Le 24 septembre 2026, NVIDIA a annoncé sur son blog officiel la mise en accès libre des structures 3D prédites des complexes protéiques de plus de 2 800 virus, en collaboration avec Google DeepMind, l'Institut européen de bioinformatique (EMBL-EBI) du Laboratoire européen de biologie moléculaire et d'autres organismes de recherche mondiaux. Les scientifiques du monde entier peuvent accéder gratuitement à ces données via la base AlphaFold. Le calendrier était calculé : il coïncide avec les réunions sur la préparation aux pandémies tenues à New York pendant la semaine de l'Assemblée générale des Nations unies, convoquées avec le Forum économique mondial.
Ces structures ont été prédites avec AlphaFold2 — le modèle d'IA de Google DeepMind qui prédit la manière dont les protéines se replient en formes 3D — encore optimisé avec le runtime d'inférence NVIDIA BioNeMo, de sorte que des milliers de protéomes viraux ont pu être inférés en masse sur GPU. L'équipe a systématiquement passé en revue les familles virales connues pour infecter l'humain, des virus du rhume aux menaces émergentes comme la variole simienne (Mpox). Ce qui a été prédit, ce ne sont pas des protéines isolées, mais des complexes protéiques : les « structures d'équipe » de plusieurs protéines travaillant ensemble — précisément les cibles que vaccins et médicaments doivent viser.
Au-delà du volume, c'est la « nouveauté » qui mérite l'attention. Environ 30 % des interactions protéiques sont documentées pour la première fois par la science, sans entrée correspondante dans la PDB, le principal répertoire des structures déterminées expérimentalement. Chris Dallago, responsable de l'équipe de recherche appliquée en biologie numérique chez NVIDIA, a décrit la base comme un « moteur de génération d'hypothèses » : elle permet aux biologistes et aux chercheurs en IA d'étudier non plus des molécules isolées mais des réseaux d'interactions entiers, faisant avancer tout le domaine.
Ce ne sont pas seulement les données qui sont ouvertes. NVIDIA a également publié en open source sur GitHub le pipeline de prédiction de structures BioNeMo utilisé pour générer le jeu de données — les chercheurs peuvent exécuter le flux complet, de la séquence protéique à la structure prédite, sur leurs propres cibles. Jo McEntyre, directrice par intérim de l'EMBL-EBI, a souligné que le jeu de données couvre de nombreux virus peu étudiés et abaisse la barrière pour les scientifiques de première ligne dans les régions à faibles ressources — ceux qui affrontent les épidémies en premier sont souvent ceux qui manquent le plus de données.
Pourquoi cela mérite-t-il un regard sérieux ? La leçon de la COVID-19 a été la suivante : des décennies de connaissances accumulées sur les protéines des coronavirus ont permis au développement vaccinal d'avancer à une vitesse record. Mais la prochaine pandémie pourrait bien ne pas « suivre le scénario ». Joe Grove, professeur de virologie moléculaire à l'université de Glasgow et collaborateur du projet, l'a dit sans détour : ce que nous essayons de faire, c'est stocker ces connaissances à l'avance. Une analyse du Center for Global Development estime à environ 50 % la probabilité que le monde affronte d'ici 2050 une pandémie aussi grave que la COVID-19.
À rebours de la course aux modèles fermés dans le monde de l’IA, NVIDIA joue ici la carte de la « science ouverte comme force productive » : pas de vente d’API, pas d’écosystème verrouillé — des données et des chaînes d’outils mises à plat pour que les laboratoires du monde entier partent de la même ligne. Le geste n’est pas non plus de la pure philanthropie : plus l’écosystème BioNeMo prospère, plus la position des GPU dans les sciences de la vie se consolide. Cela ne se transformera pas directement en nouveau médicament, mais cela peut déterminer la quantité de « fiches de révision » dont l’humanité disposera à la prochaine flambée. Dans le récit de l’IA pour la science, c’est un progrès tangible et rare : téléchargeable aujourd’hui, utilisable demain.
