Deux professeurs du MIT ont remporté le Pritzker Prize 2026 pour l’excellence de la recherche scientifique en IA. Regina Barzilay et James Collins ont été récompensés pour des travaux qui se situent à l’intersection du machine learning et de l’un des problèmes les plus urgents de la médecine: la crise mondiale de la résistance aux antimicrobiens. Leurs recherches n’ont pas seulement produit de nouveaux médicaments. Elles ont démontré que le processus pour les trouver pouvait être fondamentalement accéléré.
La découverte qui a commencé avec 2 500 molécules
La collaboration entre Barzilay et Collins a produit son premier résultat majeur en 2020, dans un article publié par Cell avec le post-doctorant d’alors Jonathan Stokes comme premier auteur. Le sujet était la halicine, le premier antibiotique identifié grâce à l’intelligence artificielle. Le nom est un clin d’œil à HAL 9000, l’IA de fiction du film de Stanley Kubrick sorti en 1968, 2001: L’Odyssée de l’espace, un choix qui en dit long sur la façon dont les chercheurs percevaient le moment qu’ils vivaient.
La halicine n’a pas été conçue de zéro. Elle a été étudiée à l’origine comme un médicament potentiel contre le diabète. Un modèle de deep learning, entraîné sur 2 500 molécules, l’a identifiée comme un candidat digne d’intérêt. Lorsque l’équipe a effectué ces tests, la halicine s’est révélée efficace contre plusieurs bactéries résistantes aux antibiotiques, notamment Clostridium difficile, Acinetobacter baumannii et Mycobacterium tuberculosis. Ce ne sont pas des pathogènes obscurs. Ils font partie des organismes qui rendent les infections résistantes aux médicaments si dangereuses en milieu clinique.
La vitesse de la découverte est ce que la plupart des articles minimisent. Un processus qui aurait traditionnellement pris des années a été achevé en quelques semaines. Cette compression n’est pas une note de bas de page. C’est le cœur de ce qui rend cette approche significative.
La spécialisation l’emporte sur le spectre large: la logique derrière l’abaucine
Le deuxième résultat majeur est arrivé en 2023. Travaillant à nouveau avec Stokes, devenu professeur adjoint à l’Université McMaster, Barzilay et Collins ont utilisé le machine learning pour identifier l’abaucine. Contrairement à la halicine, l’abaucine est un antibiotique à spectre étroit: elle cible une seule espèce, A. baumannii, plutôt qu’un large éventail de bactéries.
Cette spécificité n’est pas une limitation. C’est un avantage de conception. Les antibiotiques à large spectre, bien que puissants, créent des conditions qui encouragent le développement de résistances et peuvent perturber les bonnes bactéries de l’intestin. Un médicament à spectre étroit qui agit précisément contre un organisme résistant réduit ces deux risques. A. baumannii est une cible particulièrement pertinente: on le trouve couramment sur les surfaces des hôpitaux et il a été signalé dans les blessures de soldats stationnés dans des zones de conflit.
Le passage de la halicine à l’abaucine illustre également la manière dont ce programme de recherche évolue. La première découverte a prouvé le concept. La seconde a commencé à l’affiner, en s’orientant vers des interventions plus ciblées plutôt que de simplement reproduire ce que font déjà les antibiotiques à large spectre.
Ce que cela implique au-delà du laboratoire
Le Pritzker Prize, créé en 2024 par l’Université de Chicago en partenariat avec Caltech, a été fondé spécifiquement pour récompenser les travaux qui font progresser ensemble l’IA et les sciences naturelles ou l’ingénierie. Ce cadre a son importance. Il reflète une prise de conscience croissante selon laquelle les applications les plus importantes de l’IA ne se limitent pas au secteur technologique. Elles se produisent en biologie, en chimie et en médecine, des domaines où les problèmes sont plus complexes et les enjeux plus élevés.
Collins a décrit le modèle historique de la découverte d’antibiotiques comme lent, coûteux et imprévisible, un processus d’essais et d’erreurs qui donne peu de candidats viables. Le changement qu’il met en avant consiste à passer de l’IA en tant qu’outil de découverte, qui analyse des molécules existantes à la recherche d’un potentiel caché, à l’IA en tant qu’outil de conception, capable de générer de nouveaux candidats plutôt que de se contenter d’évaluer ceux qui sont connus. Cette distinction compte pour la suite.
Barzilay propose une approche plus mesurée. Selon elle, le domaine en est encore à ses débuts. L’IA peut automatiser certaines parties du processus de découverte de médicaments, mais pas la totalité. Construire des modèles d’IA réalistes de la biologie humaine reste un problème ouvert et difficile. Ce n’est pas du pessimisme. C’est de la précision. La recherche a démontré une réelle capacité tout en restant honnête sur les lacunes qui subsistent.
Voici ce que cette combinaison d’ambition et de prudence indique réellement: le travail est crédible précisément parce qu’il ne formule pas de promesses exagérées. Les résultats sont réels et documentés. Les limites sont reconnues. Cette combinaison est plus rare qu’elle ne devrait l’être dans les discussions sur l’IA et la médecine.
En bref
Barzilay et Collins ont utilisé le deep learning pour identifier deux antibiotiques, la halicine en 2020 et l’abaucine en 2023, que les méthodes conventionnelles auraient mis des années à trouver. La vitesse, la spécificité et l’accent mis sur les pathogènes résistants aux médicaments rendent ce travail directement pertinent pour l’un des défis les plus graves de la médecine mondiale. Le Pritzker Prize 2026 récompense non seulement les résultats, mais aussi l’approche: utiliser l’IA pour renforcer la découverte scientifique dans un domaine où l’effort humain seul n’a pas suffi. Les chercheurs eux-mêmes affirment clairement qu’il s’agit d’un début, et non d’une solution. Construire les IA models qui pourraient véritablement transformer la découverte de médicaments reste le travail à accomplir.
D’après un reportage de MIT News.
Lire l’étude originale.