Le 29 septembre 2026, Microsoft Research a officiellement dévoilé Quine, un système de recherche en IA pour la biologie, sur son blog officiel, et lancé en parallèle le programme Quine Fellows, ouvert aux candidatures des scientifiques travaillant à la pointe de la biologie et de la médecine. C'est la première fois que Microsoft transpose pleinement le concept de « modèle du monde » à la biologie : non pas un énième modèle ponctuel prédisant des structures de protéines, mais un système de recherche conçu pour raisonner conjointement sur la génomique, les protéines, la chimie, l'état cellulaire et la bio-imagerie, à plusieurs échelles.
Quine comporte deux composantes. La première est un modèle du monde de la biologie : entraîné conjointement sur des données biologiques multimodales, il apprend des représentations partagées à travers les échelles, de sorte que les preuves issues d'une modalité étayent directement les prédictions d'une autre — par exemple pour raisonner du génotype au phénotype sans confier gènes, protéines et cellules à des modèles experts isolés, recousus ensuite par une couche d'orchestration. L'argument de Microsoft : cet apprentissage conjoint à travers les échelles capture au contraire la structure hiérarchique de la biologie elle-même, et améliore ainsi la généralisation. La seconde est un harnais interactif reliant le modèle du monde aux modèles d'orchestration et de raisonnement, aux outils scientifiques, à la littérature, aux laboratoires humides et aux scientifiques qui l'utilisent. La question d'un scientifique devient des propositions computationnelles, puis des designs dignes d'être testés ; les mesures du laboratoire humide reviennent au scientifique et deviennent le signal d'entraînement de la prochaine génération du système. Le scientifique reste dans la boucle ; le calcul et l'expérience forment un cycle en accélération continue.
La partie la plus convaincante de l'annonce est un cas réel. Microsoft collabore depuis des années avec le Broad Institute du MIT et de Harvard sur l'hypothèse de l'état cellulaire dans l'adénocarcinome canalaire du pancréas (PDAC, le cancer du pancréas le plus fréquent) : le comportement tumoral et la réponse aux médicaments dépendent non seulement de la génétique, mais aussi de l'état cellulaire transcriptionnel. Avec Quine, des milliers de composés ont été classés selon leur capacité prédite à faire basculer les cellules tumorales vers des états thérapeutiquement pertinents ; les expériences en laboratoire humide ont confirmé que les composés les mieux classés produisaient les plus grands changements attendus sur plusieurs tests. L'ensemble du processus — du rétrécissement rapide de l'espace de recherche des composés à la validation d'une poignée de candidats au laboratoire — n'a pris qu'un seul week-end, économisant potentiellement des mois de travail expérimental et des coûts de recherche considérables. Plus intéressant encore : une découverte inattendue. Quine avait prédit que plusieurs composés pousseraient les cellules vers un troisième phénotype distinct, au-delà de l'axe classique-basal — et les expériences l'ont confirmé. Ces essais n'ont pas seulement testé les hypothèses du modèle : ils en ont généré de nouvelles.
Microsoft a tracé des limites claires dans son annonce. Quine est pour l'instant une technologie de recherche expérimentale, réservée à la recherche, excluant tout usage clinique ou médical ; ses sorties peuvent être incomplètes ou inexactes et exigent l'examen de chercheurs qualifiés ainsi qu'une validation scientifique appropriée. L'accès suit une approche par phases : d'abord limité au programme Quine Fellows et à des collaborations de recherche sélectionnées, puis élargi via des produits comme Microsoft Discovery à mesure que la technologie mûrit. Cette prudence a une raison bien réelle : la biologie a des cycles d'itération longs et des coûts d'erreur élevés ; brancher un système « apparemment intelligent » directement sur la clinique serait un désastre.
L'IA scientifique passe des classements à la découverte en boucle fermée
Ce qui mérite vraiment l'attention ici, ce n'est pas un nouveau score de référence, mais la direction sur laquelle Microsoft parie. Ces dernières années, le récit de l'IA pour la science tournait autour de la « conquête de tâches isolées » : structure des protéines, criblage de matériaux, questions-réponses sur la littérature. Quine parie sur une autre thèse — le goulot d'étranglement du progrès scientifique n'est pas la précision d'une prédiction isolée, mais la vitesse à laquelle tourne la boucle « poser une question, concevoir une expérience, valider, reposer une question ». La valeur d'un modèle du monde n'est pas de répliquer parfaitement la biologie (Microsoft lui-même admet que c'est impossible), mais de pouvoir compresser l'espace de recherche jusqu'à ce qui mérite d'être validé avant de brûler de coûteuses ressources de laboratoire.
Pour la R&D biopharmaceutique, ce signal est concret. Le principal poste de coût de la découverte de médicaments n'a jamais été la puissance de calcul, mais les essais et erreurs du laboratoire humide. Si le cas PDAC — des mois de travail remplacés par un week-end — peut être reproduit sur d'autres indications, la structure de coûts du criblage précoce change directement. Ouvrir le programme Fellows à ce stade, c'est pour Microsoft reconnaître un jugement : la direction d'évolution d'un modèle du monde biologique doit être décidée par les scientifiques de laboratoire eux-mêmes — le système doit grandir dans la pratique scientifique réelle, pas dans les classements.
