Une IA peut-elle vraiment inventer des virus ?
Des chercheurs ont généré de petits virus capables d’infecter des bactéries. Entre piste médicale et biosécurité, le résultat mérite mieux qu’un titre catastrophe.
Seize génomes ont fonctionné. Le résultat est assez important pour éviter à la fois le film catastrophe et le communiqué triomphant.
Quand j’ai lu qu’une intelligence artificielle avait « créé des virus inconnus », mon imagination a choisi la version la moins reposante du titre. Elle a sauté quelques étapes, ignoré le laboratoire et commencé directement par le générique d’un film catastrophe. Le cerveau adore gagner du temps, surtout quand ce n’est pas une bonne idée.
L’expérience publiée dans Science le 6 août 2026 est à la fois plus modeste et plus sérieuse. Des modèles capables de traiter l’ADN comme une longue langue ont généré des génomes complets de bactériophages, c’est-à-dire de virus qui infectent des bactéries. Sur 285 séquences synthétisées, 16 ont produit des phages capables de se reproduire dans une souche d’Escherichia coli.
Ce n’est ni un traitement prêt à l’emploi ni la preuve qu’un modèle sait fabriquer n’importe quel virus. Mais c’est bien une nouvelle capacité de conception biologique. Et elle oblige à regarder sa promesse et ses risques dans la même éprouvette.
Un très petit virus, mais un vrai problème de conception
Les chercheurs sont partis de ΦX174, un phage dont le génome ne compte que 5 386 bases et onze gènes. Petit ne veut pas dire simple : plusieurs régions se chevauchent, si bien qu’une modification peut perturber plusieurs fonctions à la fois. Générer une séquence viable demande donc de respecter un enchevêtrement de contraintes.
Les modèles Evo 1 et Evo 2 ont produit de nombreux candidats, ensuite filtrés avant que 285 génomes complets soient commandés, assemblés et testés. Seize ont donné des particules capables d’infecter et de se répliquer. Cela représente environ 5,6 % de réussite.
Le taux peut paraître faible, et il l’est pour une usine qui voudrait un résultat à chaque essai. Pour la génération de génomes entiers, il montre pourtant que le modèle ne se contente pas d’aligner des lettres plausibles. Il peut parfois proposer une organisation compatible avec la vie du phage. Les 269 échecs rappellent simplement qu’il ne possède pas encore le manuel complet — ce qui est assez rassurant et pas totalement rassurant à la fois.
Le but est de courir plus vite que les bactéries
Les phages infectent des bactéries plutôt que nos cellules. Depuis longtemps, la phagothérapie cherche à exploiter les phages lytiques pour compléter les antibiotiques, notamment lorsque des bactéries deviennent résistantes. Leur grande spécificité est une force : on peut viser une souche précise. C’est aussi une contrainte, car il faut trouver rapidement le bon phage pour le bon microbe.
Dans l’étude, les chercheurs ont utilisé trois lignées d’E. coli rendues résistantes au phage parent. Après un à cinq cycles de sélection, un cocktail de phages générés a retrouvé une capacité d’infection. Un cocktail naturel de comparaison n’y est pas parvenu dans les mêmes conditions.
Le résultat suggère qu’une bibliothèque conçue par IA pourrait fournir davantage de diversité pour suivre la course évolutive entre bactéries et phages. Il ne montre pas que ces virus soignent une infection résistante aux antibiotiques. Les bactéries testées résistaient au phage parent, pas à un traitement antibiotique dans un patient.
Entre la boîte de Petri et le médicament, le trajet reste long
Avant un usage clinique, il faudrait démontrer l’efficacité chez l’animal puis chez l’humain, comprendre la distribution du phage dans l’organisme, contrôler la réponse immunitaire et vérifier qu’il cible la bonne souche sans bouleverser inutilement le microbiote.
La fabrication ajoute ses propres difficultés. Produire des phages dans des bactéries peut laisser des endotoxines qu’il faut éliminer. Chaque candidat doit aussi être examiné pour éviter des gènes de virulence, de résistance ou des fonctions permettant un transfert indésirable entre bactéries.
Enfin, les cocktails ont vocation à évoluer lorsque leurs cibles changent. Les cadres réglementaires, eux, aiment les formulations stables et précisément caractérisées. Concevoir plus vite ne raccourcit donc pas automatiquement la purification, les essais, la surveillance et l’autorisation. Le goulot d’étranglement ne disparaît pas ; il change simplement de paillasse.
La même prouesse pose une question de biosécurité
La capacité à écrire un génome viral fonctionnel peut servir la médecine, mais elle réduit aussi une partie du travail intellectuel nécessaire à la conception biologique. Evo 2 a été entraîné en excluant les virus qui infectent les humains, les animaux et les plantes, et des restrictions de génération cherchent à limiter les usages à risque.
Ces précautions réduisent le danger sans constituer une garantie absolue. Un modèle ouvert peut être adapté avec de nouvelles données, et une séquence originale peut être plus difficile à repérer par un filtre fondé principalement sur la ressemblance avec des agents connus.
Il ne faut pas basculer dans l’excès inverse. Passer d’un texte d’ADN proposé par une machine à un agent dangereux exige encore de la synthèse, de l’assemblage, des cultures, une expertise et un laboratoire. La sécurité ne repose donc ni sur une barrière magique dans le modèle ni sur l’idée confortable que personne ne franchira toutes les étapes. Elle dépend d’une chaîne : données, accès, fournisseurs de synthèse, autorisations, confinement et contrôle expérimental.
L’IA n’a pas remplacé le laboratoire
Ce travail montre surtout un déplacement. Générer des séquences devient plus rapide ; déterminer lesquelles fonctionnent, pourquoi elles fonctionnent et si elles sont sûres reste une affaire d’expériences. Le modèle ouvre un espace de possibilités. Le laboratoire élimine l’immense majorité des illusions produites dans cet espace.
L’antibiorésistance justifie d’explorer de nouvelles pistes, mais les phages ne remplacent ni le bon usage des antibiotiques, ni les diagnostics rapides, ni les vaccins, ni l’hygiène. Ils pourraient devenir un outil supplémentaire, à condition de ne pas confondre une preuve de concept avec une pharmacie déjà ouverte.
Je pensais lire une histoire sur une IA créant des virus. Je trouve plutôt une histoire sur la frontière entre proposer et comprendre. Seize génomes ont franchi la première étape ; tout le reste commence après. La vraie question n’est peut-être pas de savoir si la machine peut écrire du vivant, mais si nous saurons construire des contrôles qui progressent aussi vite que sa capacité à en proposer.