INTELLIGENCE ARTIFICIELLE-L'IA veut guérir les maladies. Pour cela, elle a d'abord besoin de données.

information fournie par Reuters •07/10/2026 à 22:01

((Traduction automatisée par Reuters à l'aide de l'apprentissage automatique et de l'IA générative, veuillez vous référer à l'avertissement suivant: https://bit.ly/rtrsauto))

par Krystal Hu

Quelques mois après l’engouement suscité par OpenClaw , les agents IA personnels semblent à nouveau prometteurs.

Le dernier en date à rejoindre le mouvement est OpenAI, qui a dévoilé ses propres agents personnels, les “dots”, lors de sa journée annuelle des développeurs la semaine dernière. Muse, de Meta, et la start-up Instinct ont tous deux lancé des agents qui suscitent déjà un vif intérêt, conçus pour lire vos messages et agir en votre nom.

Malgré une démonstration marquée par quelques bugs, OpenAI affirme que les “dots”, toujours actifs, peuvent atteindre de leur propre chef les objectifs d’un utilisateur à travers différentes applications. L’entreprise tente également de faire passer un message: il ne s’agit pas du même type d’agent que celui qui s’est tristement illustré cet été en s’infiltrant partout, de Hugging Face aux sites web gouvernementaux.

En tant qu’utilisateur de ces outils, je me retrouve sans cesse confronté au même dilemme: quelle quantité de mes informations personnelles suis-je prêt à divulguer, et quelle utilité en retire-je en contrepartie?

Et parfois, ce n’est même pas à moi d’en fixer les limites. Les entreprises bloquent de plus en plus systématiquement ces agents, craignant de perdre le contrôle de leurs propres relations clients. Amazon, par exemple, a complètement interdit à Muse, l’agent de Meta, d’effectuer des achats sur son site web, l’accusant d’extraire des données clients sans autorisation. Meta affirme agir en toute sécurité. Il s’agit à la fois d’une question de sécurité et d’une guerre de territoire: chaque grande plateforme veut garder le contrôle de ses relations clients.

Cette semaine, nous nous penchons sur la prochaine frontière que l’IA ne cesse de nous promettre: la guérison des maladies. À quelle distance sommes-nous réellement des gros titres annonçant que “l’IA guérit le cancer”? Continuez à lire.

NOS DERNIERS ARTICLES SUR LA TECHNOLOGIE ET L’IA

Des entreprises suppriment des emplois alors que les investissements se tournent vers l’IA

DeepSeek s'apprête à lever plus de 12 milliards de dollars lors d'une nouvelle levée de fonds, selon une source

Reflection, soutenue par Nvidia, dévoile le premier modèle d’IA capable de rivaliser avec les modèles ouverts chinois

McDonald's visé par un recours collectif l'accusant de fixation des prix de son menu via l'IA

Les menaces existentielles s'ajoutent aux craintes de bulle spéculative alors que le climat autour de l'IA se radoucit lors de forums à Singapour

LA COURSE À LA BIOLOGIE DE L'IA

Vous avez sans doute déjà entendu, à plusieurs reprises, que l’IA allait nous aider à guérir le cancer. Mais où en sommes-nous réellement?

Des laboratoires d’IA aux géants pharmaceutiques en passant par les géants de la tech, tout le monde parie que la biologie est le prochain Saint Graal des promesses de l’IA. Nous n’en sommes qu’aux prémices, m’ont confié des chercheurs et des scientifiques. Et quel est le principal obstacle qui se dresse entre l’IA et les grandes percées en matière de découverte de médicaments? Les données.

Les grands modèles linguistiques ont atteint leur niveau actuel en exploitant les textes disponibles sur Internet — un corpus énorme et déjà existant. La biologie n’a pas d’équivalent. Il n’existe pas d’“Internet des cellules” prêt à être exploité.

“Nous devons saisir le langage de la biologie, nous devons saisir le langage de la cellule. Et cela n’existe pas aujourd’hui”, m’a confié Alex Rives, directeur scientifique de l’association à but non lucratif Biohub. Les ensembles de données cellulaires actuels comptent des centaines de millions de cellules; un modèle prédictif précis en nécessitera des milliards, voire des billions à terme. Cet écart — de plusieurs ordres de grandeur — constitue pour l’instant le véritable goulot d’étranglement, a déclaré M. Rives.

Biohub tente donc de constituer ce jeu de données à partir de zéro et a mobilisé une coalition inhabituelle pour y parvenir: le gouvernement américain, Google et Meta se sont joints au projet, portant l’investissement total à 1,8 milliard de dollars. M. Rives affirme que le groupe condense en cinq ans un travail qui prendrait normalement des décennies, un premier jeu de données devant être prêt dans environ un an et des modèles utilisables pouvant voir le jour d’ici cinq ans.

Même dans ce cas, le chemin menant de l’ensemble de données au traitement effectif reste incertain. M. Rives a expliqué que les chercheurs ne peuvent commencer à entraîner les modèles qu’une fois les données disponibles, puis tester si ces modèles sont capables de prédire avec précision la manière dont une cellule réagit à un changement. Si cela fonctionne, cela pourrait aider les scientifiques à identifier exactement quelle partie d’une cellule malade cibler.

Certains transposent déjà ces expériences dans le monde physique. Danaher, le géant des sciences de la vie, a annoncé cette semaine son intention de lancer son premier laboratoire de recherche autonome alimenté par l’IA d’ici début 2027, dans le but de concevoir, fabriquer et tester de nouveaux anticorps jusqu’à huit fois plus rapidement qu’avec les méthodes conventionnelles.

Anthropic fait un pari similaire. L’entreprise a discrètement mis en place son propre laboratoire humide dans la région de la Baie de San Francisco, où des scientifiques humains et des agents d’IA travaillent côte à côte.

Eric Kauderer-Abrams, responsable des sciences de la vie chez Anthropic, a déclaré à mon collègue que le test final de toute hypothèse biologique devait encore se dérouler sur une paillasse de laboratoire, et non à l’intérieur d’un modèle. Anthropic affirme ne pas se lancer pour l’instant dans la découverte de médicaments; l’entreprise cible plutôt des domaines négligés de la biologie fondamentale.

Alors que le secteur attend la mise au point d’une “cellule virtuelle” complète, il tente également de concrétiser dès aujourd’hui certaines de ces prédictions: une vague d’entreprises spécialisées dans l’IA mène actuellement des essais cliniques virtuels, simulant les performances d’un médicament expérimental avant même qu’il ne soit administré à un véritable patient.

Les enjeux sont réels. L’industrie biopharmaceutique dépense environ 140 milliards de dollars par an en essais cliniques sur l’homme, et seuls environ 12 % des candidats-médicaments obtiennent finalement l’autorisation de mise sur le marché — un taux qui n’a pratiquement pas évolué depuis des décennies. Une start-up, BioinvestGPT, affirme avoir prédit correctement l’issue de cinq des six essais cliniques les plus médiatisés avant même leur déroulement, notamment en juillet dernier, lorsqu’elle a prédit que le médicament de Novartis contre la dystrophie musculaire échouerait — plusieurs mois avant que l’essai ne rate son objectif et ne fasse perdre 30 milliards de dollars de capitalisation boursière à l’entreprise.

Le volet “simulation” de cette approche permet déjà aux entreprises d’économiser du temps et de l’argent. Le volet “guérison du cancer” est une autre histoire — une histoire qui pourrait nécessiter la création d’un modèle qui n’existe pas encore, à une échelle que personne n’a jamais tentée. Les investisseurs intègrent le premier volet dans leurs évaluations tout en essayant de prédire le calendrier du second.