OpenAI a annoncé le 21 octobre que 1 946 de ses agents GPT-Rosalind, exécutés en parallèle, ont analysé les données existantes de millions de cellules cérébrales de souris en 32 minutes – un travail qui, selon l'équipe, prendrait des mois à un an à un groupe de recherche humain grâce à une analyse manuelle et une revue de la littérature.
La démonstration, menée avec la société de découverte de médicaments PerturbAI et Scripps Research, est décrite dans une prépublication de bioRxiv et applique ce que l'équipe appelle le « raisonnement biologique distribué » à un atlas CRISPR du cerveau entier – un ensemble de données cataloguant comment la perturbation de gènes individuels modifie l'expression des gènes dans les cellules cérébrales. Pour plus de contexte sur cette histoire, consultez notre plus d'articles sur l'IA.
Comment fonctionne le raisonnement biologique distribué
Les expériences de perturbation CRISPR permettent aux chercheurs d’éteindre des gènes et de mesurer les changements cellulaires qui en résultent, mais elles peuvent générer plus d’observations qu’aucun laboratoire ne peut étudier en profondeur. Ce goulot d’étranglement est précisément la raison pour laquelle les chercheurs partagent publiquement les atlas cellulaires. PerturbAI, la société de découverte de médicaments qui a co-développé l'approche, et Scripps Research ont fourni le cadrage scientifique et l'examen du domaine de la collaboration.
Le logiciel décrit dans la prépublication attribue chaque perturbation génétique à un agent d’IA indépendant. Chaque agent examine les changements cellulaires associés au gène qui lui est attribué, effectue une recherche dans la littérature scientifique et propose des explications sur ce qu'il trouve. Une couche de coordination combine ensuite les rapports des agents, identifie les connexions sur l'ensemble des données et classe les idées les plus prometteuses pour le suivi humain.
"Nous construisons des atlas cellulaires afin que d'autres scientifiques puissent faire des découvertes que nous n'avions pas encore imaginées", a déclaré Sarah Teichmann, titulaire de la chaire de médecine des cellules souches à l'Université de Cambridge et coprésidente fondatrice de l'Atlas des cellules humaines, dans l'annonce d'OpenAI. "L'IA pourrait aider davantage de chercheurs à explorer ces ressources et à transformer des observations inattendues en nouvelles questions à tester."
Les chiffres : 711 fois les références, 48 des 55 résultats récupérés
La différence d’échelle entre un agent et près de 2 000 est frappante. Dans une comparaison utilisant le même modèle, la même invite, les mêmes outils et l'accès aux données, les exécutions avec un seul agent représentaient en moyenne environ 11 références documentaires avec la charge de travail la plus importante, tandis que le système distribué conservait 7 586 références, soit environ 711 fois plus, selon les données publiques du projet.
Les agents ont également bien résisté à la science originale. Travaillant sans accès au manuscrit de l'étude de l'atlas, ils ont comparé ou affiné 48 des 55 résultats de l'étude originale qui pouvaient être tirés des données reçues par les agents.
Pour évaluer la qualité, l’équipe a recruté 30 biologistes de niveau doctorat pour une revue en aveugle. Leurs évaluations ont largement conforté le classement des agents concernant les pistes de recherche les plus prometteuses.
Le fil de cholestérol DCTN1
Une découverte illustre le type d’hypothèse que le système est censé faire émerger. La perturbation de DCTN1 – un gène lié à la neurodégénérescence – a augmenté l'activité des gènes impliqués dans la production de cholestérol. La base de référence en monothérapie proposait que les problèmes de transport du cholestérol dans les neurones pourraient inciter les cellules à compenser en produisant davantage.
Trois évaluateurs en aveugle ont attribué à cette piste un score de priorité de suivi moyen de 4,3 sur 5. Tomasz Nowakowski, professeur agrégé de chirurgie neurologique à l'UC San Francisco qui n'était pas l'auteur de la prépublication, a déclaré dans l'annonce d'OpenAI que la découverte montre pourquoi il est important de relier les observations entre disciplines : "Parfois, les indices sont déjà là, dispersés dans différents domaines - nous ne les avons tout simplement pas connectés."
Promesse et mises en garde
L'annonce intervient dans un contexte de dynamique rapide de l'effort d'OpenAI dans le domaine des sciences de la vie. GPT-Rosalind, introduit plus tôt cette année, est un modèle spécialisé dans la recherche en sciences de la vie qui combine le raisonnement biologique avec l'utilisation d'outils scientifiques, avec des applications documentées couvrant la génomique, l'analyse des protéines, la recherche ciblée, la chimie médicinale et la planification d'expériences. La société a également déployé un Rosalind Workbench pour les flux de travail scientifiques et un plugin Life Sciences Research dans le Codex, et a introduit en juin LifeSciBench, une évaluation qui, selon la société, mesure l'aide à la recherche plutôt que de prouver qu'un système peut valider indépendamment les découvertes ou remplacer la vérification expérimentale – une distinction qui se retrouve dans l'annonce actuelle.
Des mises en garde importantes demeurent. La comparaison de 32 minutes par an est une estimation illustrative construite à partir d’hypothèses – 15 minutes par perturbation génétique et 10 minutes par lecture d’article – plutôt qu’un équivalent mesuré. Ce travail est une preuve de concept : l’IA a fait apparaître des hypothèses que les humains peuvent tester, des découvertes non validées, et aucune des pistes n’a été confirmée expérimentalement. La comparaison de vitesse avec des analystes humains repose également sur les hypothèses temporelles illustratives de l'équipe plutôt que sur un essai face à face, et les évaluateurs experts ont noté les rapports des agents plutôt que de les comparer à une équipe de recherche humaine. La réplication indépendante des comparaisons de type benchmark n’a pas encore eu lieu.
Pourtant, la démonstration esquisse un futur flux de travail plausible pour la biologie : des ensembles de données publiques sans cesse réexploités par des essaims d’agents spécialisés, les scientifiques humains passant leur temps à tester et à affiner ce que les machines classent le plus. La tenue constante de ces classements en laboratoire déterminera si le raisonnement distribué par l’IA deviendra un équipement standard dans les sciences de la vie.
Remarque source : les détails de cet article sont tirés de l'annonce d'OpenAI du 21 octobre 2026 et de la couverture par R&D World, y compris la préimpression sous-jacente de bioRxiv (Sun et al., 2026).---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
