Des médicaments conçus par IA en essais dès 2025 !

Le lauréat du prix Nobel et PDG de Google DeepMind, Demis Hassabis, a annoncé mardi (21 janvier) qu’il s’attend à ce que des médicaments pharmaceutiques conçus par intelligence artificielle (IA) entrent en essais cliniques d’ici la fin de l’année.

Lors d’une discussion à l’occasion du Forum économique mondial à Davos, en Suisse, Hassabis a précisé que ces médicaments sont développés par Isomorphic Labs, une entreprise à but lucratif fondée par le groupe Alphabet, la société mère de Google, en 2021. Cette initiative a pour mission de réinventer le processus de découverte de médicaments à partir de principes fondamentaux, avec l’IA en tête d’affiche.

« C’est le plan », a déclaré Hassabis.

Bien que les grands modèles linguistiques aient captivé l’attention, Hassabis a assuré que le domaine de l’IA en science est « beaucoup plus riche que de simples modèles de langage et des technologies comme AlphaFold ». AlphaFold2, pour lequel lui et son collègue John Jumper ont remporté le prix Nobel de chimie en 2024, est un modèle d’IA qui prédit la structure tridimensionnelle des protéines, résolvant un défi biologique vieux de cinquante ans.

Ardem Patapoutian, professeur de neurosciences au Scripps Research et lauréat du prix Nobel de Physiologie ou Médecine en 2021, qui était également présent au panel, a décrit AlphaFold comme « l’une des avancées scientifiques les plus extraordinaires et rapides que j’ai jamais vécues ». Il a souligné qu’il y a 25 ans, il fallait cinq ans à un étudiant en doctorat pour déterminer la structure d’une protéine. Avec AlphaFold, « il suffit d’entrer la séquence et il vous indique la structure », a-t-il expliqué.

Hassabis a indiqué qu’AlphaFold a maintenant prédit les structures de 200 millions de protéines connues de la science, un travail qui aurait nécessité un milliard d’années avec des méthodes traditionnelles. La dernière version, AlphaFold3, a élargi ses capacités pour analyser les interactions des protéines avec d’autres protéines, des ligands et de l’ADN/ARN.

L’IA fait le tour complet

Patapoutian a également mis en avant le potentiel de l’IA pour percer les mystères du fonctionnement du cerveau, en particulier dans la compréhension des motifs neuronaux complexes et leur rapport avec le comportement. Il a noté que bien que la technologie actuelle puisse prédire le comportement chez des organismes simples, la compréhension des cerveaux plus complexes reste un défi majeur que l’IA pourrait contribuer à résoudre.

« Dans l’ensemble, les neurosciences sont très enthousiastes vis-à-vis de l’IA », a-t-il affirmé. Cela pourrait aider les scientifiques à progresser dans la compréhension du cerveau, car « malgré des décennies de recherche, nous ne comprenons toujours pas vraiment comment le cerveau fonctionne ». Même après avoir observé les modèles de neurones activés dans un cerveau, il reste difficile de prédire quel comportement s’ensuivra. Peut-être que pour une créature simple comme le ver C. elegans, qui ne possède que 300 neurones, c’est possible, a déclaré Patapoutian. Mais pour des systèmes plus complexes, « nous n’en avons absolument aucune idée, et cela a été l’un des Saint Graals de la neuroscience, non seulement de prédire le comportement, mais aussi des pensées plus complexes, de l’intelligence, de la conscience ».

Hassabis a affirmé qu’en ce sens, l’IA a bouclé la boucle. La structure du cerveau a inspiré les réseaux neuronaux de l’IA, et maintenant l’IA peut aider les scientifiques à appréhender le fonctionnement cérébral.

Selon lui, la prochaine étape pour AlphaFold3 est de déterminer comment les mutations peuvent provoquer des changements dans la structure et la fonction des protéines. AlphaFold2 a résolu le problème d’une protéine statique, mais il a souligné que les protéines ne sont pas immuables. À terme, il entrevoit l’émergence de la médecine personnalisée, où un médicament serait optimisé pour le métabolisme de chaque individu.

Cellules virtuelles et AGI

En regardant vers l’avenir, Hassabis a esquissé sa vision d’une simulation de « cellule virtuelle » qui pourrait révolutionner la recherche biologique. Patapoutian a expliqué qu’historiquement, pour déterminer la structure d’une protéine, il fallait l’extraire d’une cellule. Cependant, cela ne révèle pas sa position naturelle dans la cellule. Observer la cellule dans son ensemble et localiser les protéines serait plus instructif, a-t-il ajouté.

Par exemple, pouvoir visualiser une protéine dans une cellule pourrait révéler qu’elle est localisée au bout de l’axone d’un neurone, où une activité spécifique se produit, a indiqué Patapoutian. « Cela vous donnera une compréhension très différente par rapport à de simples niveaux d’expression », a-t-il précisé.

Patapoutian s’est également interrogé sur l’origine des données utilisées pour entraîner les modèles d’IA de Hassabis. Ce dernier a répondu qu’en plus des ensembles de données publiques, il est possible d’engager des entreprises pour générer des données spécialisées pour combler les lacunes. Son équipe utilise également des données synthétiques qu’elle crée elle-même. En revanche, ils pourraient également développer des algorithmes nécessitant moins de données pour l’entraînement, afin de reproduire la capacité des humains à généraliser à partir de quelques exemples.

Interrogé sur l’éventuelle arrivée de l’intelligence générale artificielle (AGI), Hassabis a déclaré que ceux qui annoncent son avènement dans quelques mois pourraient avoir un intérêt caché à lever des fonds. « L’IA est surestimée à court terme, mais sous-estimée à moyen et long terme », a-t-il ajouté. Il estime que l’AGI pourrait se manifester dans cinq à dix ans, à condition que des percées majeures interveniennent au préalable.

Ces avancées nécessitent des compétences complètes en raisonnement et en planification, ainsi qu’une capacité à faire preuve de créativité, et non pas simplement à imiter des styles artistiques ou des idées novatrices préalablement appris. Hassabis a ainsi souligné : « Pourriez-vous développer une théorie de la relativité générale comme l’a fait Einstein avec les connaissances qu’il avait dans les années 1900 ? Je ne pense pas qu’aucun de nos systèmes ne pourrait s’en approcher. »