L’IA a créé 16 virus vivants qui n’avaient jamais existé

16. C’est le nombre qui compte, assez petit pour se compter sur les doigts de deux mains et assez grand pour changer ce que la biologie croit possible. Le 6 août 2026, des chercheurs de l’université Stanford et de l’Arc Institute ont annoncé dans la revue Science qu’ils avaient utilisé un modèle d’IA pour concevoir des génomes viraux entiers à partir de rien, réalisé ces conceptions en laboratoire et obtenu au final 16 virus pleinement fonctionnels et viables qui n’avaient jamais existé dans la nature ²⁴⁷.

Il ne s’agissait pas de modifier un virus connu, en remplaçant un gène ici ou en raccourcissant une séquence là. Selon l’affirmation rapportée par la BBC, CNN, The New York Times, WIRED, ABC et Scientific American, des génomes entiers ont été conçus avec succès par l’IA pour la première fois ²³⁵⁷⁸. Le modèle d’IA au cœur de cette avancée s’appelle Evo, désigné comme Evo 2 dans certains articles. Entraîné sur des données ADN pour apprendre les motifs du code génétique, il génère ensuite des génomes viraux entièrement nouveaux ³⁵⁶. Les scientifiques ont ensuite synthétisé ces conceptions et vérifié en laboratoire si elles pouvaient infecter, se répliquer et tuer ²⁴⁷.

Parmi les conceptions réalisées et testées, 16 ont fonctionné de bout en bout ²³⁵⁷⁸. CNN a estimé à environ 300 le nombre de conceptions testées ⁴. Ce ratio est important, car il raconte deux histoires à la fois. La plupart des prédictions de l’IA ont échoué, comme la biologie le laisserait prévoir. Mais suffisamment ont réussi pour prouver que la méthode est réelle, et non théorique. Un système capable d’imaginer des centaines de milliers de génomes et d’en produire 16 qui soient vivants a franchi le pas de la prédiction à la création.

Les organismes obtenus étaient des bactériophages, des virus qui infectent et tuent des bactéries, dont E. coli ²⁴⁶¹¹. Ce détail définit à la fois la portée immédiate de la science et ses limites actuelles. L’expérience n’a pas été présentée comme la création d’un agent pathogène humain, mais comme celle de phages qui s’attaquent aux bactéries. Selon les chercheurs de Stanford Brian Hie et Aditi Merchant, les tests en laboratoire de conceptions destinées à éliminer E. coli ont dépassé les attentes ³⁶.

Les noms de Hie et Merchant reviennent dans les différents articles ³⁵⁶. Leur résultat pointe vers l’application concrète la plus proche sur laquelle les sources s’accordent : de nouvelles façons de lutter contre les bactéries résistantes aux antibiotiques ⁴⁶⁸¹¹. Les phages intéressent depuis longtemps la médecine, car ils tuent les bactéries d’une manière complètement différente des antibiotiques. Si l’IA peut concevoir de nouveaux phages à la demande, les chercheurs pourraient en principe créer des agents capables de tuer des souches bactériennes contre lesquelles les médicaments échouent, mettre au point des outils diagnostiques qui révèlent une infection et développer de nouveaux composants pour la biotechnologie et la thérapie génique. C’est cette promesse qui amène les partisans d’Evo à le considérer comme un moteur de conception pour la biologie, et pas seulement comme un lecteur d’ADN.

The Independent a résumé la réaction du public comme une source d’espoir et de terreur à parts égales ¹⁰. La formule a fait mouche parce que l’étude elle-même s’y prête. L’article souligne que cette capacité soulève des préoccupations en matière de biosécurité, de sécurité biologique et de confinement biologique ³⁸¹⁰. Scientific American rapporte que certains scientifiques estiment que cette technologie pourrait être détournée ³. WIRED a signalé des inquiétudes quant au fait que la technologie devance la réglementation ⁸. Aucun des articles vérifiés ne soutient que ces 16 phages en particulier menacent les humains. L’inquiétude porte sur ce que la méthode prouve : un logiciel peut halluciner un génome, puis des personnes peuvent lui donner vie en laboratoire.

Le calendrier est resserré. L’article a été publié dans Science et annoncé le jeudi 6 août 2026 ²⁷¹⁰. Les articles ont paru du 6 au 8 août 2026 dans la BBC, CNN, The New York Times, WIRED, Forbes, ABC et Scientific American ^23456789. Cette rapidité reflète le caractère exceptionnel de l’affirmation. L’IA a servi à prédire des formes de protéines, à proposer des modifications et à passer au crible l’ADN. Concevoir de zéro un génome viral complet et fonctionnel, puis le voir se reproduire, représente un tout autre seuil, et les sources présentent cette avancée comme une première ²⁴⁷.

Le dossier comporte un désaccord important qu’il convient de signaler aux lecteurs plutôt que de le passer sous silence. Forbes présente Evo comme un modèle d’intelligence artificielle d’OpenAI ⁹, tandis que d’autres articles l’attribuent à des chercheurs de Stanford et de l’Arc Institute ³⁵⁶. Les sources divergent sur l’origine du modèle. En revanche, elles s’accordent sur le lieu où les travaux ont été menés et publiés — l’université Stanford et l’Arc Institute, dans Science le 6 août — ainsi que sur leur résultat : 16 virus viables ²⁴⁷.

La même prudence s’impose au sujet des garde-fous. WIRED relève des inquiétudes quant au retard de la réglementation par rapport aux avancées scientifiques, mais aucune mesure de protection spécifique et appliquée concernant les virus vivants générés par l’IA n’est confirmée dans les sources fournies ⁸. Cette absence fait autant partie de l’histoire que les virus eux-mêmes. La méthode est publiée. La preuve de faisabilité est publique. Les enjeux humains — les bénéfices médicaux potentiels contre la résistance aux médicaments, d’un côté, et le risque que des détournements intentionnels ou une libération accidentelle devancent les mécanismes de contrôle, de l’autre — restent sans réponse dans les articles.

Les chercheurs n’ont pas eu besoin de partir d’un modèle vivant à copier. Ils sont partis de données, ont entraîné un modèle à générer des génomes, synthétisé les candidats, puis laissé l’infection faire office de test ²⁴⁷. La plupart ont échoué. Seize, non ²³⁵⁷⁸. En biologie, c’est la différence entre une simulation et un organisme, entre ce qu’une analyse suggère et ce qu’une boîte de laboratoire confirme.