L'intelligence artificielle vient de franchir le seuil du génome entier. Ce que cela révèle sur les failles réglementaires actuelles est plus inquiétant que les virus eux-mêmes.
Le 6 août 2026, une équipe de Stanford et de l'Arc Institute a publié dans la revue Science la première démonstration au monde de virus fonctionnels entièrement conçus par un modèle de langage génomique. Seize bactériophages, nés d'un algorithme, ont infecté et détruit des bactéries que leur modèle naturel était incapable d'éliminer. Aucun de ces virus ne menace l'être humain. Ce qui menace, en revanche, c'est ce que leur existence rend désormais imaginable - et ce que la loi est structurellement incapable de détecter.
La boîte de Pétri ne ressemble à rien d'extraordinaire. Un disque de plastique transparent, un gel translucide, quelques colonies bactériennes alignées sous une hotte à flux laminaire. Mais ce que les chercheurs observent ce jeudi 6 août 2026 dans un laboratoire du Stanford Research Park de Palo Alto n'est pas ordinaire : les seize taches sombres qui se creusent dans la culture d'*Escherichia coli* signalent la mort de bactéries tuées par des virus que personne, jamais, n'avait vus. Pas dans les fossiles, pas dans les bases de données, pas dans trois milliards d'années d'évolution. Un algorithme les a écrits.
L'équipe de Stanford et de l'Arc Institute a publié ses résultats ce même jour dans la revue *Science*, établissant la première démonstration au monde, validée par les pairs, d'une intelligence artificielle capable de concevoir des génomes viraux entiers et fonctionnels. Ce n'est pas un exploit de papier. Les génomes produits, une fois synthétisés et introduits dans des bactéries en boîte de laboratoire, ont donné naissance à des bactériophages pleinement opérationnels, capables d'infecter et de tuer *Escherichia coli*.
Ce que la machine a réellement écrit
L'entraînement d'Evo s'est déroulé en deux temps : une première phase sur environ neuf mille milliards de nucléotides couvrant tous les règnes du vivant, puis une spécialisation ciblée sur les onze gènes du bactériophage ΦX174 et quelque 15 000 de ses proches parents. La version 2 du modèle lit et écrit jusqu'à un million de paires de bases d'affilée.
Les grandes quantités de données d'entraînement permettent au modèle de comprendre quelles séquences ont été conservées par l'évolution, orientant la conception vers des génomes biologiquement viables. Car parmi les combinaisons presque infinies de nucléotides possibles, seule une fraction infime s'intègre dans le monde biologique.
Sur 700 000 génomes viraux proposés par le modèle, 285 ont été synthétisés chimiquement et introduits en laboratoire. Seize ont produit des virus capables de se répliquer et de tuer des bactéries. Ce taux de réussite d'environ 5 % parmi les candidats filtrés démontre que l'IA ne produit pas encore des génomes viables à la demande avec fiabilité - mais elle en produit. C'est précisément là que réside le basculement.
Seize tueurs qui surpassent leur modèle naturel
Ici commence ce que les images de microscope ne montrent pas. Un cocktail constitué des bactériophages générés a rapidement surmonté la résistance de souches bactériennes qui avaient évolué pour résister au bactériophage naturel. Autrement dit, là où la nature avait atteint sa limite, l'algorithme a trouvé un chemin.
Brian Hie, le chef de l'équipe, résume l'enjeu thérapeutique en une phrase : si la bactérie développe une résistance à un phage unique, c'est la fin du traitement. Mais face à un mélange de seize phages génétiquement distincts, il lui est beaucoup plus difficile de construire une résistance au cocktail entier.
C'est ce cap précis qui intéresse les chercheurs qui travaillent sur l'antibiorésistance. La recherche marque la première fois qu'un génome entier a été conçu avec succès par une intelligence artificielle, ouvrant la perspective de traitements nouveaux contre les infections que les antibiotiques ne parviennent plus à contrôler.
Ce que la machine voit, ce que les douanières de l'ADN ne voient pas Là où l'article de *Science* devient un document politique autant que scientifique, c'est dans la perspective qu'il ouvre. Pas celle de ces seize virus-là. Celle du suivant.
Deux spécialistes en biosécurité du Johns Hopkins Center for Health Security, Thomas Inglesby et Moritz Hanke, ont publié un avertissement simultané : les entreprises qui impriment de l'ADN synthétique sur commande n'effectuent leurs vérifications que de façon volontaire, sans obligation légale, et les outils capables de détecter des séquences inédites générées par intelligence artificielle n'existent pas sous forme déployée.
Hanke a formulé le risque central ainsi, rapporte le New York Times : « Vous pourriez demander à un modèle de langage génomique de créer un génome de grippe modifié pour être plus transmissible ou plus mortel. » Ce n'est pas une description de ce qui s'est passé. C'est la description de ce qui reste, à ce jour, sans garde-fou légal.
La législation américaine en cours d'élaboration, le Biosecurity Modernization and Innovation Act S.3741, repose essentiellement sur un criblage par similarité de séquences - la même architecture déjà aveugle aux séquences nouvelles générées par l'IA. Inglesby et Hanke ont demandé qu'il soit rendu illégal d'appliquer ces techniques génératives à des pathogènes capables d'infecter l'être humain, les animaux ou les cultures agricoles. Le Congrès s'oriente vers une réponse, mais avec des limites que les critiques ont déjà identifiées.
La position de Johns Hopkins - que personne ne devrait tenter l'opération sur des pathogènes capables d'infecter les humains, le bétail ou les cultures - est une norme, pas une règle, et elle ne tient que tant que tous les laboratoires y adhèrent.
Le scénario que personne ne veut construire, mais que tous les experts construisent Ce qui suit n'est pas une prédiction. C'est le type d'exercice que les grandes organisations sanitaires mondiales pratiquent précisément pour ne pas avoir à l'improviser le moment venu.
En avril 2026 déjà, l'OMS avait conduit l'exercice Polaris II, une simulation impliquant 26 pays et territoires et plus de 600 experts en santé publique, basée sur l'apparition fictive d'une bactérie inconnue se propageant à l'échelle internationale. L'exercice avait mis en évidence un déficit de coordination entre États dans les premières quarante-huit heures de détection. Avec un pathogène inédit, ces quarante-huit heures valent des semaines.
Imaginez, maintenant, non plus une bactérie, mais un virus respiratoire entièrement nouveau, sorti d'un modèle génomique entraîné sans les garde-fous qu'a appliqués l'équipe de Stanford. Sa séquence ne ressemble à rien de répertorié. Le premier patient ressemble à une pneumonie atypique sévère. Il y en a trois autres dans le même service des urgences avant que quiconque ne formule la question.
Les soignants ne portent pas encore de protection renforcée. Ils rentrent chez eux après leur garde. Dans les simulations pandémiques établies, la maladie débute dans un foyer localisé, puis se propage plus vite dans les établissements de santé avant d'exploser quand elle atteint des quartiers denses, pour être ensuite exportée par voie aérienne vers d'autres continents.
Ce n'est pas de la fiction : c'est le schéma documenté des trois fuites de laboratoire liées au SRAS, survenues entre 2003 et 2004 à Singapour, Taïwan et Pékin, recensées par l'OMS. À Pékin, un chercheur avait pris l'avion pour une conférence internationale alors qu'il était déjà contagieux. La mobilité humaine ordinaire avait failli transformer un incident local en catastrophe régionale. L'OMS avait pu intervenir parce que le SRAS avait un nom, un test et un protocole. Un pathogène inédit n'aurait aucun de ces trois avantages.
Le dernier rapport du Global Preparedness Monitoring Board de l'OMS avant la pandémie de Covid évoquait déjà « la menace très réelle d'un pathogène respiratoire hautement mortel et se diffusant très rapidement qui pourrait tuer 50 à 80 millions de personnes ». Ce rapport date d'avant que les modèles génomiques sachent écrire un virus entier en quelques heures.
Ce que Stanford a changé, et ce qui reste encore intact
Il faut ici distinguer ce qui relève du fait et ce qui relève de l'interprétation.
Les chercheurs ont rendu Evo 2 librement accessible, et ils font valoir l'importance de disposer d'outils comme celui-ci pour faire face aux pathogènes naturels existants, ainsi que la possibilité d'intégrer des garde-fous directement dans les outils d'IA - ce qui n'arrive jamais quand les pathogènes évoluent naturellement. L'argument mérite d'être entendu : l'outil construit par Stanford est transparent, documenté, soumis à la revue par les pairs. Ce qui vient ensuite ne le sera pas nécessairement.
Tom Ellis, professeur d'ingénierie génomique synthétique à l'Imperial College de Londres, a rappelé aux journalistes d'Al Jazeera que le génome de ΦX174 compte 5 386 paires de bases. Celui du SARS-CoV-2 en compte environ 30 000, soit six fois plus. La complexité ne progresse pas linéairement. Concevoir un virus grippal modifié est un problème d'un autre ordre de grandeur que produire un bactériophage minuscule.
Mais la question posée par l'étude du 6 août 2026 n'est pas de savoir si c'est possible aujourd'hui. Elle est de savoir à quelle vitesse le seuil de complexité accessible à ces modèles progressera - et si la réglementation mondiale progressera à la même vitesse ou avec dix ans de retard, comme elle l'a fait pour à peu près toutes les technologies transformatrices qui l'ont précédée.
Seize colonies bactériennes mortes d'une mort que la nature n'avait pas programmée. Ce n'est pas le danger. Le danger, c'est que leur existence rend désormais la question légitime - et que personne, en droit international comme en droit national, n'a encore trouvé comment y répondre sans attendre l'événement qui la rendra urgente.
« Vous pourriez demander à un modèle de langage génomique de créer un génome de grippe modifié pour être plus transmissible ou plus mortel. »
Dr Moritz Hanke, Johns Hopkins Center for Health Security, cité par le New York Times, 6 août 2026
CE QUE LES CHIFFRES REVELENT
700 000 génomes viraux proposés par Evo 2, 285 synthétisés chimiquement, 16 fonctionnels - soit un taux de réussite d'environ 5 % parmi les candidats filtrés.
Le génome de ΦX174 compte 5 386 paires de bases. Celui du SARS-CoV-2 en compte environ 30 000, soit six fois plus - une complexité qui demeure, pour l'heure, hors de portée des modèles actuels.
Evo 2 a été entraîné sur environ 8 800 milliards d'unités de texte génétique couvrant tous les domaines du vivant.
Aucune loi américaine n'impose actuellement aux fournisseurs de synthèse d'ADN de vérifier les séquences nouvelles générées par intelligence artificielle. Le projet de loi S.3741, encore non voté au 7 août 2026, repose sur un criblage par similarité de séquences - aveugle, par construction, aux séquences inédites.
Sam Altman, Dario Amodei et Demis Hassabis ont signé le 4 juin 2026 une lettre ouverte au Congrès américain demandant l'instauration d'un criblage obligatoire des commandes d'ADN et d'ARN synthétiques.
