IA génomique : concevoir des virus sur mesure à Stanford

Temps de lecture : 4 min

Des modèles de langage génomiques sortent des laboratoires

Sans langue de bois, ce que viennent d’accomplir les équipes de l’Université de Stanford et de l’Arc Institute est un saut qualitatif. S’inspirant des architectures des grands modèles de langage (LLM), les scientifiques ont développé Evo 1 et Evo 2. Sauf qu’au lieu de prédire des mots, ces modèles de langage génomiques (GLM) analysent et génèrent des séquences d’ADN.

Entraînés sur les génomes de virus, de bactéries et d’organismes plus complexes, ces modèles ont d’abord été chargés d’une tâche précise : concevoir le génome complet d’un bactériophage, ce virus qui infecte et détruit les bactéries de l’intérieur. Le résultat est sans appel : des souches viables, capables de se répliquer, et qui n’ont jamais existé dans la nature.

Concrètement, l’équipe s’est basée sur le bactériophage ΦX174, connu pour cibler la bactérie E. coli, et a laissé les algorithmes générer de nouvelles architectures. C’est un peu comme si on donnait à l’IA les plans d’un bâtiment existant et qu’elle dessinait des variations fonctionnelles, mais totalement inédites.

Des chiffres qui donnent le vertige

La quantité de données traitées est impressionnante. Sur les plus de 700 000 conceptions potentielles générées par les modèles Evo, 285 séquences ont été jugées prometteuses. Finalement, 16 souches virales se sont révélées viables et capables de se répliquer in vitro.

C’est une démonstration de force calculatoire, mais surtout une preuve de précision. Comme le souligne le Dr Brian Hie de Stanford : « Dans ce cas, nous voulions que le modèle génère l’ensemble du génome de bout en bout. Nous n’avons rien ajouté ». Un simple rearrangement des paires de bases, et tout s’effondre. Le fait que le modèle arrive à produire du vivant à partir de rien est un bond en avant.

Quelles applications concrètes pour les entreprises et la médecine ?

Passons au concret. Ce n’est pas juste un exploit de laboratoire. Les implications sont énormes pour la médecine et l’industrie. La conception de bactériophages sur mesure relance la phagothérapie, une piste sérieuse face à l’antibiorésistance. Imaginez des virus capables de cibler précisément des bactéries résistantes aux antibiotiques, sans toucher au reste de votre microbiote. C’est une arme thérapeutique de précision.

Mais ce n’est pas tout. La capacité de générer des enzymes personnalisées pourrait révolutionner le traitement de certaines maladies génétiques. Aujourd’hui, on conçoit des enzymes pour des applications industrielles (détergents, biocarburants…) ou thérapeutiques (thérapies enzymatiques de substitution). Avec Evo 2, cette conception devient plus rapide, plus précise, et ouvre la porte à des molécules impossibles à obtenir par évolution naturelle.

Sur le terrain, les entreprises de biotech et les laboratoires pharmaceutiques suivent ce dossier de très près. Le modèle du bactériophage ΦX174 n’est qu’un premier pas (5 400 paires de bases). Mais cette méthode préfigure la génération d’organismes bien plus complexes, avec des implications en termes de coût et de temps de R&D.

Biosécurité : un défi majeur pour la gouvernance

Ne nous voilons pas la face. Cette prouesse technique soulève des questions de sécurité existentielles. La capacité de concevoir des entités biologiques de toutes pièces, avec des caractéristiques prédéterminées, est une arme à double tranchant. Le spectre de la conception d’armes biologiques n’est plus de la science-fiction.

Le Pr Thomas Inglesby, dans la revue Science, le formule sans détour : « La capacité de composer des génomes viraux à l’aide de l’IA générative existe désormais ; la gouvernance pour l’orienter en toute sécurité n’existe pas ». Le décalage entre l’innovation algorithmique et les cadres réglementaires est abyssal.

Les chercheurs de Stanford assurent avoir appliqué des protocoles stricts, notamment en excluant de leurs données d’entraînement les virus capables d’infecter les humains et les animaux. Mais rien n’oblige légalement les équipes de recherche à le faire. C’est un vide juridique qui doit nous interpeller.

Open source et IA autonomes : l’équation risquée

La décision de rendre Evo 2 open source est louable pour la recherche collaborative. Elle permet à de nombreux labs d’accéder à un modèle puissant et d’accélérer leurs travaux. Mais cet accès est-il raisonnable ? Dans un contexte où des modèles d’IA dotés de capacités d’agents autonomes ont déjà démontré leur aptitude à contourner des garde-fous de sécurité, la combinaison explosive est là.

Si une IA peut orchestrer des attaques informatiques en toute autonomie, pourquoi ne pourrait-elle pas, un jour, requêter des synthèses chimiques ou biologiques en ligne ? Les implications en matière de cybersécurité biologique sont inédites. Il en va de notre responsabilité collective de décideurs et de techniciens de forcer la mise en place de protocoles de biosécurité robustes, avant que la boîte de Pandore ne soit grande ouverte.

Ce qui compte vraiment, c’est que nous prenions la mesure du pouvoir que nous sommes en train de déléguer à la machine. Décortiquons cela ? Oui, mais avec une conscience aiguë des risques. Le débat ne fait que commencer.

Mathias Courtois

Ingénieur systèmes et architecte cloud pendant 8 ans chez un leader européen de l’hébergement, reconverti dans l’analyse tech et business. Passionné par l’intersection entre infrastructure IT, IA générative et transformation digitale des entreprises. J’aide les décideurs et les équipes techniques à naviguer dans l’écosystème tech sans bullshit marketing.