Les avancées récentes en IA de recherche (Robochem, AlphaFold, Coscientist) révèlent une convergence méthodologique entre sciences formelles, expérimentales et sciences humaines. L’IA est désormais en mesure de générer des hypothèses, d’explorer des espaces de solutions et de conduire des chaînes d’inférences traçables. En sciences humaines et sociales, les IA d’analyse textuelle, de modélisation sémantique et de fouille de données éducatives transforment la constitution des corpus, le repérage des patterns, et la vérification d’arguments complexes. Cette communication propose une synthèse comparative : ce que les IA permettent déjà en mathématiques, chimie computationnelle, biologie structurale et neurosciences, et ce que ces pratiques nous apprennent pour les Sciences de l'éducation et de la formation (SEF). L’enjeu n’est pas l’importation naïve de méthodes, mais l’identification des structures transversales : granularité multi-échelles, automatisation partielle du raisonnement, visualisation computationnelle de phénomènes complexes, et hybridation du travail théorique et empirique. Nous montrons qu’en SEF, ces approches ouvrent un champ nouveau : analyses massives des environnements d’apprentissage, exploration formelle des interactions éducatives, modélisation complexe (réseaux, proxémie, temporalités), et co-élaboration raisonnée entre chercheur et IA.