Avoir la vie éternelle ça vous tente ? Je ne fais pas allusion au paradis ! Non, ce dont je vous parle c’est de devenir immortel. Il paraît qu’il y a actullement une IA capable de modifier des protéines pour rajeunir les cellules humaines, de façon à nous offrir une vie bien plus longue. Ce serait une étape majeure dans la quête de l’immortalité, non ?
L’IA ne cesse de repousser les limites de ce que nous pensions possible. Et cette fois encore, elle nous surprend. Aujourd’hui, on est face à un modèle spécialement conçu pour optimiser les protéines responsables de la régénération cellulaire avec l’objectif de prolonger la vie humaine de 10 ans.
Et devinez qui l’a créé : OpenAI, bien sûr. C’est une grande première pour la société, n’empêche que ce n’est pas surprenant venant de l’entreprise déjà célèbre pour ses prouesses en traitement de langage.
OpenAI s’attaque donc à la biotechnologie et elle est en collaboration avec Retro Biosciences. Je vous raconte tout dans cet article !
Le rajeunissement cellulaire : la nouvelle préoccupation d’OpenAI

Les chercheurs de Retro Biosciences ont toujours été fascinés par les « facteurs Yamanaka ». Ces protéines, capables de transformer une cellule adulte en cellule souche.
En gros, elles peuvent servir à réparer des tissus, créer des organes ou même inverser les effets de l’âge. Mais leur faible efficacité a freiné les progrès des chercheurs. Des semaines de travail pour un taux de réussite de moins de 1 % ce n’est pas très motivant.
Qu’est-ce qu’OpenAI a avoir dans une recherche qui n’a pas abouti ? Au fait, justement la société mère de ChatGPT a tout avoir. Son nouveau modèle GPT-4b micro est spécialement conçu pour la biotechnologie.
Il réorganise ces facteurs Yamanaka pour les rendre jusqu’à 50 fois plus performants. Comment ? En analysant d’innombrables combinaisons possibles et en proposant les meilleures modifications à tester en laboratoire.
Et les résultats sont prometteurs. Les protéines suggérées par GPT-4b surpassent largement celles imaginées par les scientifiques. En quelques semaines, l’IA a accompli ce qui aurait pris des années à des équipes humaines.
Comme l’a dit John Hallman d’OpenAI : « Dans l’ensemble, les protéines semblent meilleures que celles que les scientifiques ont pu produire eux-mêmes »
Pour info : Hallman avec Aaron Jaech et Rico Meinl de Retro sont les principaux développeurs du modèle GPT-4b.
Qu’est-ce qu’on sait sur ce GPT-4b ?
Le modèle développé par OpenAI ne fonctionne pas comme AlphaFold de Google, conçu pour prédire la structure des protéines.
Les facteurs de Yamanaka sont des protéines, certes. Mais elles sont particulièrement flexibles et dépourvues de structure rigide. Ce qui a conduit OpenAI à adopter une approche différente, exploitant les capacités de ses grands modèles de langage.
Pour entraîner ce modèle, ils ont utilisé des séquences protéiques provenant de diverses espèces ainsi que des données sur les interactions fréquentes entre certaines protéines.
Même si ce volume de données est considérable, il reste bien inférieur à celui utilisé pour former les principaux chatbots d’OpenAI. Cela positionne GPT-4b comme un « petit modèle de langage » spécialisé, conçu pour travailler avec un ensemble de données précis et ciblé.
Une fois GPT-4b opérationnel, les chercheurs de Retro l’ont orienté pour proposer des modifications possibles des facteurs de Yamanaka. La stratégie adoptée s’inspire du principe du « few-shot learning« .
Elle consiste à fournir au modèle une série d’exemples avec des réponses, suivie d’une nouvelle question pour tester sa capacité à déduire une réponse.
Ce qu’il faut savoir c’est qu’en laboratoire, les scientifiques ont guidé l’évolution des molécules, toutefois, leurs moyens restent limités. Le nombre de variantes qu’ils peuvent tester est réduit par rapport à l’immense diversité possible des protéines, composées de centaines d’acides aminés, chacun pouvant appartenir à 20 catégories différentes.
Avec GPT-4b, en revanche, les suggestions sont plus audacieuses. Le modèle propose fréquemment de modifier environ un tiers des acides aminés dans une protéine donnée, ouvrant ainsi de nouvelles pistes pour optimiser leur efficacité.
Avec OpenAI, il y a toujours des zones d’ombre à éclaircir
Malgré ces avancées, tout n’est pas encore clair. Comme souvent avec les IA, il est difficile de comprendre précisément comment GPT-4b arrive à ses conclusions. « C’est un peu comme quand AlphaGo a battu le champion du monde de Go : on a mis du temps à comprendre pourquoi .», explique Betts-Lacroix, PDG de Retro.
Les scientifiques extérieurs ne pourront vérifier la véracité des résultats qu’une fois ceux-ci publiés, une étape que les entreprises affirment avoir planifiée. Et pour l’instant, le modèle reste une démonstration sur mesure et non un produit accessible au public.
Autres zones d’ombre : OpenAI affirme qu’aucune transaction financière n’a eu lieu dans le cadre de sa collaboration avec Retro. Or, nous savons tous que Retro pourrait quand même en tirer un avantage indirect.
Par exemple, cette association pourrait accroître sa visibilité, facilitant ainsi le recrutement et la levée de fonds. Cela dit, Joe Betts-Lacroix n’a pas souhaité répondre aux questions concernant une éventuelle campagne de financement en cours.
Et le fait qu’Altman soit le principal investisseur du projet alimente aussi les interrogations autour des multiples activités annexes du PDG d’OpenAI.
Saviez-vous que l’an dernier, Altman a fait la une des journaux pour avoir bâti un véritable « empire d’investissements opaques » dans des startups technologiques privées. Ces investissements génèrent une liste de conflits d’intérêts, puisque plusieurs de ces entreprises entretiennent des relations commerciales avec OpenAI.
Bref, OpenAI affirme qu’Altman n’a joué aucun rôle direct dans ce projet et que ses décisions ne sont jamais influencées par ses autres investissements. Vous y croyez vous ?
Et au fait, que pensez-vous de cette nouvelle IA ? Partagez votr avis dans le commentaire
- Partager l'article :