Le laboratoire du bio-ingénieur César de la Fuente utilise l’intelligence artificielle pour rechercher de nouvelles molécules susceptibles de combattre des microbes résistants. Dans une étude de cas publiée par OpenAI le 10 septembre 2026, l’équipe explique comment elle combine des modèles biologiques spécialisés avec ChatGPT et Codex pour explorer des volumes de données difficiles à traiter manuellement.
Explorer les zones peu étudiées du vivant
La majorité des travaux sur les antimicrobiens modifient des médicaments existants ou examinent des familles chimiques déjà connues. L’équipe de César de la Fuente part d’un espace plus vaste : les génomes et les protéines de nombreuses espèces vivantes ou disparues.
Les séquences d’ADN et d’acides aminés peuvent être analysées comme de longues chaînes d’information. Des modèles d’apprentissage profond recherchent les motifs associés à une activité biologique, puis classent les candidats qui semblent les plus intéressants pour des essais en laboratoire.
Réduire une recherche de plusieurs années à quelques heures
Les bases de données numériques permettent aujourd’hui d’examiner une grande partie de l’arbre du vivant. Cette richesse crée toutefois un problème de sélection : seules quelques molécules parmi des millions de possibilités méritent une expérimentation coûteuse.
L’IA peut réduire cette première étape de plusieurs années à quelques heures, selon le laboratoire. Elle ne découvre pas automatiquement un médicament prêt à être utilisé. Elle sert surtout à établir une liste prioritaire de molécules à synthétiser et à tester.
ChatGPT et Codex comme outils de laboratoire
L’équipe utilise ChatGPT pour clarifier des concepts, comparer des méthodes et organiser des hypothèses. Codex aide à écrire ou corriger le code nécessaire au téléchargement, au nettoyage et à l’analyse de grands ensembles de données biologiques.
Ces outils facilitent aussi la collaboration entre biologistes, chimistes, ingénieurs et informaticiens. Un spécialiste peut progresser plus rapidement dans un domaine voisin, tout en demandant la validation d’un collègue possédant l’expertise correspondante.
Les expériences restent indispensables
Une prédiction informatique doit être vérifiée sur le microbe ciblé et sur des cellules humaines. Les chercheurs doivent ensuite étudier la toxicité, la dose, la stabilité, le risque de résistance, la fabrication et le comportement de la molécule dans l’organisme. Les candidats prometteurs restent soumis aux essais réglementaires et cliniques avant tout usage médical.
Cette démarche illustre donc un rôle réaliste pour l’IA scientifique : élargir l’espace exploré et accélérer les calculs, sans remplacer l’expérimentation, la prudence ni l’évaluation indépendante.
Source officielle et crédit image : OpenAI — étude de cas sur la recherche antimicrobienne.