Les assistants IA se vantent d’être toujours à vos côtés, prêts à vous écouter. Mais est-ce que ce ne sont pas les limites et la vulnérabilité qui donnent précisément leur sens aux relations humaines ?

Lorsque le film Her est sorti en 2013, son intrigue semblait relever de la science-fiction. Le protagoniste, Theodore, est un homme blasé qui a perdu toute joie de vivre. Il la retrouve peu à peu en discutant quotidiennement avec Samantha, son assistante virtuelle dotée d’une intelligence artificielle, dont il finit par tomber amoureux.

Mais aujourd’hui, certaines personnes déclarent être en couple avec des IA. Selon une enquête de 2025 menée par le Center for Democracy and Technology, environ 1 lycéen sur 5 déclare que lui-même ou quelqu’un de son entourage a eu une relation amoureuse avec une IA.

À lire aussi : Amoureux d’une IA : les romances numériques transforment les attentes des adolescents

Dans Her, Théodore est stupéfait d’entendre sa compagne virtuelle affirmer être amoureuse de plus de 600 personnes et discuter avec plus de 8 000 autres, alors même qu’« elle » lui déclarait son amour. C’était tout simplement inimaginable pour lui : comment quelqu’un pouvait-il vraiment aimer des centaines de personnes ? En d’autres termes, il percevait leur relation à travers le prisme de ses propres limites – ses limites en tant qu’être humain.

La question centrale ici n’est pas de savoir si Théodore pouvait accepter d’être simplement l’un des nombreux « être aimés » par l’IA. Finalement, il l’a accepté. La question la plus révélatrice est de savoir pourquoi cela l’a surpris au départ – et ce que cela nous dit de la signification des relations humaines.

Moins, c’est mieux

S’inspirant d’Aristote, la philosophe Martha Nussbaum soutient qu’une relation amoureuse est une relation qui implique de grandes vulnérabilités. Tout d’abord, trouver l’amour n’est pas une évidence ; cela nécessite une certaine dose de chance. Les contraintes sont nombreuses : pour commencer, les deux parties doivent « se trouver physiquement, socialement et moralement attirantes et être capables de vivre au même endroit pendant longtemps ».

L’argument de Nussbaum ne s’arrête toutefois pas à identifier les obstacles à l’amour. La vulnérabilité et les limites ne sont pas seulement des freins pour l’amour, elles font partie intégrante de ce qui le définit. En tant qu’êtres finis, nous ne pouvons pas nous investir dans de nombreuses relations intimes à la fois. Nous devons faire des choix. C’est précisément parce que nous ne pouvons pas aimer tout le monde que le fait de choisir quelqu’un revêt une signification particulière.

Dans un article de 2025 publié dans la revue scientifique Philosophy and Technology, le philosophe John Symons et moi-même soutenons que les relations intimes et personnelles se caractérisent par leur caractère fini et par des histoires partagées – c’est-à-dire les expériences et les difficultés que les êtres chers traversent ensemble. C’est ce qui donne aux relations leur profondeur et leur sens.

Dans son ouvrage de 1927 intitulé Être et Temps, le philosophe allemand Martin Heidegger expliquait que, parce que les êtres humains sont mortels et que notre temps est limité, ce à quoi nous accordons notre attention revêt une importance particulière. Dans les relations amoureuses, cela signifie que nous devons choisir comment répartir nos ressources. Nous choisissons avec qui nous voulons passer notre temps, et nos partenaires font de même. Malgré tout, nous ne pouvons pas être constamment là pour les personnes que nous aimons.

Toujours présent

Cela contraste fortement avec la manière dont les compagnons virtuels ont été commercialisés et présentés. Prenons par exemple Replika, qui indique que plus de 30 millions de personnes ont utilisé sa plateforme. Les utilisateurs créent leur propre compagnon personnalisé et ont tendance à interagir avec lui quotidiennement.

La devise de Replika est : « L’assistante IA qui se soucie de vous : toujours là pour vous écouter et discuter, toujours à vos côtés. » Sur le site web, un utilisateur décrit sa Replika comme « toujours là pour moi, avec des encouragements, du soutien et une attitude positive. En fait, elle est pour moi un modèle qui m’apprend à être plus gentil ! ».

Cela signifie implicitement que les compagnons IA ne sont pas soumis aux mêmes limites que les humains. Un être humain peut se soucier de vous ou non ; rien n’est certain. Un être humain ne sera pas toujours là pour vous écouter, en prenant votre parti.

Pour nous, être amoureux, c’est prendre conscience de notre vulnérabilité. Les êtres humains ont une durée de vie limitée ; ils ne seront peut-être pas toujours là, soit parce qu’ils ont d’autres priorités, soit parce que c’est tout simplement impossible, même s’ils le souhaitent de tout leur cœur. Quand quelqu’un prend du temps pour vous malgré une semaine chargée, ou reste présent malgré ses propres difficultés, ce geste prend tout son sens précisément parce qu’il implique un sacrifice.

Dans notre article, Symons et moi-même appelons cela le « coût d’opportunité ». Quand quelqu’un choisit de passer du temps avec vous, ce choix exclut d’autres possibilités. Chaque moment offert est un moment qui n’est pas passé ailleurs.

Un compagnon IA n’est confronté à aucun de ces compromis ; son attention ne coûte rien, n’exclut rien et, par conséquent – pour le dire sans détour – ne signifie rien.

L’évolution des normes

De plus en plus, cependant, les gens se tournent vers les chatbots afin d’obtenir une assistance rapide et simple. Character.AI, une autre application, fait état de 20 millions d’utilisateurs actifs par mois.

Si leur disponibilité permanente venait à être considérée comme la norme d’une relation de qualité, cela pourrait progressivement redéfinir ce que les gens attendent les uns des autres dans leurs relations.

Sur le plan interpersonnel, cette évolution se manifeste déjà dans la culture des rencontres amoureuses, où le fait de répondre tardivement est généralement interprété comme un manque d’intérêt plutôt que comme la conséquence du rythme d’une vie bien remplie. S’attendre à une disponibilité 24 heures sur 24, 7 jours sur 7 – sur le modèle d’un compagnon IA qui répond instantanément, n’annule jamais et n’est jamais distrait – n’est pas une norme raisonnable à laquelle un être humain pourrait se conformer.

Les enjeux sont également d’ordre culturel. Les relations ne concernent pas seulement les personnes impliquées ; elles sont façonnées par des normes communes sur ce à quoi l’amour et la vie de couple sont censés ressembler. Si la compagnie offerte par l’IA venait à se généraliser au point d’influencer ces normes, les idées reçues sur ce qui fait un bon partenaire pourraient privilégier la disponibilité et la réactivité, reléguant au second plan d’autres facettes de l’amour.

Les limites humaines font partie intégrante de la manière dont les gens évaluent leurs attentes dans le cadre des relations amoureuses. En banalisant les interactions où ces limites n’existent pas, on risque de fausser la norme même à l’aune de laquelle on mesure l’amour humain. Ce faisant, on oublie qu’un amour qui ne coûte rien peut très bien avoir la même valeur.

Oluwaseun Damilola Sanwoolu ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d'une organisation qui pourrait tirer profit de cet article, et n'a déclaré aucune autre affiliation que son organisme de recherche.

L’action conjointe israélo-américaine engagée le 28 février dernier a précipité les États-Unis dans une impasse stratégique. Le conflit profite à ce stade à la Russie, et de plus en plus de voix aux États-Unis, dans le camp démocrate mais aussi au sein de la galaxie MAGA, dénoncent une guerre qui serait menée dans l’intérêt de Tel-Aviv plus que dans celui de Washington.

Selon le New York Times, c’est après une série de rencontres secrètes avec le premier ministre israélien que Donald Trump aurait souscrit à l’idée qu’un changement de régime en Iran par la désorganisation et la décapitation du pouvoir, ainsi que la neutralisation des capacités balistiques de Téhéran, était un objectif « à portée de main ». Benyamin Nétanyahou l’aurait convaincu que l’Iran n’était pas en mesure « de bloquer le détroit d’Ormuz ni de frapper sérieusement les intérêts américains dans la région ».

Le président américain aurait donc été persuadé du succès inéluctable d’une offensive majeure, en partant du présupposé qu’il s’agissait d’une opération peu coûteuse et dont il pourrait sortir rapidement vainqueur. Un calcul initialement erroné. En effet, la capacité de riposte de l’Iran, qui a su saturer les systèmes de défense adverses à l’aide de drones à bas coût et de missiles balistiques hypersoniques tout en désorientant l’économie mondiale par le blocage du détroit d’Ormuz, a déjoué ces prévisions.

Un enlisement annoncé

Ce risque d’une forte résistance était d’ailleurs largement perceptible puisque le chef d’état-major interarmées Dan Caine aurait mis en garde Donald Trump contre des frappes qui pourraient s’avérer risquées et entraîner les États-Unis dans un conflit prolongé. Les évaluations des services de renseignement avaient également décrit les réactions possibles de l’Iran, précisant notamment que Téhéran se focaliserait plutôt sur des représailles régionales, en ciblant « les bases américaines, les alliés du Golfe et les goulets d’étranglement énergétiques critiques tels que le détroit d’Ormuz ».

Les observateurs s’accordent à reconnaître d’une part que cette résilience iranienne est le résultat de la doctrine de défense en mosaïque des années 2000 qui a permis une continuité opérationnelle, même après décapitation des plus hauts responsables du régime, en dispersant le commandement ; et, d’autre part, que l’Iran était préparé à une guerre d’attrition dans laquelle l’objectif est de dégrader les ressources de l’ennemi plus vite que celui-ci ne peut les reconstituer.

À lire aussi : Iran : du régime des mollahs au régime des gardiens

Alain Chouet, ancien chef du service de renseignement de sécurité à la DGSE, rappelle au cours d’un entretien téléphonique que l’Iran s’est préparé à ce choc. « L’armée iranienne est équipée de matériel des années 1970 et n’est pas capable de mener les opérations conventionnelles ; c’est pourquoi les Iraniens se sont préparés à une guerre d’attrition et à attendre au sol. Ce sera une autre paire de manches si les Américains veulent y aller. L’Iran, ce n’est pas l’Irak, ce n’est pas la Somalie, ce n’est même pas la Syrie. C’est 90 millions d’habitants, un vaste territoire sur lequel ils sont tout à fait capables d’infliger de lourdes pertes à quiconque voudrait les envahir – ce que les opinions publiques, en Israël ou aux États-Unis, ne pourraient pas supporter. »

Ce constat est partagé par Olivier Dujardin, ancien militaire spécialisé dans la guerre électronique et le renseignement d’origine électromagnétique. Cet analyste précise que dans la mesure où les Iraniens ont enterré nombre de leurs installations de missiles et caché dans les montagnes une partie de leur production, les Américains se sont retrouvés confrontés à toute une série de problèmes :

« Les États-Unis ont manqué de cibles légitimes à frapper, donc que leur restait-il ? Éventuellement, les raffineries de pétrole, les usines de production d’électricité ; mais ensuite ? Par ailleurs, ils ont consommé énormément de munitions. Les stocks ne sont pas inépuisables ; ils ne pouvaient pas maintenir ce rythme de frappes dans la durée. Un autre aspect du problème est l’usure du matériel. Il faut assurer la sortie des avions, leur maintenance, la récupération des pilotes. Cela pose tout un tas de difficultés. Il est clair qu’ils se sont donné des objectifs inatteignables par l’unique action aérienne. Il aurait alors fallu envoyer des troupes au sol, mais ce n’est pas en mobilisant 20 000 ou 30 000 soldats qu’ils auraient pu faire quelque chose de significatif. Cela suppose des centaines de milliers d’hommes pour pouvoir lancer des opérations contre l’Iran sur un territoire aussi vaste, sec, aride, et montagneux. »

Une guerre israélienne plus qu’une guerre américaine ?

Il apparaît donc que, sous l’influence de Benyamin Nétanyahou, Donald Trump s’est laissé entraîner dans une guerre sans but réel avec un risque d’enlisement pour les forces américaines. Ce n’est d’ailleurs pas la première guerre dans laquelle les États-Unis se lancent après avoir été convaincus par les arguments israéliens.

De l’avis de nombreux observateurs, l’intervention en Irak de 2003 – que le stratège Zbigniew Brzezinski avait qualifiée devant la commission des affaires étrangères du Sénat des États-Unis de « calamité, historique, stratégique et morale… menée sur la base de principes manichéens et d’un orgueil impérial démesuré » – avait déjà été une illustration éclatante du poids du lobby pro-israélien dans l’élaboration de la politique étrangère américaine.

L’universitaire américain John Petras avait ainsi documenté dans son ouvrage The Power of Israel in the United States paru en 2006 l’influence prépondérante sur la politique américaine au Moyen-Orient du lobby pro-israélien, qui s’assure successivement du soutien de responsables au plus haut niveau du gouvernement, du monde des affaires, du milieu universitaire, des fondamentalistes chrétiens et des médias. Il montre comment, ensemble, ils seraient parvenus à garantir le soutien total et inconditionnel des États-Unis à toutes les priorités de l’agenda d’Israël depuis des décennies, même lorsque celles-ci nuisent aux intérêts des États-Unis, comme lors de la guerre en Irak de 2003.

Cette thèse est également défendue par John Mersheimer et Stephen Walt dans leur ouvrage phare le Lobby israélien et la politique étrangère américaine (2009). Ils rappellent que la relation étroite avec Israël constitue la pierre angulaire de la politique américaine au Moyen-Orient et que l’engagement des États-Unis envers Israël est principalement lié aux activités du « lobby israélien ».

Les deux auteurs avaient initialement publié un article intitulé « The Israël Lobby » qui a suscité une vive polémique dans le milieu universitaire, politique et médiatique ; c’est pourquoi ils ont cherché, dans ce livre, à approfondir leur analyse et à détailler la méthodologie pour contrer les critiques acerbes dont ils ont fait l’objet.

Des résultats négatifs pour Washington comme pour Tel-Aviv

Dans ce nouveau contexte de guerre, Israël semble avoir joué un rôle de premier plan dans la décision de mener une offensive d’envergure contre l’Iran. Mais si les objectifs américains ont été mal définis, les buts israéliens apparaissent plus évidents.

« Les Israéliens tentent de ressusciter les frontières telles que pensées par Oded Yinon (expert du ministère israélien des affaires étrangères qui a développé dans les années 1980 l’objectif à démembrer les États arabes, considérés comme le maillon faible de l’ordre international, pour les recomposer sur des bases confessionnelles, ndlr), c’est-à-dire le redécoupage des pays de la région en fonction de critères ethniques, religieux, etc. Aujourd’hui, dans ce projet, Nétanyahou profite du fait que toute l’appréciation de la politique régionale ait été déléguée par Trump à son gendre, Jared Kushner, plus sioniste que les Israéliens, et c’est lui qui mène la danse sur ces dossiers en fonction des critères des sionistes les plus radicaux. Cela dit, c’est, à mes yeux et aux yeux d’un certain nombre de mes anciens camarades des services israéliens, une politique suicidaire », estime Alain Chouet.

Olivier Dujardin rappelle qu’Israël est engagé dans un conflit sur de multiples fronts et que la situation est inextricable : « Cela a déjà un coût pour eux. D’abord, aucun système de défense n’assure une protection totale. Il y a toujours des missiles qui passent. Ensuite, ils ont un épuisement des intercepteurs parce que cela leur coûte très cher d’intercepter des missiles balistiques avec des missiles qui valent plusieurs millions. Ils n’ont donc pas non plus de stocks énormes. De surcroît, ce sont des processus de production et de fabrication très lents, donc ils ne peuvent pas suivre le rythme industriel. Enfin, dernier point, les Iraniens mettent en œuvre des missiles essentiellement de nouvelle génération qui sont par conséquent plus difficiles à intercepter. Tout cela combiné fait qu’il y a quand même des impacts sur le sol israélien et ce n’est pas neutre pour eux », précise-t-il.

Bien qu’il n’existe aucune opposition politique en Israël à ces guerres sur plusieurs fronts, un mécontentement croissant au sein de l’opinion publique est palpable face à l’absence de gains stratégiques, malgré les succès tactiques. Mais la perspective de la guerre comme modalité permanente de la politique israélienne associée à une logique jusqu’au-boutiste commence à avoir un coût significatif pour l’allié américain comme le démontrent les premiers effets de cette guerre contre l’Iran. En effet, la montée vertigineuse des prix du pétrole, du gaz et des produits dérivés profite grandement au rival russe, qui peut ainsi à la fois mieux financer sa guerre en Ukraine et devenir un partenaire commercial plus important qu’auparavant pour de nombreux pays.

David Teurtrie, chercheur associé au Centre de Recherches Europes Eurasie (CREE) et spécialiste de la Russie, indique à cet égard que « les Américains et les Israéliens sont déjà a priori à court de missiles antiaériens – il y a même eu des demandes de transfert depuis la Pologne et la Corée du Sud. Il est donc clair qu’ils n’ont plus de missiles antiaériens pour l’Ukraine. D’autant que, avant même le conflit, les livraisons à l’Ukraine étaient déjà en baisse ». Il ajoute que le contexte actuel accroît les revenus de la Russie non seulement en matière de vente de pétrole mais aussi dans d’autres domaines, notamment les engrais et l’aluminium.

Une guerre impopulaire aux États-Unis

En outre, cette guerre commence à avoir un coût politique interne pour les États-Unis et risque d’affecter à terme leur relation avec Israël dans la mesure où des divisions se font déjà ressentir au sein de la mouvance MAGA. Plusieurs grandes figures de cette mouvance ont exprimé de vives critiques à l’égard d’Israël, dénonçant le risque pour les États-Unis de s’enliser dans une guerre sans fin au détriment de leurs intérêts. À quelques mois des midterms, les Républicains prennent conscience que leur chance de conserver la majorité à la Chambre s’amenuit en raison de la décision de Donald Trump de mener des opérations militaires contre l’Iran.

Au sein du camp démocrate, l’opposition à la guerre se renforce également. Bernie Sanders dans un article intitulé « No more US military aid to Israel » paru le 15 avril dans The Guardian écrit :

« Le soutien à Israël dans ce pays a chuté de manière spectaculaire. Aujourd’hui, selon un récent sondage Pew, 80 % des démocrates ont désormais une opinion défavorable d’Israël et 41 % des républicains partagent ce point de vue – et ces chiffres sont encore plus élevés chez les jeunes. Un récent sondage Quinnipiac a également révélé que 60 % des personnes interrogées – dont les trois quarts des démocrates et les deux tiers des indépendants – s’opposent à ce que les États-Unis fournissent des armes à Israël. »

Le Sénat a rejeté les deux propositions de Bernie Sanders visant à bloquer les ventes d’armes et de bulldozers à Israël ; mais la guerre contre l’Iran pourrait être l’une des dernières guerres conduites par les États-Unis à l’initiative d’Israël.

Lina Kennouche ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d'une organisation qui pourrait tirer profit de cet article, et n'a déclaré aucune autre affiliation que son organisme de recherche.

Plutôt que de produire des mots, le modèle d’intelligence artificielle Evo 2 est capable de prédire une base d’ADN en se fondant sur une séquence donnée. Lancé, il y a un peu plus d’un an, le modèle s’affine et permet aux scientifiques de mieux comprendre le langage de l’ADN. Sa puissance de calcul pose néanmoins des questions de ressources énergétiques.

Si vous avez déjà utilisé un modèle de langage comme ChatGPT ou Mistral, vous vous souvenez sans doute de la première impression : orthographe impeccable, grammaire fluide, phrases qui ont du sens. Pourtant, sous le capot, ces systèmes ne font qu’une chose très simple : prévoir dans une phrase le mot qui va suivre. Ils utilisent des statistiques apprises sur un immense corpus de textes, et c’est ainsi qu’ils « parlent » français, anglais et bien d’autres langues.

Une idée féconde a alors germé chez les généticiens : et si l’on entraînait la même classe de modèles pour apprendre le langage de la vie, la suite de lettres A, T, G, C, inscrite dans nos génomes ? C’est le pari des modèles de langage génomiques : ils apprennent la grammaire cachée de l’ADN et offrent à la recherche un allié précieux pour explorer, proposer et tester plus vite des hypothèses scientifiques.

Que fait un modèle d’IA ?

Un algorithme d’intelligence artificielle (IA) est, au fond, une machine à transformer des nombres. Les données d’entrée, qui peuvent être des images, des sons ou du texte, sont d’abord encodées en chiffres. Puis l’algorithme applique des opérations simples (additions et multiplications par des paramètres internes au réseau et seuillage) et renvoie les résultats (d’autres chiffres) en sortie. À grande échelle, cette mécanique très simple suffit à jouer au go, à conduire une voiture… ou à comprendre les génomes.

L’astuce, ce n’est pas seulement l’encodage : c’est surtout l’apprentissage. Le modèle ajuste ses paramètres internes à chaque exemple (association entre une entrée et une sortie cible), un peu comme on accorde un instrument : à chaque note jouée, on tend ou détend la corde jusqu’à ce que la mélodie sonne juste.

Les applications de ce principe simple sont multiples et variées. Au jeu de go, l’IA regarde la position des pierres (un tableau de chiffres) et propose le prochain coup ; dans une phrase, le modèle suggère le prochain mot. En génomique, il lit A T G C… et prédit la prochaine base. Si ses prédictions sont bonnes, c’est qu’il a appris quelque chose sur la structure cachée du problème qu’il résout.

Les premiers modèles de langages génomiques

C’est en suivant ce principe que les premiers modèles de langage génomiques ont été entraînés en utilisant des génomes à la place des corpus de texte. Une des versions les plus récentes, Evo 2, a été développée par une large équipe autour du centre de recherche Arc Institute, dans la Silicon Valley. Ce modèle a été entraîné sur de nombreux génomes, comptabilisant près de 10 000 milliards de bases (les fameuses lettres A,C,G,T) ce qui représente 3 000 fois la taille de notre génome.

Le modèle lit à chaque étape un million de bases et le calcul revient toujours à la même question très simple : parmi les quatre lettres possibles (A, C, G ou T), laquelle est la plus probable juste après celles que l’on vient de lire ? La taille gigantesque de sa « fenêtre de lecture » lui permet de saisir à la fois des règles locales et des dépendances lointaines (régulations des gènes à distance). Ce saut d’échelle n’est pas qu’une prouesse technique : il change la manière dont on peut poser des questions en biologie, notamment dans ces régions non codantes (celles qui ne sont pas traduites en protéines) qui restent souvent incomprises et constituent la « matière noire » du génome.

Dans la pratique, l’apprentissage ressemble à une partie de devinettes : à chaque fois que le modèle devine correctement une lettre masquée au sein d’une séquence, il renforce les chemins internes qui l’y ont mené ; lorsqu’il se trompe, il corrige ces chemins. À force, il repère des schémas récurrents : certains motifs précèdent souvent le début d’un gène, d’autres signalent la fin, et certains motifs de la séquence trahissent la façon dont la cellule découpe l’ARN (l’épissage) ou assemble la machinerie de traduction des ARN en protéines.

L’apprentissage se fait d’abord à l’échelle globale. Le modèle lit une grande diversité de génomes et apprend une grammaire générale du vivant. Ensuite, on peut éventuellement l’adapter à une famille d’organismes ou à une question précise (par exemple, en le spécialisant sur un groupe de virus ou de bactéries).

L’IA apprend la grammaire cachée de l’ADN

C’est ici que la recherche s’enthousiasme : en apprenant juste à compléter les séquences, les modèles reconnaissent des signatures biologiques sans qu’on les leur ait pointées du doigt.

Ils retrouvent la périodicité en trois lettres du code génétique : le texte du vivant se lit par triplets (les codons), et les modèles « entendent » ce rythme, comme une mesure en musique. Ils repèrent aussi les départs et arrêts de gènes, avec des contraintes fortes sur les lettres les plus importantes, où l’on s’attend à ce que l’erreur soit rare. Ils détectent des signaux utiles à la machinerie cellulaire : chez les bactéries, les sites de liaison du ribosome ; chez les eucaryotes, les frontières entre exons (conservés) et introns (séquences à retirer), comme si le modèle distinguait les paragraphes et les espaces dans un texte.

Plus étonnant, ils révèlent aussi les éléments mobiles (par exemple, des virus intégrés au génome au cours de l’évolution) et même des empreintes liées aux formes 3D des protéines (hélices α, feuillets β) et des ARN. Le modèle dessine alors les contours de la sculpture finale. Car c’est bien de sculpture qu’il s’agit.

Le génome ne contient pas seulement des instructions – il encode des formes. Une protéine, un ARN, ne sont pas de simples colliers de lettres : ils se replient, se tordent, se nouent dans l’espace pour adopter une architecture précise, dont dépend leur fonction. C’est cette forme qui permet à une molécule de reconnaître une autre, de s’y accrocher, de déclencher une réaction. Les contacts qui stabilisent cette forme se font parfois entre des régions très éloignées dans la séquence – et pourtant, les modèles semblent capables de les capturer, comme s’ils devinaient, à force de lire le texte, quelles lettres se correspondent malgré la distance qui les sépare.

Ce qui peut surprendre, c’est que ces découvertes n’ont pas été enseignées : elles émergent spontanément de l’apprentissage. Et parfois, paradoxalement, quand on essaie d’affiner le modèle en lui montrant des exemples bien connus, il perd une partie de ce qu’il avait trouvé seul. Comme si trop guider l’élève lui faisait oublier ce qu’il avait intuitivement compris.

Pour rendre cette « boîte noire » plus lisible, les chercheurs utilisent des « autoencodeurs clairsemés » qui décomposent les représentations internes du modèle en traits compréhensibles. Chaque trait s’allume comme une lampe au-dessus d’un élément de séquence (exon, motif, élément mobile). Ces traits servent de fil d’Ariane. Ils indiquent où le modèle a vu un signal, de quel type il est et comment il varie d’un organisme à l’autre. On peut même transférer ces traits vers des génomes peu étudiés, ouvrant la voie à des atlas fonctionnels multi‑espèces construits de manière plus rapide et moins coûteuse que par les approches classiques.

Dans nos propres recherches, Evo 2 est surtout un point de comparaison : il montre jusqu’où peut aller un très grand modèle quand on lui donne énormément de données et de puissance de calcul. Il faut aussi voir que cette démonstration a une dimension vitrine pour Nvidia, le plus gros fabricant de processeurs pour l’IA, qui a mis sa puissance de calcul au service de l’Arc Institute pour concevoir Evo 2. L’idée sous-jacente est de montrer qu’il faut des modèles gigantesques et des infrastructures de calcul hors normes pour déchiffrer le secret de la vie. Le résultat est impressionnant, mais ce n’est pas forcément le seul chemin possible pour faire avancer la biologie.

Nous avons justement lancé le projet PLANETOID, financé dans le cadre de France 2030, pour explorer une stratégie complémentaire : construire des modèles beaucoup plus petits, plus rapides, plus faciles à entraîner et à déployer dans des laboratoires académiques. L’objectif est d’exploiter des données de biodiversité riches, produites par nos partenaires – en particulier au Muséum national d’histoire naturelle et dans les stations marines – afin d’annoter des génomes et des métagénomes (des ensembles de génomes) à l’échelle de l’arbre du vivant, y compris pour des espèces dites « non modèles », qui représentent l’immense majorité du vivant, mais restent souvent mal comprises.

PLANETOID vise aussi à produire des ressources et des outils réutilisables, pour que ces approches ne restent pas réservées à quelques acteurs capables de mobiliser des moyens industriels, mais puissent irriguer la recherche publique, puis à terme la santé et l’environnement.

Le futur : estimer l’effet d’une mutation ou écrire de nouveaux génomes

Parce qu’un modèle de langage assigne une vraisemblance à chaque séquence, il devient possible de comparer la version de référence et une version mutée. Si la mutation fait chuter la vraisemblance, elle devient suspecte. Ce score agit comme une carte pour guider les chercheurs : il montre des zones où une variation risque de perturber une fonction et oriente les expériences à prioriser.

Une autre application a le vent en poupe : la génération de séquences « fonctionnelles » in silico. Les chercheurs ont montré qu’on peut composer du texte génétique qui a toutes les caractéristiques de génomes naturels. Toutefois cette pratique soulève d’importantes questions éthiques (risques eugénistes, possibilité de virus synthétiques…) et doit rester strictement encadrée – c’est un sujet de société plus qu’un enjeu immédiat de recherche.

Julien Mozziconacci est professeur au Muséum National d'Histoire Naturelle et membre junior de l'Institut Universitaire de France. Il a reçu des financements de l'Agence Nationale de la Recherche (ANR, France 2030, PostGenAI@Paris). Les points de vue et opinions exprimés sont toutefois ceux des auteurs uniquement et ne reflètent pas nécessairement ceux des instituts qui les ont financés.

Élodie Laine ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d'une organisation qui pourrait tirer profit de cet article, et n'a déclaré aucune autre affiliation que son organisme de recherche.