste infrastructure du gaz naturel, permettant ainsi de détecter les fuites en quelques minutes au lieu de quelques semaines, en réduisant la pollution et les déchets et la probabilité d’événements catastrophiques.

Les scientifiques d’IBM se consacrent à cette vision en travaillant avec des producteurs de gaz naturel pour explorer le développement d’un système intelligent de surveillance du méthane dans le cadre du programme ARPA-E Methane Observation Networks with Innovative Technology to Obtain Reductions (MONITOR).

La photonique au silicium est au cœur de la recherche d’IBM. Il s’agit d’une technologie évolutive qui transfère les données par la lumière, permettant littéralement de calculer à la vitesse de la lumière. Ces puces pourraient être intégrées dans un réseau de capteurs au sol ou dans l’infrastructure, voire sur des drones autonomes. Elles généreraient des informations qui, une fois combinées avec des données sur le vent en temps réel, des données satellitaires et d’autres sources historiques, pourraient être utilisées pour détecter l’origine et la quantité des polluants au fur et à mesure qu’ils apparaissent.