DeepMind livre 9 milliards de mutations. Le modèle n’était que le prétexte

On connaît la scène. Un laboratoire annonce un modèle, la presse écrit « moment AlphaFold », et l’on passe trois semaines à confondre une démo impressionnante avec un outil utilisable. Sauf que cette fois, l’objet le plus intéressant n’est pas le réseau de neurones : c’est la base de données posée à côté. AlphaGenome Atlas, ouverte récemment, pré-calcule l’effet de 9 milliards de mutations possibles du génome humain, dans un jeu de données d’environ 1 pétaoctet — 30 fois la taille de la base AlphaFold.

Le génome, cette notice de montage

Rappel utile, parce que tout le monde ne lit pas de biologie le matin. Le génome est le manuel d'instructions de la cellule : un texte de 3 milliards de caractères, les paires de bases A, T, C et G. Environ 2 % de ce texte codent directement des protéines, la partie qu'on comprend à peu près. Les 98 % restants ne fabriquent rien : ils décident quand, où et combien une protéine est produite. C'est le panneau de contrôle, et c'est là que se logent la plupart des variations associées aux maladies.

Le problème des modèles précédents tenait à un compromis frustrant. Soit ils voyaient finement, au caractère près, mais sur une courte distance, et rataient la régulation située loin du gène concerné. Soit ils voyaient large, sur des centaines de milliers de caractères, mais en gros pixels, incapables de distinguer un site d'épissage isolé. AlphaGenome prend jusqu'à 1 million de paires de bases en entrée et rend ses prédictions à la résolution du caractère. D'après l'article publié dans la revue Nature, il égale ou dépasse les meilleurs modèles disponibles sur 25 des 26 tests de prédiction d'effet de variation.

Ce qui change vraiment : le passage à l’échelle

Jusqu'ici, on interrogeait le modèle variant par variant : « si je remplace cette lettre par celle-là, qu'est-ce que ça change ? » Utile, mais artisanal. AlphaGenome Atlas inverse la logique : toutes les substitutions possibles — trois milliards de positions, trois alternatives chacune — sont calculées à l'avance et résumées par un score unique, l'AVI (AlphaGenome Variant Impact).

Pour situer l'échelle : AlphaFold, la base de structures de protéines, a été utilisée par plus de 4 millions de personnes dans 190 pays. AlphaGenome Atlas est annoncée 30 fois plus volumineuse. Ce n'est pas une prouesse d'intelligence, c'est une prouesse de calcul et de rangement. Et c'est probablement la partie la plus sous-estimée de l'annonce.

On ne demande plus au modèle de deviner quoi regarder : on lui a fait remplir la carte à l'avance.

Le malentendu qui arrive

Voici où la communication va déraper. Un score élevé ne veut pas dire « cette personne tombera malade ». Il veut dire « cette variation mérite qu'on la regarde ». Nuance. Le modèle produit des prédictions au niveau moléculaire — épissage, expression, accessibilité de l'ADN. Le raccordement à la maladie, chez la personne réelle, reste un chantier séparé.

Un ordre de grandeur parlant : pour les mutations qui touchent l'activité des gènes, la corrélation entre effet prédit et effet observé tourne autour de 0,5. C'est loin d'être négligeable, et c'est loin d'être une preuve. Un tel coefficient dit qu'on trie utilement une longue liste de candidats ; il ne dit pas qu'on a compris le mécanisme.

Prédire au niveau moléculaire n'est pas expliquer la maladie. Entre les deux, il reste un travail de laboratoire que l'IA accélère, mais qu'elle ne remplace pas.

Qui gagne, qui perd

Ce qui perd de la valeur : lire le génome. Le séquençage s'est banalisé, et pré-calculer un pétaoctet de prédictions déplace le centre de gravité. Ce qui en gagne : l'interprétation, la validation en laboratoire, et surtout l'accès. Un jeu de données que seuls trois bio-informaticiens savent interroger ne sert à rien. DeepMind l'a visiblement compris : le score, l'explication automatique et la visualisation intégrée ressemblent moins à un modèle qu'à un produit. Un moteur de recherche du vivant.

C’est là que le sujet devient vraiment intéressant. Un modèle, comme un site, ne vaut que par ce qu’on peut en faire. La performance brute impressionne en démonstration ; elle ne compte que si quelqu’un peut cliquer, filtrer et comprendre. Le vrai travail d’AlphaGenome Atlas n’est pas d’avoir entraîné un réseau de neurones — c’est d’avoir admis que la fonctionnalité décisive soit l’accès.

Ce qu’on ne sait pas encore

Trois angles morts persistent. D'abord le contexte : une même variation ne produit pas les mêmes effets selon le type de cellule, et le modèle n'en est pas encore pleinement conscient — l'équipe le reconnaît. Ensuite la génétique complexe : la plupart des traits qui nous intéressent dépendent de nombreuses variations à la fois, pas d'une lettre isolée. Enfin la gouvernance : l'Atlas est gratuit pour la recherche non commerciale, mais rien ne dit ce qu'il en sera demain.

Et il y a cette phrase lâchée dans l'entretien qui accompagnait la sortie : si l'on prolongeait la courbe de progrès de l'IA, on pourrait un jour simuler une cellule entière. Personne n'a la moindre idée du délai. C'est passionnant, et c'est exactement le genre de projection qu'il faut ranger dans la case « hypothèse », jamais « annonce ».

Le code de la vie n’est toujours pas déchiffré. Mais on vient de se doter d’un moteur de recherche pour le lire — et, curieusement, ce n’est pas la partie que la communication a retenue.