Cette IA pourrait accélérer la découverte de médicaments grâce à des molécules jamais vues !

Depuis des décennies, découvrir une nouvelle molécule relève souvent d'un travail long, coûteux et basé sur des essais successifs. Des chercheurs espagnols viennent de franchir une étape importante avec une intelligence artificielle capable d'imaginer des millions de molécules inédites tout en respectant les lois fondamentales de la chimie. À terme, cette technologie, baptisée CoCoGraph, pourrait accélérer la découverte de nouveaux médicaments, mais aussi la mise au point de matériaux plus performants ou plus durables.

Une IA capable d’imaginer des molécules plausibles

Les travaux, publiés dans la revue Nature Machine Intelligence, ont été menés par une équipe de l'Université Rovira i Virgili en Espagne. Leur système repose sur une approche similaire aux IA génératives capables de produire du texte ou des images, telles que ChatGPT ou Dall-E. « Ces modèles créent du contenu nouveau qui ressemble beaucoup à la réalité. Notre algorithme fait la même chose, mais avec des molécules », explique Roger Guimerà, professeur de recherche ICREA au département de génie chimique de l'URV.

Le défi est immense. Les scientifiques estiment qu'il pourrait exister jusqu'à 10⁶⁰ molécules différentes possibles, soit un nombre astronomique. Pourtant, seule une infime partie de cet « univers chimique » a été explorée jusqu'ici. Trouver une molécule utile revient donc à chercher une aiguille dans une botte de foin.

Pour contourner ce problème, CoCoGraph utilise un modèle de diffusion : l'IA « désassemble » progressivement une molécule réelle avant d'apprendre à la reconstruire en générant de nouvelles structures plausibles.

Quand les chimistes peinent à distinguer le vrai du faux

L'une des principales forces du système est qu'il intègre directement les contraintes chimiques fondamentales. Résultat : chaque molécule produite reste chimiquement valide, là où d'autres modèles génèrent parfois des structures impossibles.

Selon les chercheurs, CoCoGraph utilise également moins de paramètres que certains modèles concurrents et nécessite moins de puissance de calcul. L'équipe a comparé son IA à d'autres outils de pointe en analysant 36 propriétés physico-chimiques différentes, comme la solubilité ou la complexité structurelle. Pour près des deux tiers de ces critères, les molécules générées étaient jugées plus réalistes que celles issues d'autres systèmes.

Les chercheurs ont même organisé une sorte de test auprès de 121 chimistes. Chaque participant devait distinguer une vraie molécule d'une molécule créée par l'IA. Résultat : les experts se sont trompés dans environ 40 % des cas. « Cela signifie que nombre des molécules que nous générons sont très convaincantes », souligne Marta Sales-Pardo.

La chimie devient un nouveau terrain de jeu pour l’IA

Depuis quelques années, les modèles génératifs appliqués à la chimie se multiplient.

Par exemple, une étude publiée en 2024 dans la revue Nature Machine Intelligence a présenté DiffLinker, une intelligence artificielle capable de relier différents fragments moléculaires pour générer de nouvelles structures chimiques plausibles.

Une revue publiée en 2024 dans le Journal of Chemical Information and Modeling souligne l'essor rapide des modèles de diffusion appliqués à la chimie. Les auteurs expliquent que ces systèmes sont désormais capables de générer des structures moléculaires inédites tout en respectant certaines contraintes chimiques.

« Pour le moment, nous ne faisons que générer des molécules. La prochaine étape consistera à appliquer des objectifs spécifiques à ce processus », explique Manuel Ruiz-Botella.

À terme, cette technologie pourrait accélérer la découverte de nouveaux médicaments, faciliter le développement de matériaux innovants et aider les chercheurs à explorer une partie encore largement inconnue de l'univers chimique.