Hugging Face lance Project ProtoStar pour rendre la recherche publique exploitable par l’IA, premier défi climatique le 2 novembre

Le 29 octobre 2026, Hugging Face a annoncé Project ProtoStar, une initiative visant à rendre plus faciles à découvrir et à réutiliser les jeux de données, modèles et codes issus de la recherche financée sur fonds publics, en particulier pour la recherche pilotée par l’IA. Les participants s’engagent à publier les artefacts scientifiques adaptés dans des formats prêts pour l’IA et exploitables par machine, et à montrer l’intérêt de la réutilisation par une série de défis ouverts. Le premier, organisé par l’université Carnegie Mellon, s’ouvre le 2 novembre.

Les partenaires fondateurs sont l’université Carnegie Mellon, l’université Purdue, le Georgia Institute of Technology, l’université d’État de l’Arizona et l’université George Washington, qui agissent via l’Open Forum for AI (OFAI) comme partenaire de la coalition universitaire, ainsi que l’Astera Institute. Hugging Face est le partenaire d’infrastructure, et l’Open Research Community Accelerator (ORCA), par son Fostering Innovation Network, le partenaire communautaire. Les organisations participantes formalisent leur engagement dans un protocole d’accord qui soutient la publication de jeux de données, de modèles et de codes scientifiques adaptés, dans des formats prêts pour l’IA, sur une infrastructure ouverte. Les organisations souhaitant rejoindre l’initiative peuvent écrire à [email protected].

Le point de départ de l’article est que rendre la recherche publique ne la rend pas utilisable. Le gouvernement fédéral américain investit environ 190 milliards de dollars par an dans la recherche et le développement, des agences comme les National Institutes of Health (NIH) et la National Science Foundation (NSF) ont renforcé leurs exigences d’accès public et de plans de partage des données, et Hugging Face figure parmi les dix dépôts généralistes que recense le NIH. Pourtant, jeux de données, modèles et codes scientifiques sont souvent dispersés entre des systèmes incompatibles, conservés dans des formats statiques ou anciens, ou publiés sans la documentation, les métadonnées et la provenance nécessaires à leur réutilisation. ProtoStar vise à combler cet écart en encourageant un partage systématique dans des formats prêts pour l’IA, soutenu par une infrastructure ouverte et des conseils de publication pratiques.

L’article cite les propres statistiques de Hugging Face comme preuve de la demande. Hugging Face héberge plus de 17 000 jeux de données publics dans des domaines scientifiques centraux comme la génomique, la conception de protéines, la chimie, la météo et le climat, l’observation de la Terre et l’astronomie, près de 29 000 en y ajoutant la médecine et les mathématiques, avec un nombre comparable de modèles scientifiques. Les chercheurs ont partagé plus de trois fois plus de nouveaux jeux de données scientifiques pendant les neuf premiers mois de 2026 que sur la même période de 2025, et la croissance reste substantielle sans le plus gros déposant individuel. Les 18 dépôts publics que le National Center for Biotechnology Information (NCBI) du NIH maintient sur la plateforme ont reçu plus de 11 millions de téléchargements, les 27 dépôts de NASA IMPACT environ 770 000 au 26 octobre 2026, et 90 % des téléchargements de jeux de données sur Hugging Face concernent des jeux entièrement documentés. Ce sont les chiffres de la plateforme elle-même, pas une évaluation indépendante.

Le premier défi, Climate Risk Intelligence, est organisé par l’université Carnegie Mellon du 2 au 13 novembre 2026. Les participants utilisent les relevés climatiques jusqu’en 2018 pour 210 villes américaines afin de prédire les conditions réelles de 2019 à 2026 : les modèles sont donc jugés sur la météo observée et non sur des scénarios hypothétiques. Ils prévoient quatre indicateurs : la température annuelle moyenne, les précipitations annuelles totales, le jour le plus chaud de l’année et les degrés-jours de refroidissement, une mesure de la demande de climatisation. Les prédictions sont comparées à de simples références statistiques comme les moyennes historiques et les tendances linéaires, pour voir si les approches d’IA apportent un gain de précision significatif. Les participants proposent aussi une courte idée de politique d’adaptation au climat, évaluée séparément. Les équipes soumettent un jeu de données Hugging Face, la prévision est notée sur un classement public selon l’erreur par rapport aux références, et les résultats finaux arriveront début 2027, lorsque les relevés complets de 2026 existeront. Une incohérence : l’annonce fixe la période de prévision de 2019 à 2026, alors que la page du défi indique 2019 à 2025. Cet article ne tranche pas entre les deux.

Il faut garder à l’esprit qu’il s’agit d’une initiative tout juste annoncée, pas d’une recherche avec des résultats. L’article ne fixe aucun critère chiffré pour « prêt pour l’IA » et ne dit pas combien d’établissements publieront réellement des données. Le test sera de savoir si les défis produisent des exemples concrets de réutilisation et révèlent les obstacles de documentation et d’interopérabilité. Pour les organismes de recherche, les démarches pratiques aujourd’hui consistent à contacter les organisateurs ou à vérifier que les données qu’ils comptent publier disposent d’une documentation et de métadonnées complètes.