IA, pandémies et biologie : une révolution à deux vitesses

En octobre 2024, le comité Nobel a envoyé un signal sans équivoque : le prix de chimie est allé aux concepteurs d’une intelligence artificielle capable de déchiffrer la forme des protéines. Pour la première fois, une percée majeure de la biologie portait la signature d’un laboratoire d’IA. Mais derrière cette consécration se cache une réalité plus contrastée : la révolution biomédicale de l’IA n’avance pas au même rythme pour tous, et elle ouvre des risques inédits.

AlphaFold : quand l’IA résout une énigme de cinquante ans

Le tournant porte un nom : AlphaFold. Développé par Google DeepMind, ce système prédit la structure tridimensionnelle d’une protéine à partir de sa simple séquence d’acides aminés — un problème qui résistait aux scientifiques depuis un demi-siècle. En 2024, Demis Hassabis et John Jumper, de DeepMind, ont partagé le Nobel de chimie avec David Baker, de l’université de Washington, pour la prédiction et la conception assistées par ordinateur de protéines¹.

L’impact se mesure en chiffres vertigineux. AlphaFold a prédit la structure de plus de 200 millions de protéines et a été utilisé par plus de 2 millions de chercheurs dans le monde². En novembre 2024, DeepMind a publié AlphaFold3, capable cette fois de modéliser la façon dont les protéines interagissent avec d’autres molécules — un atout direct pour concevoir des médicaments qui visent précisément la bonne cible³. Résultat : le nombre de traitements issus de l’IA soumis aux autorités américaines a bondi, et les budgets de recherche pharmaceutique accélèrent³. Cette dynamique nourrit aussi l’impact de l’IA sur les systèmes de santé.

La pandémie, banc d’essai grandeur nature

La crise du COVID-19 avait déjà montré la puissance de ces outils. L’IA a joué un rôle critique dans le séquençage génomique, la mise au point de vaccins et de traitements, le repérage des foyers et le suivi des variants⁴. Le cas le plus emblématique est celui de BlueDot : cet outil a signalé des grappes de pneumonies inhabituelles à Wuhan quelques jours avant l’alerte publique de l’OMS, en janvier 2020⁴.

Depuis, la communauté internationale tente de pérenniser ces capacités. La CEPI, coalition pour les innovations en matière de préparation aux épidémies, bâtit une plateforme mondiale d’analyse des agents pathogènes destinée à combler l’écart entre le volume croissant de données génomiques et la capacité limitée à les exploiter, en particulier dans les pays à revenu faible ou intermédiaire⁵. Des réseaux de veille comme le Hub de l’OMS pour le renseignement épidémique et le centre de prévision des épidémies des CDC américains structurent désormais cette surveillance collaborative⁶. La promesse : ne plus jamais être pris de court.

Un fossé qui se creuse entre nations

Mais toutes les nations ne partent pas du même point. Les États-Unis et la Chine concentrent les laboratoires, la puissance de calcul et les financements de pointe, et défendent deux visions opposées : pour Pékin, l’IA est une infrastructure géopolitique souveraine et pilotée par l’État ; pour Washington, un moteur économique adossé à l’innovation privée et aux alliances démocratiques⁷. Entre ces deux pôles, le reste du monde compose comme il peut.

Les analystes parlent d’une « fracture de l’IA ». Les puissances moyennes restent exposées aux dangers de la technologie — usage criminel, détournement militaire — sans toujours disposer de l’accès aux systèmes de pointe nécessaires pour s’en défendre⁷. Or, en biosécurité, la défense dépend de plus en plus des relations étroites avec les développeurs de modèles avancés⁷. Pour les pays sans laboratoire de premier plan, la dépendance se double d’une vulnérabilité. Ce déséquilibre rappelle celui décrit dans le rôle de l’IA dans l’éducation qui creuse l’écart entre nations développées et en développement, et touche directement la sécurité économique des États.

La parade passe par l’intégration et le partage. Des agents pathogènes émergents comme le SARS-CoV-2 ou le virus Nipah montrent la nécessité de relier la santé humaine, animale et environnementale — l’approche dite « One Health » — que l’IA peut aider à mettre en œuvre, en particulier dans les contextes à ressources limitées⁶. La plateforme mondiale d’analyse des agents pathogènes portée par la CEPI vise précisément à combler le fossé entre l’abondance de données génomiques et la capacité à les exploiter dans les pays à revenu faible ou intermédiaire, tout en intégrant des garde-fous de biosécurité « par conception » et de souveraineté des données⁵. L’enjeu n’est pas seulement technique : il s’agit d’éviter qu’une partie du monde reste aveugle face à la prochaine flambée épidémique.

Le double usage : la face sombre de la biologie augmentée

La même IA qui conçoit des remèdes peut concevoir des poisons. C’est le problème du « double usage ». Dès 2022, un modèle open source a généré environ 40 000 molécules potentiellement toxiques en quelques heures, simplement en inversant son objectif⁸. Les experts divergent sur le calendrier, mais convergent sur le risque : l’IA pourrait abaisser la barrière technique à la création d’agents pathogènes plus transmissibles⁸.

La vigilance s’organise. En juillet 2025, le Shanghai AI Lab, institution adossée à l’État chinois, a évalué 18 grands modèles de langage sur sept domaines de risque, identifiant des dangers biologiques et chimiques dans la plupart d’entre eux⁹. Le CNAS plaide pour un encadrement des risques biologiques liés à l’IA¹⁰, tandis que de nombreuses voix réclament une coopération sino-américaine, les deux leaders ayant un intérêt partagé à limiter ces dérives malgré leurs tensions⁷. La gouvernance de ces outils renvoie aux débats explorés dans le développement des normes et éthiques de l’IA.

Une promesse à encadrer

L’IA a fait entrer la biologie dans une nouvelle ère : structures protéiques élucidées, vaccins accélérés, épidémies détectées plus tôt. Mais cette puissance reste mal répartie et porteuse de risques. Le signal à surveiller en 2026 : la capacité de la communauté internationale à conjuguer deux objectifs en apparence contradictoires — diffuser largement les bénéfices de l’IA biomédicale tout en verrouillant ses usages les plus dangereux. De cet équilibre dépendra la réponse à la prochaine pandémie.