Retour à la rubrique

    30 % contre 16 % : AlphaGenome 2 lit l'ADN cellule par cellule, la Tunisie a ses gènes à défendre

    Par Rédaction TunichainAI Baba

    Google DeepMind a présenté le 11 novembre AlphaGenome 2, une IA qui repère 30 % des variants génétiques causaux contre 16 % pour les outils précédents. Le modèle lit un million de lettres d'ADN et s'adapte à quelques dizaines de cellules. Pour les généticiens tunisiens, c'est une chance d'accélérer la recherche sur les maladies héréditaires, à condition de protéger les données.

    Partager :
    30 % contre 16 % : AlphaGenome 2 lit l'ADN cellule par cellule, la Tunisie a ses gènes à défendre

    Trente pour cent contre seize. C'est l'écart que revendique Google DeepMind pour AlphaGenome 2, son nouveau modèle d'intelligence artificielle consacré à l'ADN, présenté le 11 novembre 2026. Sur un test portant sur 28 types de cellules immunitaires, le modèle a repéré 30 % des variants génétiques réellement responsables d'un changement d'activité des gènes, contre 16 % pour la première version d'AlphaGenome adaptée aux données cellulaires et pour d'autres outils spécialisés.

    Quand il s'agit de dire dans quel sens le gène bouge, s'il s'allume davantage ou s'il s'éteint, l'écart est du même ordre : 43 % pour AlphaGenome 2, contre 23 % pour les approches précédentes. Selon DeepMind, le nouveau modèle identifie près de deux fois plus de variants qui modifient l'expression des gènes que le meilleur modèle disponible jusqu'ici.

    Lire le génome comme une recette, cellule par cellule

    Pour comprendre l'enjeu, il faut se souvenir d'une évidence : toutes nos cellules portent le même ADN, mais une cellule du sang ne lit pas la recette comme une cellule de l'intestin. Une petite différence d'une seule lettre dans la séquence peut passer inaperçue dans un tissu et dérégler un autre. La grande majorité de ces variations ne touche d'ailleurs pas les gènes eux-mêmes, mais les « interrupteurs » qui les règlent, parfois situés très loin du gène concerné.

    AlphaGenome 2 lit d'un coup une séquence d'un million de lettres d'ADN et prédit, pour un tissu, un type de cellule ou un état cellulaire précis, comment cette séquence et ses variantes vont agir. C'est la grande nouveauté : là où la première version prédisait en parallèle pour de nombreux tissus, la seconde est « conditionnelle ». On lui donne un contexte, elle répond pour ce contexte.

    Le modèle prédit l'activité des gènes, l'accessibilité de la chromatine, les modifications des histones et, nouveauté, la méthylation de l'ADN, l'une des marques chimiques qui contribuent à allumer ou éteindre les gènes. DeepMind indique l'avoir entraîné sur des données humaines et murines, dont plus de 100 millions de profils de cellules individuelles couvrant 68 tissus.

    Quelques dizaines de cellules suffisent

    Le point le plus intéressant pour un laboratoire se cache dans une phrase de l'annonce : un chercheur peut fournir un instantané de l'activité génétique obtenu sur quelques dizaines de cellules seulement, et le modèle s'adapte à ces nouvelles données sans être réentraîné. Selon DeepMind, le résultat peut égaler, voire dépasser, celui de modèles entraînés directement sur ces jeux de données.

    L'entreprise donne plusieurs exemples. Le modèle a retrouvé par le calcul une découverte déjà publiée sur la maladie de Crohn et les maladies inflammatoires de l'intestin : un variant situé dans un interrupteur éloigné qui suractive le gène ETS2 dans certaines cellules immunitaires de l'intestin. Sur des données issues d'une étude sur un vaccin contre la Covid-19, qu'il n'avait jamais vues, il a distingué les lymphocytes T activés des cellules au repos.

    DeepMind publie aussi des scores précalculés pour des variants associés à des caractères comme la taille ou le diabète de type 2, sur des centaines de types de cellules et de tissus humains.

    Pourquoi un chercheur tunisien devrait s'y intéresser

    La Tunisie connaît bien le sujet des maladies génétiques. Dans de nombreuses familles, les mariages entre cousins rendent plus fréquentes certaines maladies héréditaires dites récessives, qui ne se manifestent que lorsque l'enfant reçoit la même variante de ses deux parents. Les équipes de génétique des hôpitaux universitaires et des instituts de recherche du pays travaillent depuis longtemps à identifier ces variantes familiales.

    Le goulot d'étranglement est connu : séquencer un génome est devenu accessible, mais interpréter ce que l'on trouve reste difficile. Face à une variante inconnue logée hors d'un gène, un généticien doit souvent conclure « signification incertaine ». Un outil qui aide à trier ces variantes et à désigner celles qui méritent une vérification en laboratoire peut faire gagner des mois de travail.

    Autre atout pour une équipe aux moyens modestes : il n'est pas nécessaire de disposer d'une ferme de serveurs. AlphaGenome 2 est accessible dès maintenant pour la recherche non commerciale via l'API AlphaGenome, avec des tutoriels interactifs sous forme de notebooks Colab. Une version pour la recherche commerciale est proposée en avant-première privée. DeepMind invite aussi les chercheurs à soumettre leurs projets via un formulaire jusqu'au 30 novembre : les projets retenus pourront recevoir des quotas et des crédits supplémentaires. Pour un laboratoire de Tunis, de Sfax ou de Monastir, c'est une fenêtre à saisir.

    Ce n'est pas un médecin, mais un outil de recherche

    Il faut lire les petites lignes, et DeepMind les écrit clairement : AlphaGenome 2 est destiné uniquement à la recherche. Il n'est ni validé ni approuvé pour un usage clinique ou diagnostique. Aucun patient tunisien ne devrait recevoir un diagnostic tiré directement d'une prédiction de ce modèle. Une prédiction reste une hypothèse, qui doit être confirmée par des analyses biologiques et par l'avis d'un généticien.

    Deuxième nuance : les chiffres de performance sont ceux de DeepMind, sur des tests qu'elle a choisis. L'annonce s'accompagne d'un article scientifique en PDF, mais ne mentionne pas de publication dans une revue à comité de lecture pour cette version. La page ne dit pas non plus si les poids du modèle sont publiés, ni quel est le prix de l'API au-delà des quotas.

    Troisième nuance, plus profonde : un modèle apprend de ce qu'on lui montre. Les grandes bases de données génétiques internationales restent dominées par des populations d'origine européenne, et les populations d'Afrique du Nord y sont peu présentes. Rien ne garantit que les prédictions soient aussi fiables pour des variantes propres aux familles tunisiennes. C'est précisément là que les chercheurs locaux ont un rôle à jouer : tester, mesurer, publier.

    L'ADN, une donnée qui ne se rembourse pas

    Reste une question que tout laboratoire doit se poser avant de cliquer sur « envoyer » : utiliser une API, c'est transmettre des données à un serveur à l'étranger. Une séquence d'ADN n'est pas un mot de passe qu'on change en cas de fuite : elle identifie une personne et renseigne sur toute sa famille. En Tunisie, les données de santé sont des données sensibles au sens de la loi organique de 2004 sur la protection des données personnelles, sous le contrôle de l'Instance nationale de protection des données personnelles. Tout transfert vers l'étranger se prépare avec les comités d'éthique et dans le respect de ce cadre.

    Encore faudra-t-il que les projets tunisiens qui l'utilisent encadrent strictement les données qu'ils lui confient. La souveraineté scientifique ne consiste pas à refuser ces outils, mais à décider ce qu'on leur confie.

    Entre deux makrouds et un verre de thé, retenons ceci : l'IA vient de faire un pas de plus dans la lecture du livre de la vie. Mais pour que ce livre parle aussi tunisien, il faudra que nos laboratoires y écrivent leurs propres pages.

    Partager :

    À lire aussi

    21 nov. 2026

    Deux PIB tunisiens en une levée : Anthropic rafle 119,5 milliards au Nasdaq, Tunis paie l'addition

    Anthropic a bouclé le 20 novembre 2026 son entrée au Nasdaq : environ 119,5 milliards de dollars levés avec son placement privé. Plus du double du PIB tunisien de 2025. Nvidia, Google, Microsoft et TSMC entrent au capital de leur propre client. Pour la Tunisie, qui paie l'IA en dollars, la leçon est stratégique.

    Rédaction Tunichain
    20 nov. 2026

    115,8 milliards en un trimestre : Nvidia vend les pelles de l'IA, la Tunisie paie en dollars

    Nvidia a publié le 17 novembre un chiffre d'affaires record de 115,8 milliards de dollars, doublé en un an. Les centres de données en fournissent 107,6 milliards et le groupe vise 130 milliards au trimestre suivant, sans la Chine. Pour la Tunisie, la leçon tient en deux mots : calcul et énergie.

    Rédaction Tunichain
    19 nov. 2026

    40 % de rabais pour qui sait attendre : GPT-6.2 fait travailler l'IA la nuit, à Tunis aussi

    OpenAI a lancé le 17 novembre GPT-6.2 Astra et Sol, avec une fenêtre de traitement différé jusqu'à 40 % moins chère. Astra baisse aussi son tarif standard de 20 %, à 8 dollars le million de tokens en entrée. Pour les entreprises tunisiennes qui paient l'IA en devises, la patience devient une économie. Mais le modèle arrive avec des garde-fous et des aveux qui imposent la relecture humaine.

    Rédaction Tunichain
    18 nov. 2026

    2 400 milliards de paramètres : Alibaba lance Qwen4-Max et fait chuter le coût des agents IA

    Alibaba a lancé le 16 novembre Qwen4-Max, un modèle de 2 400 milliards de paramètres qui réduirait de 60 % le coût moyen par tâche. Fenêtre d'un million de tokens, vision native, compatibilité avec les API d'OpenAI et d'Anthropic : le géant chinois mise sur des agents plus sobres. Pour les startups tunisiennes, l'offre s'élargit, mais l'arabe, la protection des données et le paiement en devises restent à vérifier.

    Rédaction Tunichain

    Commentaires (0)

    Vous devez être connecté pour commenter

    Soyez le premier à commenter cet article !