OpenAI détaille une expérience d'envergure : confier la lecture de données biologiques à une multitude d'agents d'IA. Avec la jeune pousse PerturbAI et Scripps Research, l'entreprise a déployé des milliers d'agents animés par GPT-Rosalind, son modèle dédié aux sciences du vivant, sur un atlas CRISPR existant issu de millions de cellules cérébrales de souris. D'après son billet du 21 octobre 2026, l'analyse complète a pris 32 minutes. Les auteurs estiment qu'un travail humain mené perturbation par perturbation aurait demandé de plusieurs mois à un an.
Ce jeu de données montre comment réagissent les différents types de cellules du cerveau lorsqu'un gène est désactivé. OpenAI baptise sa méthode raisonnement biologique distribué : chaque agent prend en charge une seule perturbation, examine la réponse cellulaire, fouille la littérature et propose des explications. Les rapports sont ensuite fusionnés dans un atlas de raisonnement reliant gènes, effets cellulaires, publications et mécanismes envisageables, que les chercheurs peuvent, selon l'entreprise, consulter librement.
Deux résultats sont mis en avant. Le premier porte sur Tsc1 et Tsc2, deux gènes qui pilotent ensemble mTOR, régulateur clé de la croissance et du métabolisme cellulaires. Leur désactivation produit des effets proches dans plusieurs populations de neurones, mais dans le cervelet seule celle de Tsc2 modifie des dizaines de gènes liés à la communication neuronale. OpenAI rappelle que, dans la sclérose tubéreuse, les anomalies du cervelet sont fortement associées aux mutations de TSC2, ce qui en fait une piste à creuser. Le second concerne DCTN1, muté dans le syndrome de Perry, une maladie proche de Parkinson : sa désactivation accroît l'expression de gènes de synthèse du cholestérol, ce que les agents rapprochent de travaux sur un transport défaillant de cette molécule, avec une voie possible vers la neurodégénérescence.
OpenAI a aussi vérifié l'intérêt du découpage. À modèle et budget de calcul constants, un agent unique traitant tout le jeu de données a été comparé à de nombreux agents travaillant en parallèle. Plus la charge augmentait, moins l'agent isolé consultait de littérature : 11 références au niveau le plus élevé, contre plus de 700 pour l'approche distribuée. Lors de comparaisons à l'aveugle, des experts ont préféré les rapports distribués dans 75 % des cas, et l'entreprise affirme que les agents ont retrouvé des résultats d'analyses humaines antérieures.
Le billet cite des scientifiques extérieurs plutôt enthousiastes. Sarah Teichmann, cofondatrice du Human Cell Atlas, estime que l'IA peut aider davantage d'équipes à exploiter les atlas cellulaires partagés, et Tomasz Nowakowski, de l'UCSF, voit dans le lien avec le cholestérol une nouvelle manière d'aborder la biologie de la maladie. Aucun des deux n'est présenté comme auteur de l'évaluation.
Pour les laboratoires, l'intérêt tient à la couverture plus qu'à la certitude. Les grands cribles génétiques produisent bien plus de signaux qu'on ne peut en suivre, et des agents en parallèle peuvent faire remonter des effets ténus ou inattendus. Ces travaux prolongent par ailleurs l'offensive d'OpenAI dans les sciences du vivant, marquée cette semaine par le rachat d'Orchestra Bio pour sa gamme Rosalind.
Les réserves sont importantes. Les résultats proviennent d'un billet d'OpenAI et non d'un article évalué par des pairs, et les chiffres sur la préférence des experts comme sur la durée d'exécution n'ont pas été reproduits de manière indépendante. Chaque piste reste une hypothèse : aucun mécanisme proposé n'a encore été vérifié en laboratoire, et les données concernent la souris, pas l'humain.