Des robots et des protéines : comment l’IA accélère la préparation aux pandémies

Une leçon de la crise du Covid-19

Quand le SARS-CoV-2 a frappé en 2020, les scientifiques disposaient d’un avantage précieux : des décennies de recherches sur les coronavirus. Cette connaissance des protéines clés du virus a permis de concevoir des vaccins en un temps record. Mais que se passera-t-il lors de la prochaine pandémie, si celle-ci émerge d’un virus inconnu, sans historique ?

C’est pour combler ce risque que NVIDIA, en partenariat avec Google DeepMind et d’autres institutions comme l’EMBL-EBI, a contribué à la création d’un jeu de données inédit. Il recense les structures 3D de protéines issues de plus de 2 800 virus, y compris ceux capables d’infecter l’humain. L’objectif ? Donner aux chercheurs un coup d’avance pour identifier rapidement des cibles thérapeutiques ou vaccinales.

Des protéines prédites en quelques minutes

Pour obtenir ces structures, les équipes ont utilisé AlphaFold2, un modèle d’IA développé par Google DeepMind. Ce logiciel prédit la forme 3D d’une protéine à partir de sa séquence d’acides aminés, un processus qui prend normalement des années en laboratoire. Grâce à l’accélération par GPU de NVIDIA, les prédictions ont pu être réalisées en masse, réduisant le temps de calcul de plusieurs mois à quelques minutes.

Résultat : 30 % des interactions protéiques prédites dans ce jeu de données n’avaient jamais été documentées auparavant. Autrement dit, ces structures pourraient révéler des mécanismes biologiques totalement nouveaux, ouvrant la voie à des découvertes inattendues.

Un outil pour tous, partout dans le monde

L’intégralité de ces données est accessible gratuitement via le AlphaFold Database Pandemic Preparedness Portal, développé en collaboration avec l’EMBL-EBI. Les chercheurs, où qu’ils se trouvent, peuvent ainsi explorer ces structures pour formuler des hypothèses sur le fonctionnement des virus ou tester des pistes de traitement.

NVIDIA a également mis à disposition le BioNeMo Structure Prediction Pipeline, un outil permettant aux équipes de générer leurs propres prédictions de structures protéiques. Une ressource précieuse pour les laboratoires sous-équipés ou ceux confrontés à des épidémies locales.

Un pas vers l’inconnu

Comme le souligne Joe Grove, virologue à l’Université de Glasgow, cette initiative vise à « stocker des connaissances avant qu’elles ne soient nécessaires ». Car face à une menace émergente, chaque heure compte. Les prédictions d’AlphaFold2 ne remplacent pas les expériences en laboratoire, mais elles offrent une boussole pour orienter les recherches dans la bonne direction.

Pour les scientifiques, c’est un peu comme disposer d’une carte détaillée d’un territoire inexploré : même si certains chemins mènent à des impasses, d’autres pourraient révéler des raccourcis vers des solutions.

Source : [blogs.nvidia.com](https://blogs.nvidia.com/blog/open-protein-dataset/), [thetechdata.com](https://thetechdata.com/how-open-science-can-help-researchers-prepare-for-future-pandemics/), [vff.ai](https://vff.ai/article/2026/09/24/how-open-science-can-help-researchers-prepare-for-the-next-pandemic)