Les protéines sont de minuscules machines qui font fonctionner notre corps, et celui de tous les êtres vivants. Chacune est une longue chaîne de maillons. Les scientifiques appellent ces maillons des « résidus ». Savoir comment ces chaînes ont changé au fil des âges aide à comprendre à quoi sert chaque morceau.
Le 18 novembre 2026, la revue Nature Methods a publié un article de réflexion signé Sudhir Kumar, Xinghua Shi et leurs collègues. Ce n'est pas une nouvelle expérience : les auteurs font le point sur un outil d'intelligence artificielle et expliquent ce qu'il apporte à la recherche.
Comment ça marche
Ces outils s'appellent des « modèles de fondation de protéines ». Selon les auteurs, on les entraîne sur des millions de séquences de protéines naturelles. À force d'en lire, ils repèrent que les maillons ne vivent pas chacun dans leur coin : un maillon dépend de ceux qui l'entourent. C'est un peu comme les mots d'une phrase, qui n'ont de sens qu'ensemble.
Jusqu'ici, on comparait surtout les différences entre protéines maillon par maillon, avec des tableaux de correspondance, des arbres de parenté ou des alignements de séquences. Les auteurs montrent que ces nouveaux modèles reflètent pourtant les mêmes schémas d'évolution, sans avoir besoin de tous ces ingrédients.
Ce que ça change
Premier point : une seule séquence peut suffire. Selon les auteurs, cela simplifierait de nombreuses analyses, y compris pour les protéines qui ont très peu de « cousines » connues. Pour ces cas-là, les méthodes classiques manquaient justement de matière.
Deuxième point : ces modèles aident à repérer quelles parties d'une protéine ne peuvent pas trop changer sans perdre leur rôle. Ils aident aussi à estimer si une modification peut être nocive, et à étudier les liens de parenté entre protéines. L'article présente par exemple une analyse de variations observées chez l'humain, avec un modèle de la famille ESM. Les auteurs comparent aussi le temps de calcul sur des ordinateurs ordinaires et sur des machines très puissantes.
Troisième point : le regard des chercheurs change. Ils passaient du temps à décrire les différences une par une. Ils pourront étudier comment les maillons dépendent les uns des autres. C'est le virage que décrivent les auteurs.
Pour toi, il n'y a rien à essayer à la maison : c'est un outil pour les laboratoires. Mais c'est une belle illustration de ce que l'IA peut apporter à la science du vivant.
Les limites, honnêtement
Les auteurs ne présentent pas ces modèles comme un remplaçant des méthodes classiques. Ils parlent de les compléter et de les associer. Ils discutent aussi eux-mêmes des limites, de la puissance de calcul nécessaire et des questions encore ouvertes avant un usage courant.
Une précision : l'article complet est réservé aux abonnés. Ce texte s'appuie sur le résumé et l'introduction publiés par Nature Methods. La source ne dit pas quand, ni si, cela arrivera dans la vie de tous les jours.