4 760 jalons alimentés, la prédiction de nouvelles découvertes reste au niveau du lancer de pièce. Même avec une forte capacité de raisonnement mécaniste, face à un domaine inconnu sans réponse standard, on reste perdu.

Stanford/Oxford/Allen Institute for AI ont lancé le benchmark temporel CUSP, évaluant la capacité de l'IA à prévoir les progrès scientifiques.
Les tests sur GPT-5.4, Claude Sonnet 4.5, DeepSeek R1, etc., montrent de bonnes performances dans la compréhension des mécanismes de raisonnement des voies technologiques existantes, mais la prévision de nouvelles découvertes est presque aléatoire, avec un retard systématique sur le moment des percées.
CUSP se limite aux connaissances temporelles, en compilant les avancées de pointe de Nature/Science, avec un benchmark couvrant 4 760 jalons et 17 429 tâches.
La conclusion est que, dans la recherche scientifique sans réponses standardisées, les modèles actuels ne peuvent pas fournir de prévisions fiables.