Des virus créés par l’IA : l’expérience qui inquiète les experts en biosécurité

Le 16 octobre 2026, MIT Technology Review consacre un entretien à la conception de virus par intelligence artificielle. Cette publication fait écho à des travaux scientifiques menés notamment à l’université Stanford et à l’Arc Institute, où des chercheurs ont utilisé des modèles d’IA pour générer de nouveaux génomes viraux. Leur objectif : explorer les possibilités offertes par ces technologies, notamment dans la lutte contre les bactéries. Mais derrière cette avancée se dessine un défi majeur : jusqu’où peut-on automatiser la conception du vivant sans créer de nouveaux risques biologiques ?

Une IA capable de concevoir des virus fonctionnels

La recherche sur les virus vient de franchir une étape importante. Dans une étude publiée en août 2026 dans la revue Science, une équipe de chercheurs associant notamment l’université Stanford et l’Arc Institute a présenté des résultats obtenus grâce à l’intelligence artificielle générative.

Les scientifiques ont utilisé des modèles spécialisés, notamment Evo 1 et Evo 2, pour concevoir de nouvelles séquences génomiques de bactériophages. Ces virus ont la particularité d’infecter des bactéries plutôt que des cellules humaines.

L’expérience ne s’est pas limitée à la génération informatique de séquences. Les chercheurs ont également soumis leurs candidats à des tests expérimentaux afin de déterminer si les génomes proposés pouvaient donner naissance à des virus fonctionnels.

Sur près de 300 génomes candidats évalués, 16 ont permis d’obtenir des bactériophages viables. Certains ont montré leur capacité à infecter des souches d’Escherichia coli résistantes à des bactériophages naturels.

Ces résultats constituent une avancée dans la conception biologique assistée par intelligence artificielle. Ils montrent que des modèles entraînés sur des données génomiques peuvent proposer des séquences inédites dont certaines présentent une activité biologique vérifiable.

Une précision demeure toutefois essentielle : les virus étudiés ciblent des bactéries. Ces travaux ne démontrent donc pas que l’IA permettrait de concevoir facilement des virus pathogènes pour l’être humain.

L’expérience illustre néanmoins un changement de méthode. L’intelligence artificielle ne sert plus seulement à analyser des organismes existants : elle peut aussi contribuer à proposer de nouveaux génomes destinés à être testés en laboratoire.

De la prédiction des protéines à la conception du vivant

Cette avancée s’inscrit dans une transformation plus large de la biologie computationnelle.

En 2021, AlphaFold 2, développé par DeepMind, avait déjà marqué un tournant dans la prédiction de la structure tridimensionnelle des protéines. Grâce à l’apprentissage automatique, des chercheurs ont pu obtenir rapidement des prédictions structurales de grande précision, alors que la détermination expérimentale de ces structures peut nécessiter des travaux longs et complexes.

Les modèles génératifs appliqués à la biologie prolongent cette évolution. Ils ne se contentent plus de prédire les caractéristiques de molécules existantes : ils peuvent également proposer de nouvelles séquences susceptibles de présenter des propriétés recherchées.

Dans le cas des bactériophages, cette approche permet d’explorer un ensemble de combinaisons génétiques bien plus vaste que celui qui pourrait être étudié manuellement.

L’intérêt est particulièrement important pour la recherche sur les interactions entre virus et bactéries. Les scientifiques cherchent notamment à comprendre pourquoi certains bactériophages infectent des souches bactériennes particulières, tandis que d’autres échouent.

L’intelligence artificielle pourrait ainsi accélérer l’identification de candidats intéressants, sans pour autant supprimer les étapes indispensables de validation expérimentale.

Car une séquence génétique générée par ordinateur ne constitue pas automatiquement un organisme fonctionnel. Son activité dépend de nombreux mécanismes biologiques que les modèles ne maîtrisent pas entièrement.

Une avancée prometteuse contre les bactéries résistantes

Les applications potentielles de ces recherches dépassent largement la seule démonstration technologique.

La résistance aux antibiotiques représente un problème majeur de santé publique. Face à l’émergence de bactéries devenues insensibles à plusieurs traitements, les scientifiques explorent différentes stratégies thérapeutiques, parmi lesquelles la phagothérapie.

Cette approche consiste à utiliser des bactériophages pour cibler certaines bactéries responsables d’infections. Connue depuis plus d’un siècle, elle suscite un intérêt renouvelé dans le contexte de l’antibiorésistance.

L’un de ses défis réside dans la spécificité des bactériophages : un virus efficace contre une souche bactérienne peut être incapable d’en infecter une autre. Les bactéries peuvent également développer des mécanismes de résistance à ces virus.

Les modèles d’intelligence artificielle pourraient contribuer à identifier de nouveaux bactériophages ou à proposer des variants capables de contourner certaines résistances bactériennes.

Les résultats obtenus par l’équipe de Stanford et de l’Arc Institute ouvrent donc une piste intéressante pour la recherche. Ils ne constituent toutefois pas encore une démonstration d’efficacité clinique chez l’être humain.

Avant toute application médicale, de nombreuses étapes resteraient nécessaires, notamment pour évaluer la sécurité, la stabilité et l’efficacité des candidats dans des conditions biologiques complexes.

L’intelligence artificielle pourrait ainsi devenir un outil supplémentaire dans la lutte contre l’antibiorésistance, mais elle ne remplace ni les essais expérimentaux ni les procédures réglementaires qui encadrent le développement des traitements.

Le revers de la médaille : des technologies à double usage

C’est précisément cette capacité à accélérer la conception biologique qui nourrit les interrogations sur la biosécurité.

Les modèles génératifs peuvent contribuer à des recherches médicales, industrielles ou environnementales. Mais certaines technologies biologiques possèdent également un caractère dual : les mêmes connaissances et outils peuvent, selon leur utilisation, servir des objectifs bénéfiques ou dangereux.

Le problème ne tient pas au fait qu’un modèle d’intelligence artificielle poursuivrait une intention particulière. Il réside dans les possibilités offertes aux personnes qui l’utilisent.

Des systèmes capables de proposer des séquences biologiques inédites pourraient, dans certaines circonstances, faciliter des recherches présentant des risques élevés. L’ampleur de ce danger dépend cependant des capacités réelles des modèles, de leur accessibilité et des compétences expérimentales nécessaires pour exploiter leurs résultats.

Il serait donc trompeur d’affirmer que l’intelligence artificielle permet désormais à n’importe qui de fabriquer un agent pathogène dangereux.

Entre la génération informatique d’une séquence et l’obtention d’un agent biologique fonctionnel, de nombreuses barrières scientifiques, techniques et matérielles subsistent.

Mais la question de leur évolution mérite d’être posée. Si les modèles deviennent plus performants, certaines étapes de recherche pourraient progressivement devenir plus rapides ou plus accessibles.

Le défi consiste à anticiper ces transformations sans exagérer les capacités actuelles de la technologie.

Les modèles ouverts au cœur de la controverse

Cette problématique rejoint un débat plus général sur la diffusion des modèles d’intelligence artificielle.

Dans la recherche scientifique, l’ouverture des outils informatiques joue traditionnellement un rôle essentiel. Elle permet de reproduire les résultats, de vérifier les méthodes et de développer de nouvelles applications à partir de travaux existants.

Les modèles ouverts peuvent ainsi favoriser l’innovation dans des laboratoires disposant de moyens limités, tout en réduisant la dépendance envers quelques grandes entreprises technologiques.

Mais cette ouverture soulève des difficultés particulières lorsque les systèmes possèdent des capacités biologiques sensibles.

Une fois les paramètres d’un modèle largement diffusés, ses concepteurs ne peuvent pas nécessairement contrôler les usages qui en seront faits.

À l’inverse, réserver ces outils à un nombre restreint d’acteurs pourrait concentrer les capacités de recherche entre quelques institutions et limiter la coopération scientifique internationale.

La difficulté est d’autant plus grande que tous les modèles biologiques ne présentent pas le même niveau de risque.

Un système destiné à prédire la structure d’une protéine ne possède pas nécessairement les mêmes capacités qu’un modèle conçu pour générer des séquences génétiques complètes. Leur évaluation doit donc être adaptée à leurs fonctionnalités réelles.

Faut-il imposer des restrictions aux modèles les plus sensibles ? Organiser des évaluations indépendantes avant leur publication ? Ou privilégier une diffusion ouverte accompagnée de mesures de prévention renforcées ?

Le débat reste ouvert, notamment parce qu’aucune solution ne permet à elle seule de garantir simultanément la sécurité, la transparence et l’accès équitable aux outils scientifiques.

La gouvernance internationale face aux progrès de l’IA biologique

Les risques liés aux technologies biologiques ne constituent pas une préoccupation nouvelle.

La Convention sur les armes biologiques, ouverte à la signature en 1972 et entrée en vigueur en 1975, interdit notamment le développement, la production et le stockage d’armes biologiques.

Ce cadre international demeure applicable aux technologies émergentes, mais les progrès de la biologie synthétique et de l’intelligence artificielle soulèvent de nouvelles difficultés en matière de contrôle et de vérification.

Comment évaluer les risques associés à un modèle avant sa diffusion ? Qui doit déterminer les capacités considérées comme sensibles ? Quelles responsabilités attribuer aux développeurs, aux laboratoires et aux institutions qui rendent ces technologies accessibles ?

Des communautés scientifiques travaillent déjà sur des méthodes d’évaluation de la sécurité des modèles biologiques.

Parmi elles figure le « red teaming », une approche inspirée de la cybersécurité qui consiste à rechercher les vulnérabilités potentielles d’un système dans un environnement contrôlé.

L’objectif est d’identifier les risques avant qu’ils ne se traduisent par des utilisations problématiques. Dans le domaine biologique, ces évaluations doivent toutefois être conduites avec des précautions particulières pour éviter de diffuser elles-mêmes des informations sensibles.

La gouvernance de l’IA biologique nécessite donc une coopération entre chercheurs, spécialistes de biosécurité, autorités sanitaires, entreprises technologiques et organisations internationales.

L’enjeu n’est pas simplement d’élaborer de nouvelles interdictions, mais de définir des mécanismes capables de suivre l’évolution rapide des technologies tout en préservant les bénéfices de la recherche.

Jusqu’où faut-il laisser l’intelligence artificielle explorer le vivant ?

L’expérience menée sur les bactériophages marque une étape dans l’utilisation de l’intelligence artificielle en biologie. Pour la première fois dans ce cadre expérimental, des modèles génératifs ont permis de proposer des génomes viraux dont certains ont donné naissance à des virus fonctionnels.

Cette avancée pourrait contribuer à accélérer la recherche sur les bactériophages, à développer de nouveaux outils biologiques et, à plus long terme, à enrichir les stratégies thérapeutiques contre certaines infections bactériennes.

Mais elle illustre également une transformation plus profonde : l’intelligence artificielle participe désormais non seulement à la compréhension du vivant, mais aussi à la conception de nouvelles séquences biologiques.

Les bénéfices potentiels sont considérables, tout comme la nécessité d’évaluer rigoureusement les risques associés.

Deux préoccupations légitimes se rencontrent. D’un côté, restreindre excessivement ces technologies pourrait ralentir la recherche médicale et limiter l’accès aux outils scientifiques. De l’autre, leur diffusion sans évaluation adaptée pourrait accroître certains risques biologiques.

Le débat ne se résume donc pas à opposer les partisans du progrès aux défenseurs de la sécurité. Il concerne les conditions dans lesquelles la recherche peut continuer à avancer de manière responsable.

Lorsqu’une intelligence artificielle devient capable de proposer de nouveaux génomes viraux, qui doit décider de ce qu’il est acceptable de concevoir, de tester et de partager ? Les scientifiques qui développent ces technologies, les États chargés de protéger leurs populations, ou des instances internationales associant chercheurs, autorités publiques et société civile ?

Et surtout, à partir de quel niveau de risque faut-il limiter l’accès à une technologie qui pourrait aussi contribuer à sauver des vies ?

L’expérience des virus conçus par IA ne clôt pas ce débat. Elle montre au contraire pourquoi il devient urgent de le mener, avant que les capacités technologiques ne progressent plus vite que les règles destinées à les encadrer.

Suggestions d'articles similaires