Pourquoi a-t-on besoin d'antibiotiques de forme nouvelle ?
Les bactéries deviennent peu à peu résistantes aux médicaments qui les tuaient. Les auteurs parlent d'une crise de la résistance aux antimicrobiens, qui oblige à trouver des antibiotiques de structure vraiment différente de ceux que l'on connaît.
Jusqu'ici, l'IA servait surtout à fouiller des bibliothèques de molécules existantes pour y trouver des candidats. Cela limite la nouveauté : on ne trouve que ce qui a déjà été fabriqué.
Qu'ont fait les chercheurs ?
Ils ont utilisé deux approches d'IA générative, c'est-à-dire des programmes qui inventent de nouvelles molécules au lieu de seulement trier celles qui existent. La première part de fragments chimiques : elle en a passé un très grand nombre au crible sur ordinateur, en visant la bactérie du gonocoque (Neisseria gonorrhoeae) ou le staphylocoque doré (Staphylococcus aureus), puis a agrandi les fragments les plus prometteurs.
La seconde invente des molécules sans contrainte de départ. Les deux utilisent des algorithmes génétiques et des auto-encodeurs variationnels (des méthodes qui font évoluer et recombinent des propositions, un peu comme la sélection naturelle).
Quels sont les résultats ?
Sur 24 molécules effectivement fabriquées en laboratoire, sept ont montré une activité antibactérienne sélective. Deux molécules de tête ont tué des bactéries multirésistantes (résistantes à plusieurs antibiotiques), par des mécanismes différents.
Chez la souris, elles ont réduit la quantité de bactéries dans un modèle d'infection vaginale à gonocoque et dans un modèle d'infection de la peau par un staphylocoque doré résistant à la méticilline. Les chercheurs ont aussi validé des molécules proches comme antibactériennes. Ils présentent leur méthode comme une plateforme pour explorer des régions encore inconnues de l'espace chimique, c'est-à-dire l'ensemble des molécules possibles que personne n'avait étudiées. Mais la plupart des molécules fabriquées n'ont pas montré cette activité sélective : les propositions de l'IA doivent toujours être vérifiées au laboratoire.
Les chiffres clés
- 24molécules conçues par IA puis fabriquées en laboratoire
- 7 sur 24ont montré une activité antibactérienne sélective
- 2molécules de tête ont réduit des infections chez la souris (gonocoque, staphylocoque doré résistant)
Qu'est-ce que cela change pour les patients ?
Pour l'instant, rien pour les patients : on parle de molécules de laboratoire, encore loin d'un médicament. Mais l'étude montre qu'une IA peut proposer des structures vraiment nouvelles, ce qui est précisément ce dont la recherche d'antibiotiques a besoin.
Si ces pistes se confirment, elles pourraient un jour enrichir l'arsenal contre des infections difficiles à traiter.
Quelles sont les limites ?
Les tests se sont limités à des bactéries en laboratoire et à deux modèles chez la souris. Rien ne dit encore que ces molécules seront sûres et efficaces chez l'humain.
Il faudra étudier leur toxicité, la façon dont le corps les traite, et passer par les essais cliniques, un parcours long où beaucoup de candidats échouent.
Antibiotiques de demain : et toi aujourd'hui, avec Mima
Ces molécules existent seulement en laboratoire : aucune n'est un médicament. L'étude donne de l'espoir pour l'avenir de la lutte contre les bactéries résistantes.
Si tu prends des antibiotiques, Mima peut garder tes ordonnances et noter tes symptômes au fil des jours, et t'expliquer les effets secondaires en mots simples. Une question à poser : « Dois-je finir toute la boîte, même si je vais mieux ? »
Questions fréquentes
Une IA peut-elle inventer un antibiotique ?
Dans cette étude, des IA génératives ont dessiné des molécules inédites, et sur 24 fabriquées, sept ont montré une activité antibactérienne sélective. Les tests se sont arrêtés à la souris.
Ces antibiotiques sont-ils disponibles ?
Non. Il s'agit de molécules de laboratoire, testées chez la souris. Elles devront passer par des essais cliniques avant tout usage.
Qu'est-ce qu'une IA générative ?
C'est un programme qui crée de nouveaux éléments (ici des molécules) au lieu de seulement classer ou trier des exemples existants.
Contre quelles bactéries ont-elles agi ?
Les deux molécules de tête ont réduit des infections chez la souris dues à Neisseria gonorrhoeae (gonocoque) et à Staphylococcus aureus résistant à la méticilline.
L'étude originale
Krishnan A, Anahtar MN, Valeri JA, Coley CW, Wong F, Collins JJ, et al. « A generative deep learning approach to de novo antibiotic design. » Cell, 14 août 2025. DOI : 10.1016/j.cell.2025.07.033
Lire l'étude complète dans CellCet article résume une étude scientifique et ne remplace pas un avis médical.