Open Science: atelier de recherche IA local avec traçabilité de provenance
Ce projet transforme « Open Science is an open-source, local-first, model-agnostic AI research workbench for scientific discovery. » en une solution open source exploitable, avec une chaîne d’outils réutilisable et des moyens d’intégration pour des cas d’usage concrets.
En bref
- De quoi s’agit-il ?
- Application de bureau TypeScript qui fournit aux chercheurs un environnement d'agents IA autonomes exécutant du code Python/R, recherchant le web et interrogeant les bases de données scientifiques, avec archivage immuable de tous les artefacts et de leurs preuves.
- À qui s’adresse-t-il ?
- Open Science s'adresse aux chercheurs individuels ou aux laboratoires accès locaux aux GPUs et disposant du temps pour configurer des agents IA. Les équipes sans infrastructure de calcul locale ou préférant une démarche entièrement cloud devraient explorer d'autres solutions.
- Puis-je l’utiliser commercialement ?
- Oui. Apache-2.0 est une licence permissive : vous pouvez utiliser, modifier et vendre un logiciel qui en dépend, à condition de conserver les mentions de droit d’auteur et de licence.
- Est-il encore maintenu ?
- Oui. Les derniers commits datent d’il y a 1 jour.
- En quel langage est-il écrit ?
- Principalement TypeScript, d’après les statistiques de langage de GitHub.
Ces réponses reposent sur les données GitHub du projet (dernière synchronisation le 14 septembre 2026) et sur notre analyse. Elles ne constituent pas un avis juridique.
ANALYSE OPEN SOURCE APPROFONDIE
Architecture de bureau local avec persistance et branchement conversationnel
Open Science est un atelier de recherche IA open source, local-first et agnostique sur les modèles, écrit en TypeScript et distribué sous Apache-2.0. L'application Electron s'exécute sur macOS, Windows et Linux en tant que poste de travail autonome: données du projet, état des sessions, versions d'artefacts et preuves de provenance restent localement stockés. Le travail s'organise en projets contenant des sessions de conversation; chaque session enregistre le texte utilisateur, la réponse de l'agent, les activités des outils (lectures de fichiers, modifications, recherches web, appels de connecteurs) et les artefacts générés. Une fonctionnalité essentielle est le branchement de messages: modifier un message utilisateur passé renvoie l'invite révisée sans effacer les tours suivants, et les utilisateurs basculer entre le chemin original et l'alternatif. La URL de mises à jour et la disponibilité des fournisseurs affichées dans l'application installée prime sur le README pour les détails changeants (v0.22.0, août 2026, est la dernière version stable selon les métadonnées).
Systèmes d'agents ACP et runtimes de notebook
Open Science supporte quatre backends d'agent ACP : Claude Code, OpenCode, Codex et CodeBuddy. Le processus de configuration initiale choisit et prépare le runtime d'agent; l'application peut installer des runtimes gérés sans nécessiter Node.js, npm ou droits administrateur. Chaque agent apporte son propre interpréteur de code et ses capacités de sandbox. Le runtime de notebook optionnel supporte Python et R; l'application peut installer des environnements gérés ou détecter/enregistrer manuellement des interpréteurs existants. Une vue Variables inspecte l'espace de noms Python ou R live (noms, types, formes, aperçus) en mode lecture seule, rafraîchie après chaque exécution de cellule. Les connecteurs de recherche scientifiques (24 intégrés) couvrent la littérature peer-reviewed, les génomes, les gènes, l'expression génique, les variants, la chimie moléculaire, les essais cliniques, les réglementations pharmaceutiques et les ressources de recherche.
Compétences spécialisées et système d'autorisation granulaire
Open Science pré-intègre 18 compétences de recherche basées sur des fichiers: AlphaFold2, Boltz, Chai-1, DiffDock, ESM-2, ESMFold2, Evo 2, Literature Review, scGPT, scvi-tools, Remote Compute (SSH pour clusters HPC distants), et d'autres. Les utilisateurs peuvent ajouter des compétences personnalisées en téléversant des paquets SKILL.md, ZIP ou .skill, ou en important des compétences compatibles depuis des dépôts GitHub par recherche par mot-clé. Chaque compétence et connecteur est soumis à un système d'autorisations avec trois niveaux par outil: Toujours autoriser, Demander à chaque fois, Bloquer. Le README avertit explicitement que les compétences et connecteurs peuvent exécuter du code arbitraire ou envoyer des données à des services externes; examen de la source, de la licence, des scripts et du comportement réseau avant activation est recommandé.
Fournisseurs de modèles régionaux et backends d'authentification
Open Science reste agnostique sur les modèles au niveau du produit. Quatre voies de connexion existent: fournisseurs cloud intégrés, passerelles personnalisées, abonnements Claude ou Codex. Les fournisseurs cloud intégrés couvrent OpenAI, Anthropic, Grok (xAI), DeepSeek, Zhipu AI (GLM), Kimi (Moonshot), MiniMax, StepFun, Xiaomi MIMO, SenseNova, Volcengine Ark, Bailian (Alibaba Cloud) et OpenRouter. La disponibilité régionale varie par backend d'agent; le sélecteur d'application et le test de connexion affichés sont la source d'autorité plutôt que la README. L'ancien fournisseur Local Claude a été supprimé; les configurations sauvegardées l'utilisant sont abandonnées lors de la mise à niveau. Pour les abonnements Claude gérés, l'application peut isoler le flux d'authentification via claude setup-token sans partager de navigateur web.
Provenance immuable et preuves liées aux artefacts
Chaque rapport, figure et tableau généré est stocké dans une version immuable avec sommes de contrôle (identifiants de contenu d'artefact). La vue Provenance expose ce que Open Science a pu vérifier au moment de la création: code producteur et historique d'exécution, entrées référencées, inventaire d'environnement observé (versions de Python, paquets numpy/scipy), branche de conversation productrice, et résultats d'examen optionnels limités à cette version. Les preuves manquantes sont explicitement marquées indisponibles plutôt que devinées. Les aperçus couvrent les données scientifiques (HDF5, NetCDF, Zarr), les PDF, les documents Office, les images, le code source avec coloration syntaxique, les structures et réactions moléculaires SMILES, et l'historique des notebooks Jupyter. Le README souligne que les limites d'aperçu de l'interface n'entraînent pas le tronquage du fichier; l'artefact complet reste accessible à l'agent et aux outils externes.
Gestion des données locales et flux de données externes
Les données de projet, les paramètres, les versions d'artefacts et les preuves de provenance résident localement. Les clés API sont stockées localement avec le stockage sécurisé des identifiants de l'OS quand disponible (macOS Keychain, Windows Credential Manager, libsecret Linux). Les journaux d'exécution ne sont pas téléversés automatiquement. Un flux de données externe peut toutefois survenir: les requêtes au modèle envoient l'invite et le contexte au fournisseur choisi, les recherches web et connecteurs distants envoient les paramètres affichés à des services externes, les connecteurs locaux exécutent des commandes de confiance. Le README énumère ce qui ne devrait jamais figurer dans les issues publiques: clés API, jetons d'accès, identifiants de patients, données non publiées, et chemins locaux sensibles. Trois profils d'approbation existent: Demander approbation, Approuver automatiquement les modifications, Accès complet.
Historique de développement et feuille de route
Le dépôt enregistre les versions stables; la v0.22.0 (août 2026) introduit la mémoire d'agent persistante entre sessions, les workflows de figures sensibles à la provenance dans les compétences bundled, la gestion centralisée des identifiants, et l'ajout du fournisseur TokenHub Tencent. Les versions précédentes ont établi l'archivage immuable d'artefacts (v0.8.0), les agents spécialisés personnels (v0.9.0), l'accès mobile distant via Remote.It (v0.9.1) et la palette de commandes scoped au projet (v0.10.0). Sur la feuille de route figurent la reconstruction déterministe, la restauration d'environnement portable et la relecture de session haute-fidélité. Le nombre de contributeurs et les métriques de déploiement en production ne sont pas documentés dans la README. Pour le développement à partir des sources, cloner le dépôt, npm install (qui génère automatiquement le client Prisma et installe les dépendances Electron natives) et npm run dev suffisent.
Projet AIPOCH et différentiateur local-first
Open Science est développée par AIPOCH (aipoch.com). L'approche local-first signifie que les données scientifiques critiques, les résultats intermédiaires et l'historique du projet restent sous contrôle local, contrastant avec les plateformes SaaS où le serveur central gardienne tous les artefacts. Le modèle de confiance zéro (zero-trust) sur les données distantes reconnaît que les fournisseurs de modèles, les connecteurs distants et les services externes peuvent avoir accès aux requêtes et au contexte envoyés, mais la provenance reste vérifiable localement sans dépendre de la confiance du service distant. Le README invite les utilisateurs à examiner les compétences et connecteurs tierces avant activation et recommande un examen des empreintes réseau si la politique d'organisation l'exige.
Conclusion éditoriale
Open Science s'adresse aux chercheurs individuels ou aux laboratoires accès locaux aux GPUs et disposant du temps pour configurer des agents IA. Les équipes sans infrastructure de calcul locale ou préférant une démarche entièrement cloud devraient explorer d'autres solutions. Avant adoption, testez sur v0.22.0 ou plus récent, vérifiez que votre runtime d'agent (Claude Code, OpenCode, Codex) s'installe sans erreur, et consultez le README pour connaître les fournisseurs de modèles disponibles dans votre région.
Notes de la communauté