Des chercheurs américains ont conçu, avec un modèle d’intelligence artificielle, 16 virus capables d’infecter une bactérie. Ces organismes ne visent ni l’être humain, ni les animaux, ni les plantes, mais l’expérience marque une étape inédite dans la biologie générative. Publiée dans la revue Science en plein mois d’août, elle ouvre une piste contre l’antibiorésistance, tout en posant une question sensible: jusqu’où laisser des outils d’IA proposer des génomes viraux que des laboratoires peuvent ensuite fabriquer.

Stanford obtient 16 bactériophages viables avec Evo

L’équipe américaine à l’origine de ces travaux a utilisé Evo, un modèle d’intelligence artificielle entraîné non pas sur des textes, mais sur des séquences biologiques. Le résultat annoncé tient en un chiffre central: 16 bactériophages inédits ont été produits et testés en laboratoire. Ces virus ciblent des bactéries, ce qui les distingue des virus responsables de maladies humaines. Leur intérêt scientifique vient du fait qu’ils n’ont pas été simplement copiés depuis la nature, mais générés à partir de propositions faites par la machine.

Le protocole décrit un enchaînement précis. Le modèle a proposé des séquences génétiques compatibles avec la structure attendue d’un phage. Les chercheurs ont ensuite transformé ces séquences en molécules d’ADN, puis les ont introduites dans des bactéries. Certaines bactéries modifiées ont alors produit des particules virales fonctionnelles. Ces virus ont ensuite infecté d’autres bactéries, preuve que les séquences conçues par ordinateur pouvaient donner naissance à des agents biologiques viables.

La publication dans Science donne à l’expérience une portée particulière. Les spécialistes de biologie de synthèse savent déjà modifier des virus existants, mais la fabrication de nouveaux phages à partir d’un modèle génératif ajoute un degré d’automatisation. La machine n’agit pas seule: elle propose, le laboratoire sélectionne, synthétise et teste. Mais la frontière entre conception numérique et production biologique devient plus étroite.

Les chercheurs ont limité leur expérience à une bactérie de laboratoire, proche des modèles classiques utilisés en microbiologie, notamment Escherichia coli. Ce choix réduit le risque immédiat et facilite la vérification des résultats. Il rappelle aussi que la portée médicale reste lointaine: un phage actif dans une boîte de Petri ne devient pas automatiquement un traitement, surtout lorsqu’il doit être évalué chez des patients fragiles.

Evo analyse 9 000 milliards de nucléotides

Le fonctionnement d’Evo repose sur une masse de données rarement accessible à l’échelle d’un laboratoire classique. Le modèle a analysé environ 9 000 milliards de nucléotides, les briques élémentaires qui composent les génomes. Ces données provenaient de nombreux organismes: microbes, plantes, animaux et virus. L’objectif n’était pas d’apprendre une langue humaine, mais de repérer les régularités du vivant, les contraintes de structure et les combinaisons compatibles avec une réplication.

Cette approche rapproche la biologie de synthèse des méthodes employées dans les grands modèles génératifs. Dans un logiciel de texte, l’algorithme prédit des mots probables. Dans ce cas, il propose des suites de lettres génétiques, A, T, C et G, capables de remplir une fonction biologique. La différence est majeure: une phrase mal construite reste un objet numérique, tandis qu’une séquence crédible peut être transformée en ADN synthétique par des prestataires spécialisés.

Les chercheurs ont donc suivi les propositions du modèle comme des recettes moléculaires. Après synthèse, ces fragments génétiques ont été placés dans des bactéries, qui ont servi de machines de production. Ce passage du code informatique à la cellule vivante constitue le cœur de l’expérience. Il montre que l’IA ne se contente plus de prédire la forme d’une protéine ou d’aider à classer des génomes: elle peut fournir un plan complet menant à un organisme viral fonctionnel.

La portée technique doit être mesurée. Les 16 phages ne représentent qu’une fraction des séquences générées, beaucoup n’ayant pas produit d’effet exploitable. Les essais demandent du temps, du matériel, du contrôle qualité et une expertise biologique. La réussite ne signifie donc pas qu’un virus complexe puisse être créé facilement depuis un ordinateur personnel. Elle confirme, néanmoins, que la capacité de conception progresse plus vite que les règles de surveillance qui encadrent ces outils.

L’antibiorésistance replace les phages au premier plan

Si cette expérience suscite autant d’intérêt, c’est en grande partie à cause de l’antibiorésistance. Les bactéries résistantes compliquent déjà la prise en charge d’infections pulmonaires, urinaires, digestives ou liées à des dispositifs médicaux. Dans certains services hospitaliers, les médecins disposent de moins d’options thérapeutiques lorsque plusieurs familles d’antibiotiques deviennent inefficaces. Les phages, capables de cibler certaines bactéries avec une grande précision, retrouvent donc une place dans les discussions scientifiques.

La phagothérapie n’est pas une idée nouvelle. Elle a été explorée avant l’essor massif des antibiotiques, puis maintenue dans certains pays et relancée par plusieurs équipes de recherche. Son principe consiste à utiliser un virus bactérien contre une souche donnée, avec une logique de traitement très personnalisée. Le problème est pratique: il faut trouver rapidement le bon phage, vérifier son efficacité, contrôler sa sécurité et l’adapter lorsque la bactérie évolue.

L’intelligence artificielle peut accélérer cette recherche. Au lieu de parcourir uniquement des banques naturelles, un modèle comme Evo pourrait proposer des phages adaptés à un profil bactérien précis. Pour les hôpitaux, l’hypothèse serait précieuse dans des situations graves, par exemple face à une infection résistante sur prothèse ou à une bactérie multirésistante en réanimation. Le délai entre le diagnostic et la proposition thérapeutique reste un élément déterminant pour les patients.

La prudence reste indispensable. Un phage injecté chez un malade ne doit pas transporter de gènes dangereux, favoriser l’échange de résistance entre bactéries ou déclencher une réaction immunitaire excessive. Les antibiotiques suivent déjà des parcours réglementaires lourds, et des virus conçus par IA exigeraient au moins le même niveau de contrôle. Pour l’heure, l’expérience américaine se limite à une preuve de concept. Elle donne une direction de recherche, pas un produit médical disponible en pharmacie.

L’accès libre à Evo ravive les contrôles de biosécurité

La principale inquiétude porte sur la biosécurité. Les chercheurs affirment avoir écarté les génomes de virus capables d’infecter les humains, les animaux ou les plantes lors de l’entraînement destiné à limiter les risques. Cette précaution réduit certaines possibilités, mais elle ne ferme pas tous les scénarios. Une technologie qui apprend les règles générales de construction du vivant peut être détournée si elle tombe entre des mains malveillantes ou insuffisamment formées.

Le fait qu’Evo soit disponible en accès libre nourrit le débat. Les promoteurs de l’ouverture défendent un argument solide: la science progresse lorsque les modèles peuvent être testés, critiqués et améliorés par plusieurs équipes. Les chercheurs travaillant sur les infections bactériennes, les diagnostics ou les enzymes bénéficient directement de cette circulation. Mais l’ouverture demande des garde-fous, car elle abaisse aussi le seuil d’entrée pour des acteurs qui n’appliquent pas les standards des laboratoires reconnus.

Une partie de la surveillance repose déjà sur les fournisseurs d’ADN. Ces entreprises peuvent comparer les commandes à des bases de séquences sensibles et bloquer des demandes suspectes. Le système n’est pas uniforme selon les pays, ni obligatoire partout. Les experts demandent donc des procédures plus homogènes, comprenant l’identification des clients, le contrôle des séquences et le signalement des commandes problématiques. L’IA ajoute une difficulté: les séquences générées peuvent être nouvelles, donc moins faciles à repérer.

Le débat dépasse le cas des phages. Les mêmes progrès pourraient concerner des enzymes, des protéines thérapeutiques, des vaccins ou des outils de diagnostic. Ils pourraient aussi inspirer la conception d’agents pathogènes plus préoccupants. Les autorités sanitaires, les revues scientifiques et les financeurs devront préciser ce qui peut être publié, partagé ou automatisé. Dans les laboratoires, la question n’est plus seulement de savoir ce que l’IA permet de faire, mais quelles limites collectives doivent accompagner sa puissance de calcul.

Nvidia PAIR, bêta gratuite et open source en 2026, répartit l’IA entre PC et Mac, ce qui change pour vos agents locaux

• À propos
• Articles récents

P. Marcelle

Rédacteur chez KivuPress.info

Accros à l’actu sur internet, vous aimez suivre l'actualité,alors suivez le site Kivupress ;Je suis passionnée par les Technologies du Web, l'information en générale. Je vous invite à proposer des actualités en nous adressant une news via le formulaire de contact. Nous publions toutes les informations chaudes du moment ; des news toutes fraiches que vous nous apporterez. Au plaisir d’échanger sur vos besoins.

Les derniers articles par P. Marcelle (tout voir)

• 20 %, frais réels, voiture électrique, ce bonus fiscal méconnu en 2026 augmente votre somme déductible, sans chèque du fisc - septembre 6, 2026
• Des virus créés par l’IA Evo: promesse médicale et alerte biosécurité après l’expérience américaine - septembre 6, 2026
• Shin Jin-seo, numéro un mondial du go, bat une IA en duel serré, la faille du jeu parfait que personne n’attendait - septembre 6, 2026