LEBIGDATA.FR I.A, Cloud & Cybersécurité
Les avancées technologiques de nos jours ne cesseront jamais de m’épater. Tenez, des chercheurs d’OpenAI et de Ginkgo Bioworks viennent par exemple de montrer l’impensable. Qu’un modèle d’IA, associé à un laboratoire entièrement automatisé, peut imaginer et améliorer des expériences biologiques à une vitesse inédite.
La question qui a permis à l’expérience de voir le jour est simple. Les modèles GPT d’OpenAI savent déjà résumer des études scientifiques et proposer des prédictions. Mais peuvent-ils réellement faire de la science ? Notamment, formuler des hypothèses, concevoir des expériences, analyser les résultats et ajuster leur approche ?
La question se pose car, dans certains domaines comme les mathématiques, la physique ou l’informatique, les performances de l’IA sont faciles à mesurer. La biologie, en revanche, pose davantage de défis.
Car comme l’affirme Joy Jiao, responsable de la recherche en sciences de la vie chez OpenAI, il n’existe souvent pas une seule bonne réponse. Or, générer une hypothèse et la vérifier est déjà extrêmement complexe.
Ainsi, l’été dernier, des chercheurs d’OpenAI ont décidé de vérifier cette idée avec Ginkgo Bioworks. Il s’agit d’une entreprise spécialisée dans la création de laboratoires automatisés pilotés par des robots.
Comment s’y sont-ils pris ?
Pour tester les capacités de l’IA, les chercheurs se sont appuyés sur la protéine fluorescente verte superfolder, ou sfGFP. Cette dernière, issue d’une méduse et modifiée en laboratoire, est fréquemment utilisée comme référence.
Elle produit une lumière verte facilement détectable. Ce qui permet de savoir rapidement si une expérience fonctionne.
Le modèle GPT-5 d’OpenAI a rédigé les protocoles expérimentaux. De son côté, Ginkgo Bioworks a mis en place un système automatisé que son PDG Jason Kelly compare au « Waymo » de la biologie.
Les chercheurs ont défini les objectifs et l’IA s’est chargée du reste. Les machines ont enchaîné les expériences rapidement, sans surveillance humaine permanente.
Les travaux se sont concentrés sur la synthèse protéique acellulaire, aussi appelée CFPS. Cette technique permet de produire des protéines sans utiliser de cellules vivantes.
Habituellement, la bioproduction repose sur des cellules génétiquement modifiées qui fabriquent des molécules comme l’insuline. Mais avec la CFPS, les scientifiques activent le système de production de protéines dans un milieu contrôlé, en dehors des cellules.
Selon Reshma Shetty, directrice des opérations et cofondatrice de Ginkgo Bioworks, cette méthode est l’une des plus rapides pour produire des protéines. Elle évite plusieurs étapes longues, comme l’insertion de l’ADN dans une cellule ou la multiplication de celle-ci.
Le modèle GPT-5 travaillait depuis le siège d’OpenAI à San Francisco. Il envoyait ses protocoles aux robots de Ginkgo Bioworks installés à Boston. À chaque cycle, l’IA analysait les résultats reçus et proposait de nouvelles expériences. Chaque itération durait environ une heure.
Résultat ?
Au départ, les chercheurs étaient sceptiques. Joy Jiao reconnaît même qu’elle ignorait si l’IA réussirait à concevoir une seule expérience fonctionnelle. Alors, lorsque les premiers résultats sont arrivés, la surprise était réelle. L’expérience avait produit une quantité mesurable de protéines. Ce qui dépassait les attentes initiales.
Puis, deux mois de travail se sont écoulés. Plus de 36 000 tests portant sur différentes compositions de réaction ont été réalisés. Et le système piloté par l’IA a réussi à réduire d’environ 40 % le coût de production de la protéine.
Le verdict est ainsi tout trouvé pour Michael Jewett, bioingénieur à l’université de Stanford. L’association entre IA et laboratoires autonomes pourrait accélérer le développement de nouveaux médicaments. Bien entendu, l’objectif reste le même. Mettre plus rapidement des traitements essentiels à la disposition des patients.
Reshma Shetty, elle, est même convaincue que les modèles d’IA ne suffisent pas seuls. Leur véritable potentiel apparaît lorsqu’ils travaillent avec des laboratoires capables de tester leurs idées dans le monde réel.
Cela dit, l’expérience a également offert un moment inattendu. Lorsque l’équipe a donné à GPT-5 accès à de nouveaux réactifs, le modèle a tenté d’en utiliser le plus possible dans ses calculs.
Résultat : il a proposé une quantité d’eau négative. Une situation évidemment impossible dans la réalité. Les techniciens du laboratoire ont tout de même réalisé les tests en ajustant légèrement le volume total du mélange.
Aujourd’hui, la composition de réaction optimisée par l’IA est disponible commercialement. Le 2 mars, Ginkgo Bioworks a même lancé Ginkgo Cloud Lab. Cette plateforme permet aux chercheurs du monde entier de soumettre leurs expériences à des laboratoires autonomes, à partir de 39 dollars par analyse.
Qu’est-ce que cette expérience menée par OpenAI et Ginkgo Bioworks change ?
Eh bien, il va de soi que l’approche d’OpenAI et Ginkgo Bioworks accélère brutalement le rythme des recherches biologiques. Dans un laboratoire classique, concevoir une hypothèse, préparer l’expérience, attendre les résultats puis ajuster les paramètres peut prendre plusieurs jours. Voire des semaines.
Et pourtant, cette expérience a démontré qu’il est tout à fait possible de boucler un cycle complet en environ une heure avec l’IA et les robots. Cela signifie que des milliers de variantes expérimentales peuvent être testées en quelques semaines seulement.
Il faut aussi savoir que cette approche réduit fortement les coûts. Et l’industrie pharmaceutique et la biotechnologie n’ont seront que ravies.
Car prenons l’exemple de la recherche pharmaceutique. D’après Wifi Talents, seulement environ 12 % des molécules testées en phase I finissent par devenir des médicaments approuvés. Cela signifie que la grande majorité des projets échouent en cours de route. Ce qui renchérit fortement les coûts globaux de la recherche.
Or, développer un médicament est aujourd’hui extrêmement coûteux. En 2024 déjà, le coût moyen atteint environ 2,23 milliards de dollars pour les grandes entreprises pharmaceutiques, selon une analyse de Deloitte.
Alors, si une technologie permet de réduire ne serait-ce que quelques mois de recherche ou d’éviter certaines expériences inutiles, l’impact financier sera énorme. Les économies peuvent rapidement atteindre des dizaines ou des centaines de millions de dollars sur un seul programme de développement.
Restez à la pointe de l'information avec LEBIGDATA.FR !
- Partager l'article :
