Des chercheurs de l'Université de Stanford et de l'Arc Institute ont franchi une étape historique en utilisant un modèle d'IA générative pour concevoir de toutes pièces des génomes viraux complets. Cette percée marque un pivot entre la découverte biologique traditionnelle et une ère de conception computationnelle, où l'IA dicte l'architecture du vivant.

Evo : le grand modèle de langage pour la génomique

Au cœur de cette recherche se trouve Evo, un modèle génératif spécialisé qui fonctionne de manière similaire à un grand modèle de langage (LLM), mais qui opère sur le « langage » de l'ADN. Contrairement aux modèles textuels, Evo a été entraîné sur un ensemble de données massif comprenant environ neuf billions de nucléotides provenant de millions d'organismes, notamment des animaux, des plantes, des microbes et des virus.

Pour affiner sa précision, les chercheurs ont employé un processus d'entraînement en deux étapes. Après avoir appris les motifs fondamentaux de l'arbre de la vie, Evo a suivi un second cycle d'entraînement spécialisé utilisant les 11 gènes du bactériophage phiX174 et environ 15 000 de ses parents les plus proches. Cela a permis au modèle de maîtriser les nuances spécifiques nécessaires à la conception d'entités biologiques fonctionnelles et capables de réplication.

De 700 000 propositions à des virus fonctionnels

L'ampleur des capacités génératives d'Evo est immense. Le modèle a proposé 700 000 génomes viraux potentiels. L'équipe de recherche a ensuite réduit ce nombre grâce à une sélection rigoureuse, synthétisant chimiquement 285 séquences sous forme de brins d'ADN et les insérant dans des bactéries E. coli.

Les résultats ont été extrêmement probants : 16 des séquences synthétisées ont produit des virus capables de réplication. Notamment, ces virus générés par l'IA n'étaient pas de simples versions « chétives » ou affaiblies d'espèces existantes ; ils étaient aussi robustes que les virus naturels, certains se répliquant même plus rapidement que le phiX174 original. Les experts ont noté que l'IA avait même introduit des changements inattendus dans l'ordre et l'agencement des gènes que les scientifiques humains n'avaient pas envisagés auparavant.

Une arme à double tranchant : percées médicales contre failles de biosécurité

Les implications pour la biotechnologie sont profondes. Les virus conçus par l'IA pourraient révolutionner la phagothérapie — l'utilisation de virus pour tuer des bactéries multi-résistantes — et améliorer la thérapie génique en créant des vecteurs de transmission plus efficaces pour le matériel génétique.

Cependant, ce développement a mis en lumière un « décalage » critique dans les réglementations mondiales de biosécurité. Les politiques actuelles des National Institutes of Health (NIH) aux États-Unis se concentrent sur l'interdiction des expériences qui rendent les agents pathogènes connus plus dangereux, mais elles ne couvrent pas explicitement le travail purement computationnel — la conception d'ADN viral sur un ordinateur. Cela crée un vide réglementaire pour les risques « inconnus » : si une IA conçoit un nouvel agent pathogène hautement transmissible qui n'a jamais existé dans la nature, les garde-fous existants pourraient ne pas parvenir à identifier la menace.

Pour atténuer ce risque, l'équipe de Stanford a mis en œuvre des mesures de sécurité proactives en veillant à ce qu'Evo ne soit jamais entraîné sur des agents pathogènes humains ou des virus animaux/végétaux apparentés, empêchant ainsi efficacement le modèle de générer des génomes infectant l'humain.

Pourquoi ce résultat est important pour la médecine

La phagothérapie, qui utilise des virus pour cibler les bactéries résistantes aux antibiotiques, est depuis longtemps entravée par la boîte à outils limitée des phages naturels. Une IA capable de concevoir de nouvelles capsides virales efficaces pourrait élargir considérablement cette boîte à outils. De même, les vecteurs de thérapie génique — souvent des virus modifiés qui transportent l'ADN thérapeutique dans les cellules — pourraient devenir plus précis et moins immunogènes s'ils étaient conçus de toutes pièces plutôt que modifiés à partir de souches existantes.

L'angle mort réglementaire exposé

Les organismes de financement américains restreignent actuellement les expériences qui rendent les agents pathogènes connus plus dangereux, mais ils ne traitent pas explicitement de la création de nouveaux agents pathogènes par la conception purement computationnelle. Les travaux d'Evo ont contourné cette clause car le modèle n'a jamais rencontré de virus infectant l'humain lors de son entraînement ; les chercheurs ont délibérément exclu toute séquence susceptible de donner naissance à des agents pathogènes humains. Néanmoins, la possibilité demeure qu'une IA puisse, sans de telles protections, concevoir un virus sans précédent naturel — un « inconnu synthétique » que les comités d'examen existants pourraient ne pas signaler.

L'écart n'est pas seulement académique. Si un modèle était autorisé à s'entraîner sur un ensemble plus large de données virales, il pourrait apprendre les éléments constitutifs d'une transmissibilité élevée ou de l'évasion immunitaire, puis générer un génome qui, une fois synthétisé, pourrait représenter une menace à l'échelle pandémique. Les mécanismes de surveillance actuels se concentrent sur la manipulation en laboratoire ; ils manquent d'un mandat clair pour évaluer les risques de la conception in silico, qui peut être réalisée à distance et à grande échelle.

Les virus produits étaient des bactériophages — des virus qui infectent les bactéries et non les humains. Leur utilité est largement limitée au contrôle bactérien et à la recherche en laboratoire, ce qui restreint les préoccupations immédiates en matière de santé publique.

L'essentiel

Evo démontre que l'IA peut passer de la prédiction de structures protéiques à la rédaction de génomes viraux entiers et fonctionnels. Cette technologie promet des outils plus rapides et plus polyvalents pour lutter contre les bactéries résistantes aux médicaments et pour administrer des thérapies géniques, mais elle oblige également les régulateurs à faire face à une nouvelle classe de risques : des plans numériques du vivant qui n'ont jamais existé dans la nature.