Vous souvenez-vous d'AlphaGo, le champion de go qui a écrasé le maître humain de go ?Google DeepMindAprès avoir prouvé que l'IA pouvait « jouer à des jeux », elle s'est attaquée à l'un des casse-têtes les plus difficiles de la communauté scientifique : le repliement des protéines.
Cette technologie, appelée AlphaFold, célèbre aujourd'hui son cinquième anniversaire et a remporté le prix Nobel de chimie l'année dernière (2024).Le site web WIRED a publié une interview plus tôtDans l'interview, Pushmeet Kohli, vice-président de la recherche chez DeepMind, a révélé que les ambitions d'AlphaFold vont bien au-delà. Après avoir intégré Gemini 2.0 et des modèles de diffusion, l'entreprise vise à devenir un « co-chercheur en IA » et, à terme, des « cellules virtuelles ».
De l’« instant iPhone » à la prédiction universelle : l’évolution d’AlphaFold 3
Il y a cinq ans, la sortie d'AlphaFold 2 a été saluée comme l'équivalent de l'iPhone pour la communauté biologique. Ce logiciel a permis de créer une base de données contenant les structures de 200 millions de protéines, couvrant la quasi-totalité des protéines connues sur Terre. Cette réalisation, citée plus de 40 000 fois, a également bouleversé le processus de développement des médicaments.
Cependant, DeepMind ne s'est pas arrêté là. L'année dernière...Pliage Alpha 3Il introduit un modèle de diffusion intrinsèquement plus « créatif » (similaire au principe de génération d'images de l'IA).
Cela permet à l'IA de prédire non seulement les protéines, mais aussi l'ADN, l'ARN et les petites molécules médicamenteuses.交互作用Pushmeet Kohli explique que ce résultat est dicté par des besoins scientifiques, car la vie n'est pas seulement une danse solitaire de protéines, mais une danse de toutes les molécules.
Cependant, le modèle de diffusion présente aussi des effets secondaires : des hallucinations. Dans les régions désordonnées des protéines, l’IA pourrait « combler » des structures inexistantes. Pour remédier à ce problème, DeepMind a mis en place un mécanisme de vérification rigoureux et des scores de confiance afin d’éviter que les idées de l’IA ne se transforment en catastrophes scientifiques.
Prochaine étape : « Scientifiques collaboratifs en IA » basés sur Gemini 2.0
En plus des structures prédictives, DeepMind développe un système agentiel appelé « AI Scientist », basé sur Gemini 2.0.
Cela ressemble à une version automatisée de la « méthode scientifique ». Le système comporterait plusieurs agents d'IA qui liraient d'énormes quantités de littérature, généreraient des hypothèses, puis les débattraient.
Pushmeet Kohli a cité l'exemple de chercheurs de l'Imperial College de Londres qui ont utilisé ce système pour étudier comment les virus « détournent » les bactéries. L'IA peut assimiler des décennies de recherche en un temps record et proposer de manière autonome les mêmes hypothèses que celles validées pendant des années par des équipes humaines. De ce fait, le rôle des scientifiques évoluera : ils ne se concentreront plus sur la résolution du problème (Comment) mais sur la formulation des questions à poser (Quoi).
Le Graal ultime : simuler une « cellule virtuelle » complète
Pushmeet Kohli a franchement admis que le problème non résolu qui l'avait tenu éveillé toute la nuit était celui de la simulation d'une cellule complète.
Si l'ADN est la recette et les protéines les ingrédients, alors comprendre quand et comment le noyau cellulaire interprète cette recette est essentiel pour percer les mystères de la vie. L'objectif de DeepMind est de comprendre le fonctionnement cellulaire de l'intérieur, en commençant par le noyau. Une fois cet objectif atteint, nous pourrons simuler les réponses aux médicaments sur ordinateur et même concevoir de nouvelles enzymes pour lutter contre le changement climatique. Bien que plusieurs années soient nécessaires avant d'y parvenir, ce sera l'étape finale reliant la prédiction informatique au traitement clinique.
Analyse : L’IA ne remplacera pas les scientifiques, mais elle éliminera les scientifiques qui ne savent pas comment utiliser l’IA.
Selon moi, l'interview de Pushmeet Kohli révèle le prochain changement de paradigme dans l'IA appliquée à la science.
Au cours des cinq dernières années, AlphaFold a démontré que l'IA est un outil puissant ; mais dans les cinq prochaines années, avec l'ajout de modèles comme Gemini 2.0 dotés de capacités de raisonnement et de dialectique, l'IA accédera au statut de partenaire. Elle ne se contentera plus de vous aider à calculer plus rapidement, mais vous aidera à générer des idées et à identifier vos angles morts.
C'est à la fois passionnant et un défi pour la communauté scientifique. Les futurs lauréats du prix Nobel devront peut-être remercier leurs « chercheurs en IA » en premier lieu dans leurs discours de remerciement. Pour DeepMind, après avoir remporté un prix Nobel, si l'entreprise parvient à maîtriser véritablement les « cellules virtuelles », cela pourrait lui ouvrir la voie vers un nouveau trophée.
