Une étape validée, pas une nouvelle découverte
Le jeudi 6 août 2026, la revue à comité de lecture Science a publié une étude décrivant la première conception par IA générative de génomes complets et fonctionnels de bactériophages, dirigée par Brian Hie, professeur assistant à la Stanford University et Innovation Investigator à l'Arc Institute. Ceux qui se souviennent de titres similaires l'an dernier ne se trompent pas.
La même méthode de recherche était déjà apparue sous forme de prépublication sur le serveur bioRxiv en septembre 2025, presque un an avant la publication de cette semaine. Ce qui change cette semaine, ce n'est pas la science sous-jacente, c'est que les travaux ont désormais franchi une relecture formelle par les pairs dans l'une des deux revues scientifiques les plus prestigieuses au monde, ce qui signifie que des experts indépendants ont examiné les méthodes et les résultats avant la publication, plutôt que de se fier au seul récit d'un laboratoire unique.
Comment Evo 1 et Evo 2 ont conçu des génomes vivants
L'équipe a utilisé deux modèles d'IA de langage génomique, Evo 1 et Evo 2, faisant partie de la série de modèles Evo de l'Arc Institute. Les deux avaient déjà été entraînés largement sur plus de 2 millions de génomes de phages, puis les chercheurs les ont affinés spécifiquement sur 14 466 séquences de la famille de virus Microviridae.
La cible était les bactériophages qui infectent Escherichia coli C, une souche de laboratoire non pathogène utilisée couramment en biologie et sans danger pour les humains ou les animaux. Comme modèle de référence, les modèles ont travaillé à partir de phiX174, un petit phage naturel avec un génome de 5 386 nucléotides codant 11 gènes, utilisé comme organisme modèle en biologie depuis des décennies.
De milliers de conceptions à 16 virus fonctionnels
L'IA a généré et filtré des milliers de séquences génomiques candidates jusqu'à près de 300 conceptions. Les chercheurs ont ensuite synthétisé et assemblé physiquement 285 d'entre elles en laboratoire, et des tests d'inhibition de croissance et d'infectiosité ont confirmé que 16 d'entre elles étaient des virus pleinement fonctionnels, c'est-à-dire qu'elles infectaient et tuaient réellement les bactéries ciblées.
Ces 16 génomes fonctionnels portaient entre 67 et 392 mutations inédites par rapport à leur plus proche parent naturel connu. Evo-Phi2147 portait 392 mutations et seulement 93,0 pour cent d'identité de séquence avec son parent naturel le plus proche, le phage NC51, et treize des seize génomes fonctionnels contenaient des mutations absentes de toute séquence naturelle connue. Une autre conception, Evo-Phi36, a combiné avec succès une protéine d'encapsidation de l'ADN empruntée à un phage plus éloigné appelé G4, une combinaison qui avait auparavant déjoué les tentatives d'ingénierie rationnelle des scientifiques humains; certains phages conçus par IA ont tué E. coli aussi bien, voire mieux, que le phage naturel de référence phiX174, et des mélanges de phages conçus se sont aussi révélés efficaces contre des souches d'E. coli ayant déjà développé une résistance à phiX174 lui-même.
Le dispositif de sécurité qui fonctionne déjà
Le choix de conception le plus lourd de conséquences est ce que les modèles Evo ne peuvent pas faire : ils ne peuvent pas générer de séquences virales humaines, car cette catégorie de données a été délibérément exclue de leur entraînement dès le départ. Cette exclusion vise à empêcher tant le mésusage accidentel qu'intentionnel visant à concevoir des agents pathogènes dangereux pour l'humain, et dans cette étude, seuls des hôtes bactériens non pathogènes ont été utilisés.
Cette distinction compte car elle sépare deux questions différentes souvent confondues dans les articles sur l'IA et la biologie : le modèle lui-même peut-il être orienté vers le danger, et le résultat physique d'un modèle sûr peut-il tout de même causer un dommage plus loin en aval. Ici, la première question a déjà une réponse structurelle intégrée au système; c'est dans la seconde que se trouve la véritable histoire de cette semaine.
Le véritable écart : qui exécute la commande
Dans un essai Perspective publié dans le même numéro de Science, Thomas Inglesby et Moritz Hanke, du Johns Hopkins Center for Health Security, ont réclamé un contrôle légalement obligatoire des commandes de matériel génétique synthétique afin d'y détecter des séquences potentiellement dangereuses, plutôt que de laisser ce contrôle à la pratique volontaire du secteur. Leur argument ne concerne pas du tout Evo, mais l'entreprise qui reçoit une commande et synthétise physiquement l'ADN, quel que soit le modèle d'IA ou le concepteur humain ayant produit la séquence à l'origine.
C'est le détail sur lequel les décideurs de l'UE et du Royaume-Uni qui rédigent les dispositions sur le risque biologique de l'AI Act et les contrôles d'exportation à double usage devraient se pencher. Un modèle qui refuse de produire des séquences dangereuses n'est qu'une couche de protection, et l'essai Perspective de cette semaine nomme la couche que les règles actuelles ne couvrent pas encore de façon fiable : l'étape de synthèse qui transforme toute conception générée par IA, issue de ce laboratoire ou de tout autre, en un génome physique réel. Nous n'affirmons pas ce que le droit de l'UE ou du Royaume-Uni exige exactement aujourd'hui sur ce point, seulement que le commentaire des chercheurs eux-mêmes oriente les régulateurs précisément vers cette question.
À lire ensuite: Shopify: la recherche IA triple les commandes | 4 000 applis en 30 jours : le pari IA de Cloudflare
