Evo 1 vs Evo 2 : quelle IA choisir pour l’ADN en 2026 ?

Evo 1 et Evo 2 ne jouent pas dans la même catégorie : le premier a servi de prototype, le second est devenu un modèle biologique open source capable d’analyser et de générer de longues séquences d’ADN. En 2026, la vraie question n’est plus de savoir si ces IA savent manipuler le génome, mais jusqu’où elles vont, dans quels cas d’usage elles sont utiles, et avec quelles limites de sécurité.\n\nLe sujet a changé de dimension en août 2026, quand une étude publiée dans Science a montré que des séquences générées par Evo 1 et Evo 2 pouvaient donner naissance à 16 bactériophages viables après synthèse et test en laboratoire. C’est un jalon concret, mais aussi un rappel : la performance biologique progresse plus vite que les garde-fous.\n\nVoici le comparatif le plus utile pour 2026 : ce que chaque modèle sait faire, ce qui a vraiment été démontré, ce qu’il coûte, et lequel choisir selon ton besoin, entre recherche fondamentale, ingénierie du vivant et analyse de mutations.\n\n## Evo 1 vs Evo 2 : le fossé technologique est réel\nEvo 2 n’est pas une simple mise à jour incrémentale : c’est une montée en échelle massive, avec une couverture biologique et une longueur de contexte sans rapport avec Evo 1. Selon les sources disponibles, Evo 2 a été présenté comme un modèle entraîné sur 9,3 billions de nucléotides provenant de plus de 128 000 génomes complets et de plus de 100 000 espèces, alors qu’Evo 1 était un prototype plus limité, centré sur des génomes unicellulaires. \n\nLe point le plus important pour un lecteur technique est le suivant : Evo 2 a été conçu pour lire et écrire l’ADN à l’échelle du génome, alors qu’Evo 1 servait surtout de base expérimentale pour tester l’apprentissage des séquences biologiques. Une source indique qu’Evo 2 traite des fenêtres allant jusqu’à un million de paires de bases, contre une capacité nettement plus restreinte pour Evo 1. \n\n| Critère | Evo 1 | Evo 2 |\n|---|---|---|\n| Position dans la lignée | Premier modèle/prototype | Successeur direct |\n| Date publique repérée dans les sources | 2024 au plus tard | 19 février 2025, avec publication marquante le 4 mars 2026 et nouvelle étude le 6 août 2026 |\n| Domaine d’entraînement | Génomes unicellulaires / plus limité | ADN de plus de 100 000 espèces et plus de 128 000 génomes complets |\n| Volume de données | Environ 30 fois moins que Evo 2 selon une source secondaire | 9,3 billions de nucléotides selon plusieurs sources |\n| Longueur de contexte | Plus courte | Jusqu’à 1 million de paires de bases selon une source |\n| Capacité principale | Prototype de génération/lecture de séquences | Lecture, écriture et génération de séquences longues, jusqu’au génome |\n| Open source | Non précisé de manière homogène dans les sources consultées | Oui, sous licence Apache 2.0 selon plusieurs sources |\n\n> 💡 À retenir : en 2026, Evo 2 n’est pas simplement « plus fort » qu’Evo 1 ; il change d’échelle, de couverture taxonomique et de cas d’usage.\n\n## Ce que Evo 2 fait vraiment en 2026\nEvo 2 est aujourd’hui surtout un modèle de fondation biologique : il apprend la structure statistique du génome et peut proposer des séquences plausibles sur le plan biologique. Dans les sources consultées, il est décrit comme capable de prédire l’effet de mutations, de générer des séquences d’ADN réalistes et de produire des génomes de taille quasi complète à partir d’un amorçage textuel ou séquentiel. \n\nLe fait le plus solide n’est pas la promesse, mais la démonstration expérimentale. Le 6 août 2026, une étude dans Science a rapporté qu’une équipe Stanford / Arc Institute a utilisé Evo 1 et Evo 2 pour concevoir des génomes complets de bactériophages ; sur 302 candidats générés, 16 se sont révélés viables après synthèse et test, et 3 ont surpassé le phage naturel ΦX174 dans certaines conditions. \n\nCette performance ne signifie pas qu’Evo 2 « crée des virus dangereux pour l’humain ». Les sources indiquent au contraire que les chercheurs ont exclu les virus eucaryotes pathogènes du training afin de réduire le risque de mésusage, et que les expériences publiées portent sur des bactériophages infectant E. coli. \n\n### Les usages les plus crédibles en 2026\n- Prédiction de l’impact des mutations : Evo 2 est décrit comme capable d’identifier si une mutation est potentiellement délétère ou bénigne. \n- Conception de séquences longues : plusieurs sources citent des séquences synthétiques allant jusqu’à 20 000 nucléotides ou des contextes allant jusqu’à 1 million de paires de bases. \n- Design de génomes microbiens ou de phages : l’étude de 2026 montre un usage réel sur des bactériophages viables. \n- Recherche fondamentale : compréhension des signaux génomiques, des motifs conservés et de la logique d’assemblage. \n\n## Prix, accès et disponibilité : le vrai point pratique\nLa comparaison devient intéressante parce qu’il n’y a pas de modèle tarifaire classique du type SaaS à 20 $ par mois. D’après les sources consultées, Evo 2 est distribué en open source sous licence Apache 2.0, avec accès gratuit aux poids, au code et aux ressources de référence selon plusieurs publications. \n\nPour Evo 1, les sources disponibles ne donnent pas de prix public mensuel comparable, ni d’offre commerciale standardisée documentée dans les résultats fournis. Sur ce point précis, il faut être strict : aucune source consultée ne permet d’affirmer un abonnement mensuel officiel pour Evo 1. \n\n| Élément | Evo 1 | Evo 2 |\n|---|---|---|\n| Prix mensuel public | Non documenté dans les sources consultées | Non documenté comme abonnement ; accès gratuit/open source selon les sources |\n| Coût d’entrée | Dépend d’un déploiement de recherche | Gratuit pour le modèle ; coûts d’inférence et de calcul à prévoir |\n| Licence | Non précisée de façon fiable dans les sources fournies | Apache 2.0 selon plusieurs sources |\n| Accès | Plus limité / prototype | Téléchargeable publiquement selon plusieurs sources |\n\nAutrement dit, le vrai coût de Evo 2 n’est pas le prix du modèle, mais l’infrastructure nécessaire pour l’utiliser sérieusement : GPU, stockage, pipeline de synthèse, validation expérimentale et cadre de biosécurité. Les sources consultées ne donnent pas de chiffre consolidé sur ce coût total, donc il ne faut pas l’inventer.\n\n## Benchmarks et résultats expérimentaux : Evo 2 a désormais des preuves\nLe meilleur benchmark disponible dans les sources n’est pas un score abstrait de type MMLU, mais un résultat expérimental biologique. L’étude d’août 2026 a mesuré un taux de réussite de 16 phages viables sur 302 designs synthétisés, ce qui correspond à un rendement d’environ 5,3 %. \n\nCe chiffre est important pour deux raisons. D’abord, il montre qu’un modèle génératif peut produire des séquences biologiquement fonctionnelles et pas seulement plausibles sur le plan statistique. Ensuite, il rappelle que la majorité des designs échouent encore, ce qui laisse beaucoup de travail à la validation, au filtrage et à l’itération expérimentale. \n\nLes sources mentionnent aussi d’autres éléments de performance : Evo 2 a été décrit comme meilleur que d’autres outils d’IA sur plusieurs tests liés aux mutations génétiques, et comme capable de générer des séquences réalistes à l’échelle du génome. En revanche, les résultats chiffrés détaillés de ces benchmarks ne sont pas tous présents dans les sources fournies, donc il faut s’en tenir à ce qui est explicitement rapporté. \n\n> 💡 À retenir : le benchmark le plus solide en 2026 n’est pas un score de leaderboard, mais la viabilité de 16 phages conçus par IA après synthèse en laboratoire.\n\n## Sécurité et risques : Evo 2 a progressé, mais le sujet est loin d’être réglé\nLe risque principal n’est pas la fiction d’une IA qui « invente » immédiatement un pathogène humain parfait ; c’est l’augmentation progressive de la capacité de design biologique. Les sources indiquent que les chercheurs ont explicitement retiré les virus humains et eucaryotes du training pour réduire le risque, et que le modèle a été publié avec des garde-fous de sécurité. \n\nCela dit, des experts cités dans les sources soulignent qu’une génération de séquences biologiques de plus en plus crédibles peut contourner certains outils de screening des acides nucléiques. Cette tension entre ouverture scientifique et contrôle du mésusage est au cœur du débat 2026. \n\n### Ce qu’on peut affirmer sans extrapoler\n- Evo 2 a été entraîné sur des données choisies avec des exclusions de sécurité. \n- Les expériences publiées concernent des bactériophages, pas des virus humains. \n- Les chercheurs et observateurs cités ne présentent pas ces travaux comme une démonstration de danger immédiat pour l’humain. \n- La capacité à générer des séquences biologiques réalistes pose néanmoins une question de biosécurité réelle. \n\n## Quel modèle choisir selon le cas d’usage en 2026 ?\nEvo 2 est le choix évident si l’objectif est de travailler sur la conception de séquences, l’analyse de mutations et la recherche en génomique à grande échelle. Evo 1 n’a plus vraiment de sens comme choix principal, sauf pour des comparaisons historiques, des reproductions d’expériences anciennes ou des environnements où l’on veut étudier l’évolution du modèle de façon académique. \n\n| Cas d’usage | Evo 1 | Evo 2 | Recommandation 2026 |\n|---|---|---|---|\n| Analyse de mutations | Limité | Oui, avec meilleure portée selon les sources | Evo 2 |\n| Génération de séquences longues | Faible à intermédiaire | Oui, jusqu’à de très longs contextes | Evo 2 |\n| Conception de phages | Démarche de recherche historique | Démontré expérimentalement en 2026 | Evo 2 |\n| Réplication d’un prototype | Oui | Oui | Evo 1 si objectif historique, sinon Evo 2 |\n| Accès open source | Peu clair dans les sources | Oui, Apache 2.0 selon plusieurs sources | Evo 2 |\n\nEn pratique, le seul argument encore valable en faveur d’Evo 1 est l’intérêt méthodologique : comprendre la trajectoire qui mène d’un prototype à un modèle capable de design de génomes. Pour tous les usages actuels, Evo 2 est mieux documenté, plus large, et validé par des résultats expérimentaux bien plus convaincants. \n\n## Notre avis : qui devrait passer à Evo 2 maintenant ?\nSi tu travailles sur la génomique, la biologie synthétique, la prédiction de variants ou la conception de séquences, Evo 2 est le seul choix rationnel en 2026. Les sources montrent qu’il est open source, bien plus massif qu’Evo 1, et surtout qu’il a passé un test biologique concret avec 16 phages viables sur 302 designs synthétiques. \n\nSi ton besoin est surtout historique, pédagogique ou comparatif, Evo 1 reste utile comme point de départ pour mesurer le saut de génération. Mais pour un laboratoire, une équipe de recherche ou un acteur biotech qui veut travailler sérieusement sur l’ADN, la vraie question n’est pas « Evo 1 ou Evo 2 ? » : c’est plutôt « quel cadre de validation, de biosécurité et de synthèse accompagne l’usage de Evo 2 ? ».\n\nDans les six prochains mois, le sujet le plus suivi ne sera probablement pas la version suivante du modèle, mais la manière dont les équipes de recherche encadreront des IA capables de concevoir des séquences biologiquement actives. Et c’est sans doute là que se jouera la prochaine frontière : plus que la performance du modèle, sa gouvernance.