Une étape confirmée, pas une découverte inédite
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, menée par Brian Hie, professeur assistant à 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 avait déjà circulé sous forme de prépublication sur le serveur bioRxiv en septembre 2025, près d'un an avant la publication de cette semaine. Ce qui change cette semaine, ce n'est pas la science elle-même, c'est que ces travaux ont désormais franchi une relecture formelle par les pairs dans l'une des deux revues scientifiques les plus prestigieuses au monde : des experts indépendants ont examiné les méthodes et les résultats avant publication, au lieu de s'en remettre au seul récit d'un laboratoire.
Comment Evo 1 et Evo 2 ont conçu des génomes vivants
L'équipe a utilisé deux modèles d'IA spécialisés dans le langage génomique, Evo 1 et Evo 2, issus de la série de modèles Evo de l'Arc Institute. Tous deux avaient déjà été entraînés à grande échelle sur plus de 2 millions de génomes de phages, puis les chercheurs les ont affinés spécifiquement sur 14 466 séquences de la famille virale Microviridae.
La cible était les bactériophages infectant Escherichia coli C, une souche de laboratoire non pathogène couramment utilisée en biologie et sans danger pour l'humain ou l'animal. Comme modèle de référence, les IA se sont appuyées sur phiX174, un petit phage naturel dont le génome de 5 386 nucléotides code 11 gènes et qui sert d'organisme modèle en biologie depuis des décennies.
De milliers de conceptions à 16 virus fonctionnels
L'IA a généré puis filtré des milliers de séquences génomiques candidates pour n'en retenir que près de 300. Les chercheurs en ont ensuite synthétisé et assemblé physiquement 285 en laboratoire, et des tests d'inhibition de croissance et d'infectiosité ont confirmé que 16 d'entre elles étaient des virus pleinement fonctionnels, capables d'infecter et de tuer réellement les bactéries ciblées.
Ces 16 génomes fonctionnels comptaient entre 67 et 392 mutations inédites par rapport à leur plus proche parent naturel connu. Evo-Phi2147 en portait 392, avec 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 renfermaient des mutations absentes de toute séquence naturelle connue. Une autre conception, Evo-Phi36, a réussi à combiner une protéine d'encapsidation de l'ADN empruntée à un phage plus éloigné, G4, une combinaison qui avait jusque-là mis en échec les tentatives d'ingénierie rationnelle des chercheurs humains ; certains phages conçus par IA ont tué E. coli aussi efficacement, voire plus, que le phage naturel de référence phiX174, et des mélanges de phages conçus se sont aussi montrés efficaces contre des souches d'E. coli déjà résistantes à phiX174 lui-même.
Le dispositif de sécurité qui fonctionne déjà
Le choix de conception le plus lourd de conséquences tient à ce que les modèles Evo ne peuvent pas faire : ils sont incapables de générer des séquences virales humaines, cette catégorie de données ayant été délibérément exclue de leur entraînement dès le départ. Cette exclusion vise à empêcher tout détournement, accidentel comme délibéré, vers la conception d'agents pathogènes dangereux pour l'humain ; dans cette étude, seuls des hôtes bactériens non pathogènes ont été utilisés d'un bout à l'autre.
Cette distinction compte, car elle sépare deux questions 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 malgré tout causer du tort plus loin dans la chaîne. Ici, la première question a déjà une réponse structurelle intégrée au système ; c'est dans la seconde que se niche la véritable actualité 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, plaident pour 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 seule pratique volontaire du secteur. Leur propos ne concerne pas Evo en tant que tel, mais l'entreprise qui reçoit une commande et synthétise physiquement l'ADN, quel que soit le modèle d'IA ou le concepteur humain à l'origine de la séquence.
C'est précisément le point sur lequel devraient se pencher les responsables politiques de l'UE et du Royaume-Uni qui rédigent les dispositions sur le risque biologique de l'AI Act et les contrôles à l'exportation des biens à double usage. Un modèle qui refuse de produire des séquences dangereuses n'est qu'une couche de protection parmi d'autres, et l'essai Perspective de cette semaine désigne celle 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 d'un autre, en un génome physique réel. Nous n'affirmons pas ici ce que le droit européen ou britannique exige précisément sur ce point aujourd'hui, seulement que le commentaire des chercheurs eux-mêmes oriente les régulateurs droit vers cette question.
À lire ensuite: Claude dirige maintenant 26 pour cent de sa recherche | Une faille pousse OpenAI à réécrire ses règles
