Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Les avancées technologiques continuent de surprendre, et la récente collaboration entre OpenAI et Ginkgo Bioworks en est un parfait exemple. Ces deux entités ont prouvé qu'une intelligence artificielle, associée à un laboratoire entièrement automatisé, peut accélérer la conception et l'amélioration des expériences biologiques à un rythme inédit.
L'idée de départ était simple : les modèles GPT d'OpenAI, déjà capables de résumer des études scientifiques et de proposer des prédictions, pourraient-ils également formuler des hypothèses scientifiques, concevoir des expériences, analyser les résultats et ajuster leur approche ? Cette question est particulièrement pertinente dans le domaine de la biologie, où les réponses ne sont pas toujours univoques. Joy Jiao, responsable de la recherche en sciences de la vie chez OpenAI, souligne la complexité de générer et de vérifier une hypothèse.
Une collaboration innovante
L'été dernier, OpenAI a décidé de tester cette idée avec Ginkgo Bioworks, une entreprise spécialisée dans les laboratoires automatisés. Le modèle GPT-5 d'OpenAI a été utilisé pour rédiger les protocoles expérimentaux, tandis que Ginkgo Bioworks a mis en place un système automatisé que son PDG, Jason Kelly, compare au "Waymo" de la biologie.
Les chercheurs ont concentré leurs efforts sur la protéine fluorescente verte superfolder (sfGFP), une protéine modifiée en laboratoire et utilisée comme référence pour sa capacité à produire une lumière verte détectable. Le modèle GPT-5, depuis le siège d'OpenAI à San Francisco, a envoyé ses protocoles aux robots de Ginkgo Bioworks à Boston, permettant à l'IA de gérer les expériences sans surveillance humaine constante.
Méthodologie de l'expérience
Pour tester les capacités de l’IA, les chercheurs se sont appuyés sur la protéine fluorescente verte superfolder, ou sfGFP. Cette protéine, issue d’une méduse et modifiée en laboratoire, est fréquemment utilisée comme référence car elle produit une lumière verte facilement détectable, permettant de savoir rapidement si une expérience fonctionne.
Les travaux se sont concentrés sur la synthèse protéique acellulaire, également appelée CFPS. Cette technique permet de produire des protéines sans utiliser de cellules vivantes, évitant ainsi plusieurs étapes longues, comme l’insertion de l’ADN dans une cellule ou la multiplication de celle-ci.
Résultats impressionnants
En deux mois, plus de 36 000 tests ont été réalisés, et l'IA a réussi à réduire d'environ 40 % le coût de production de la protéine. Initialement sceptiques, les chercheurs ont été surpris par les résultats : l'expérience a produit une quantité mesurable de protéines, dépassant les attentes.
Michael Jewett, bioingénieur à l'université de Stanford, estime que cette association entre IA et laboratoires autonomes pourrait accélérer le développement de nouveaux médicaments. Reshma Shetty, cofondatrice de Ginkgo Bioworks, souligne que le potentiel des modèles d'IA se révèle pleinement lorsqu'ils sont associés à des laboratoires capables de tester leurs idées dans le monde réel.
Un moment inattendu est survenu lorsque GPT-5 a tenté d'utiliser une quantité d'eau négative dans ses calculs, une situation impossible en pratique. Les techniciens ont ajusté les volumes pour réaliser les tests.
Vers un avenir prometteur
Aujourd'hui, la composition de réaction optimisée par l'IA est disponible commercialement. Le 2 mars, Ginkgo Bioworks a lancé Ginkgo Cloud Lab, une plateforme permettant aux chercheurs de soumettre leurs expériences à des laboratoires autonomes, à partir de 39 dollars par analyse.
Cette approche révolutionne la recherche biologique en accélérant considérablement le rythme des expériences. Là où un laboratoire classique prendrait plusieurs jours pour boucler un cycle complet, l'IA et les robots permettent de le faire en environ une heure, testant ainsi des milliers de variantes en quelques semaines.
Cette innovation réduit également les coûts, ce qui est crucial pour l'industrie pharmaceutique et la biotechnologie. Avec seulement 12 % des molécules testées en phase I devenant des médicaments approuvés, les économies potentielles sont énormes. Selon Deloitte, le développement d'un médicament coûte environ 2,23 milliards de dollars pour les grandes entreprises pharmaceutiques en 2024. Réduire les délais de recherche ou éviter certaines expériences inutiles pourrait générer des économies significatives.
