Un consortium de 1,8 milliard pour entraîner des modèles de biologie cellulaire

Le Chan Zuckerberg Biohub coordonne une initiative de 1,8 milliard de dollars pour bâtir des modèles d’IA capables de prédire le comportement des cellules, avec l’idée de raccourcir le développement des médicaments. L’annonce, relayée par Reuters et détaillée dans plusieurs sources, associe des financements publics américains, des géants de la tech et des instituts scientifiques. À ce stade, le pari est simple à formuler et difficile à tenir: transformer la biologie cellulaire en données assez riches pour être apprises par des modèles. Cela ne fera pas sortir une molécule d’un chapeau, mais presque.

Un pari sur la donnée biologique, pas seulement sur les modèles

L’initiative, baptisée Virtual Biology Initiative, vise d’abord à combler un manque de données. Selon les sources, les jeux actuels couvrent des centaines de millions de cellules, quand des modèles jugés fiables pourraient nécessiter des milliards, voire des milliers de milliards d’observations. Le rôle du Biohub sera de standardiser des ensembles de données issus de sources publiques et privées pour les rendre exploitables par l’IA.

Alex Rives, responsable scientifique du Biohub, résume l’enjeu d’une formule sans fard: “We need to capture the language of biology, we need to capture the language of the cell. And that doesn’t exist today,” a-t-il dit à Reuters. L’idée n’est pas de simuler la biologie pour la galerie, mais de produire des modèles prédictifs capables d’aider les chercheurs à tester des hypothèses en numérique avant de passer au laboratoire.

Qui met combien, et pour faire quoi ?

La structure du financement est assez nette. Le Chan Zuckerberg Biohub apporte 500 millions de dollars déjà promis en avril, dont 400 millions pour des outils de mesure cellulaire avancés et 100 millions pour des subventions externes. Le département américain de l’Énergie (DOE) annonce plus de 500 millions de dollars sur cinq ans via sa Genesis Mission, avec des supercalculateurs exascale, des instruments de diffraction X et neutronique, de la cryo-microscopie électronique et des laboratoires autonomes.

Du côté public aussi, le National Institutes of Health (NIH) met à disposition des jeux de données et des dépôts construits grâce à plus de 500 millions de dollars d’investissements fédéraux antérieurs. Meta, Google DeepMind et Isomorphic Labs ajoutent ensemble 300 millions de dollars pour la génération de données et le développement de modèles. NVIDIA doit fournir l’infrastructure de calcul et des logiciels spécialisés, selon les sources.

Une ouverture des données, mais pas tout de suite pour tout le monde

Le modèle d’accès retenu mélange ouverture scientifique et incitations privées. Les données financées par l’État seront rendues publiques immédiatement, sans restriction. Celles payées par des partenaires commerciaux bénéficieront d’une période d’exclusivité d’un an avant publication, selon Alex Rives. L’objectif est clair: attirer l’argent privé sans verrouiller durablement une ressource censée devenir commune.

Le premier jeu de données devrait être prêt dans environ un an. Les modèles prédictifs pleinement opérationnels sont visés sur cinq ans. D’ici là, les équipes devront surtout montrer que la promesse tient sur un terrain très concret: faire parler ensemble des laboratoires, des bases de données et des centres de calcul qui, d’ordinaire, avancent chacun à leur rythme.

Une course mondiale vers la biologie assistée par IA

Biohub n’est pas seul sur ce créneau. Anthropic a construit son propre laboratoire de biologie pour accélérer la découverte de médicaments pilotée par l’IA, tandis que la OpenAI Foundation prévoit plus de 125 millions de dollars pour des ensembles de données biologiques et médicales. À Paris, la start-up Rivercell a levé 25 millions de dollars pour bâtir un modèle de cellule virtuelle, signe que le sujet attire bien au-delà des États-Unis [à vérifier sur le calendrier exact des annonces].

Dans ce contexte, la question n’est plus de savoir si l’IA va entrer dans la biologie, mais qui réussira à accumuler assez de données propres pour la rendre utile. Le reste suivra, ou pas. Et dans ce dossier, c’est souvent le “ou pas” qui coûte le plus cher.