AlphaFold, ou quand l'IA décroche un Nobel (C1)
AlphaFold, or when AI wins a Nobel — A fifty-year-old problem in biology, a prediction contest in 2020, two hundred million structures given away, and the 2024 Nobel Prize in Chemistry. Subjunctive and formal register.
Marie : Thomas, en octobre deux mille vingt-quatre, le Nobel de chimie a récompensé en partie des chercheurs en intelligence artificielle. Fallait-il s'en étonner ?
Thomas : Pas vraiment. Demis Hassabis et John Jumper, de Google DeepMind, l'ont partagé avec David Baker. Reste à comprendre ce que leur programme, AlphaFold, a résolu.
Marie : Le repliement des protéines. Rappelons de quoi il s'agit.
Thomas : Une protéine est une longue chaîne d'acides aminés qui se replie sur elle-même. Or c'est sa forme en trois dimensions qui détermine sa fonction.
Marie : De sorte que connaître la séquence ne suffit pas : encore faut-il en connaître la forme.
Thomas : Et la détermination de cette forme en laboratoire pouvait exiger des années, parfois une thèse entière pour une seule protéine.
Marie : Pourquoi ne pas calculer toutes les configurations possibles ?
Thomas : Parce qu'elles sont astronomiquement nombreuses. Une protéine qui les essaierait une à une mettrait plus de temps que l'âge de l'univers, alors qu'elle se replie en un instant.
Marie : Il fallait donc qu'une machine apprenne des régularités plutôt qu'elle ne calcule tout.
Thomas : C'est tout l'enjeu. AlphaFold a été entraîné sur les structures que les biologistes avaient accumulées pendant des décennies.
Marie : Et en deux mille vingt, lors d'un concours international de prédiction, le résultat a stupéfié la communauté.
Thomas : Le plus souvent, ses prédictions rivalisaient avec la précision expérimentale. On a parlé d'un problème vieux de cinquante ans, en grande partie résolu.
Marie : Il est remarquable que DeepMind ait rendu publiques ses prédictions.
Thomas : Plus de deux cents millions de structures, la quasi-totalité des protéines connues. Des chercheurs du monde entier s'en servent, qu'ils étudient le paludisme ou la dégradation des plastiques.
Marie : Je crains néanmoins qu'on ne surestime cette réussite. Prédire une forme, ce n'est pas guérir une maladie.
Thomas : Tu as raison, et les auteurs le reconnaissent : la structure est un point de départ, non un médicament.
Marie : Et David Baker a été récompensé pour la démarche inverse.
Thomas : Précisément : la conception de protéines qui n'existent pas dans la nature, à partir d'une fonction souhaitée.
Marie : Ce qui me frappe, c'est le glissement : l'IA ne joue plus seulement au go, elle contribue à la connaissance.
Thomas : Encore faut-il que nous sachions vérifier ce qu'elle propose. C'est là, bien plus que dans la prouesse, que se joue la confiance.