AlphaFold est un système d’intelligence artificielle conçu par DeepMind qui prédit la forme tridimensionnelle d’une protéine à partir de la séquence d’acides aminés qui la compose. Cette forme compte, car la fonction d’une protéine est presque entièrement déterminée par la manière dont elle se replie : obtenez la structure, et vous pouvez commencer à comprendre la fonction, puis, de là, la maladie. Pendant une cinquantaine d’années, établir ces formes a été un travail de laboratoire minutieux, qui pouvait prendre des mois, voire des années, pour une seule protéine.
En 2020, AlphaFold2 a atteint une précision qui rivalisait avec ces lentes méthodes physiques, et en quelques années le système avait prédit la structure d’environ deux cents millions de protéines — la quasi-totalité de celles que connaît la science. DeepMind a mis la base de données à disposition gratuitement. En 2024, ces travaux ont valu à Demis Hassabis et John Jumper une part du prix Nobel de chimie, aux côtés de David Baker pour le domaine voisin de la conception de protéines.
Ce qui rend AlphaFold important au-delà de la biologie, c’est ce qu’il a démontré sur l’IA elle-même. Un problème dont le domaine avait tacitement admis qu’il pourrait ne jamais céder entièrement n’a pas été usé peu à peu, mais en grande partie dissous, par une machine qui a appris la grammaire sous-jacente du repliement à partir d’exemples existants. C’est l’un des cas les plus nets d’un système d’IA apportant une véritable percée scientifique plutôt qu’une amélioration incrémentale — un fait conjugué au passé, non une promesse sur l’avenir.
Une limite, honnêtement, mérite d’être gardée en vue. Prédire une structure ne revient pas à comprendre tout ce que fait une protéine, comment elle bouge, ni comment transformer ce savoir en un médicament qui fonctionne. AlphaFold a comprimé une étape lente d’une longue chaîne. Il n’a pas fait s’effondrer la chaîne entière — mais comprimer ne serait-ce qu’une étape de cette ampleur a redessiné ce que le reste du domaine pouvait tenter.
