L'IA peut désormais concevoir et exécuter des milliers d'expériences sans mains humaines. Nous ne sommes pas prêts pour le risque pour la biosécurité.

Il y a encore dix ans, la biologie avançait à la vitesse de ses scientifiques : une hypothèse, une expérience, un résultat, des semaines d'attente, un article. Les meilleurs laboratoires du monde abattaient peut-être quelques centaines d'expériences par an sur un sujet donné, au prix d'un travail de précision exigeant des années de formation. Aujourd'hui, une intelligence artificielle peut en concevoir et exécuter 36 000 en six mois, sans jamais toucher un tube à essai.

Ce n'est pas de la science-fiction. C'est ce qu'OpenAI et Ginkgo Bioworks ont officiellement annoncé le 5 février 2026. Et ce saut technologique, aussi impressionnant soit-il, ouvre un gouffre que les systèmes réglementaires existants n'ont pas été conçus pour combler.

Dans le laboratoire cloud de Ginkgo Bioworks à Boston, des robots exécutent physiquement les expériences conçues à distance par GPT-5 depuis San Francisco — une architecture entièrement fermée, sans intervention humaine entre la conception et les résultats.

36 000 expériences. Six mois. Zéro main humaine.

Pour comprendre ce que représente cette annonce, il faut d'abord en saisir le détail technique.

OpenAI et Ginkgo Bioworks ont connecté le modèle GPT-5 — le modèle de raisonnement le plus avancé d'OpenAI — à un laboratoire cloud robotisé, une installation dans laquelle des équipements automatisés exécutent des expériences à distance, pilotés par des logiciels. Le système fonctionne en boucle fermée : l'IA propose des conceptions d'expériences, les robots les réalisent physiquement, les données remontent vers le modèle, et le cycle recommence.

L'objectif fixé par les chercheurs humains était d'optimiser la synthèse de protéines acellulaires (CFPS, cell-free protein synthesis) — un processus qui permet de produire des protéines sans avoir à cultiver de cellules vivantes. C'est une méthode qui joue un rôle de plus en plus important dans le développement de médicaments, les diagnostics médicaux et la recherche fondamentale. En particulier, GPT-5 cherchait à produire la superfolder green fluorescent protein (sfGFP), une protéine standard utilisée comme référence dans le domaine.

La méthode de travail : GPT-5, opérant depuis le siège d'OpenAI à San Francisco, concevait des lots d'expériences et les envoyait à travers le pays jusqu'aux systèmes robotisés de Ginkgo Bioworks à Boston. Les robots — des chariots d'automatisation reconfigurables (RAC) pilotés par le logiciel Catalyst de Ginkgo — prenaient en charge la manipulation de liquides, les incubations, les mesures de fluorescence. Les données remontaient vers GPT-5 pour le prochain cycle. Un cycle complet prenait environ une heure.

Le bilan après six itérations : une réduction de 40 % du coût de production de la protéine par rapport à l'état de l'art mondial antérieur, et une amélioration de 57 % du coût spécifique des réactifs. Le coût final atteint était de 422 dollars par gramme de sfGFP. Et surtout, le système avait identifié des compositions de réactions que les chercheurs humains n'avaient jamais testées — des solutions originales, non-intuitives, que des années de travail humain n'avaient pas produites.

Reshma Shetty, cofondatrice de Ginkgo Bioworks, a résumé la logique : « En associant un grand modèle de langage de pointe à un laboratoire autonome, nous avons trouvé des compositions réactionnelles notablement moins chères que les précédents records. »

---

La biologie programmable : de l'observation à la fabrication

Pour mesurer ce que cela signifie vraiment, il faut comprendre le basculement de paradigme que cette technologie représente.

Pendant des décennies, la biologie a progressé dans un seul sens : de l'observation vers la compréhension. On observait la nature, on en déduisait des mécanismes, on construisait des modèles. La phase expérimentale servait à tester des hypothèses, à valider ou infirmer des théories.

Ce que l'IA combinée aux laboratoires robotisés introduit, c'est un mouvement inverse : de la compréhension vers la conception, puis vers la fabrication. On ne part plus d'une observation du monde naturel. On part d'un objectif — produire une protéine donnée à moindre coût, concevoir un médicament avec telle efficacité, modifier un organisme pour obtenir telle propriété — et on laisse le système explorer l'espace des possibles par itération. C'est ce que l'on appelle la biologie programmable : concevoir des composants biologiques sur un ordinateur et les construire dans le monde physique, l'IA fermant la boucle entre les deux.

C'est une révolution de même nature que celle qui a transformé l'ingénierie logicielle dans les années 1990 : quand il est devenu possible de tester des millions de configurations de code en quelques secondes, le développement logiciel a explosé en productivité et en puissance. La biologie est en train de vivre sa propre version de cette révolution — avec une différence fondamentale : le code biologique peut se répliquer, muter, et s'échapper.

La biologie programmable fonctionne comme un cycle d'ingénierie : concevoir une séquence sur ordinateur, la synthétiser, la tester, analyser les résultats, recommencer. L'IA accélère chaque étape de cette boucle, en particulier la conception et l'analyse.

L'accès s'ouvre — à tous

La démonstration OpenAI-Ginkgo n'est pas un prototype de laboratoire d'élite. Un mois après l'annonce, le 2 mars 2026, Ginkgo Bioworks a lancé son Ginkgo Cloud Lab en accès commercial — permettant à n'importe quel chercheur, n'importe où dans le monde, de soumettre des expériences à des systèmes de laboratoire autonomes à partir de 39 dollars par exécution.

En parallèle, le Département américain de l'Énergie finance la construction d'un laboratoire autonome de 97 robots au Pacific Northwest National Laboratory, dans l'État de Washington.

Ce mouvement de démocratisation est précisément ce qui rend la situation aussi prometteuse que préoccupante. Hier, accéder à un laboratoire de biologie de pointe exigeait une université, un financement de plusieurs millions de dollars, une équipe d'ingénieurs, et des années de formation pour les chercheurs. Aujourd'hui, il suffit d'un ordinateur, d'une connexion internet, d'un compte sur une plateforme cloud, et d'une carte de crédit.

Le verrou traditionnel qui protégeait l'humanité des usages les plus dangereux de la biologie n'était pas seulement réglementaire. Il était pratique : faire de la biologie avancée était difficile, coûteux, lent, et nécessitait un savoir-faire rare. L'IA et les laboratoires robotisés sont en train de supprimer ces frictions l'une après l'autre.

---

Le risque dual : quand la même technologie soigne et menace

La grande ambiguïté de la biologie programmable est qu'elle est, par nature, à double usage. Le même système qui optimise la production d'une protéine thérapeutique peut théoriquement être dirigé vers l'optimisation d'un agent pathogène. Le même algorithme qui cherche à réduire le coût d'un vaccin peut chercher à augmenter la transmissibilité d'un virus.

Ce n'est pas une spéculation. C'est la réalité inhérente à la biologie synthétique, et elle est documentée depuis au moins deux décennies. Ce qui change aujourd'hui, c'est l'échelle, la vitesse, et surtout l'accessibilité.

Deux études récentes, avec des conclusions partiellement contradictoires, éclairent la réalité de ce risque.

Les laboratoires de niveau de biosécurité 4 (BSL-4) sont conçus pour contenir les agents pathogènes les plus dangereux au monde. Mais l'essor des laboratoires cloud autonomes soulève une question nouvelle : qui contrôle ce qui y entre — et ce qui en sort — quand l'humain n'est plus dans la boucle ?

Étude 1 — Scale AI et SecureBio : les novices surpassent parfois les experts

Une étude menée conjointement par Scale AI et l'organisation à but non lucratif SecureBio a évalué ce qui se passe lorsque des personnes sans formation approfondie en biologie se voient donner accès à de grands modèles de langage.

Résultat : ces novices étaient capables d'accomplir des tâches liées à la biosécurité — comme le dépannage de protocoles virologiques complexes — avec une précision quatre fois supérieure à ce qu'ils obtenaient sans IA. Dans certains domaines, ces non-experts ont même surpassé des chercheurs formés. Plus préoccupant encore : environ 90 % de ces novices ont déclaré n'avoir rencontré aucune difficulté à obtenir des informations biologiques risquées auprès des modèles — notamment des instructions détaillées sur la manipulation de pathogènes dangereux — malgré les filtres de sécurité intégrés censés bloquer ce type de contenu.

Étude 2 — Active Site : les limites pratiques persistent... pour l'instant

L'organisation à but non lucratif Active Site, spécialisée dans l'étude de l'IA en biologie synthétique, est arrivée à des conclusions plus nuancées. Son étude a montré que l'aide de l'IA ne conduisait pas à des différences significatives dans la capacité des novices à accomplir le workflow complet et complexe nécessaire pour produire un virus dans un laboratoire de biosécurité.

Deux études, deux résultats. La tension entre ces conclusions n'est pas résolue. Ce que l'on peut en retenir est que l'IA abaisse déjà la barrière cognitive — le savoir faire — même si des barrières pratiques subsistent dans l'exécution physique. Or, c'est précisément cette barrière physique que les laboratoires cloud robotisés sont en train de supprimer.

---

Le vide réglementaire : un cumul de lacunes inquiétant

La technologie a pris de l'avance. La gouvernance est à la traîne. Et le retard s'explique par une accumulation de lacunes qui se renforcent mutuellement.

Les règles sur la biologie ignorent l'IA

Les cadres réglementaires qui gouvernent la recherche biologique ont été conçus pour des laboratoires humains. Ils définissent des niveaux de biosécurité, des protocoles de manipulation, des certifications pour les chercheurs. Ils ne contiennent aucune disposition spécifique sur les systèmes autonomes pilotés par l'IA, sur les boucles de rétroaction automatisées, sur les expériences conçues sans qu'un humain en approuve chaque étape.

Les règles sur l'IA ignorent la biologie

Inversement, les réglementations sur l'IA — depuis les lignes directrices de l'OCDE jusqu'au règlement européen sur l'IA — traitent de transparence, de biais algorithmiques, de responsabilité civile, de gouvernance des données. Elles n'adressent pas spécifiquement l'usage de l'IA dans la biologie, ni les risques particuliers liés à l'automatisation des expériences en sciences du vivant.

Le résultat est un angle mort intersectionnel : quand l'IA rencontre la biologie dans un laboratoire robotisé, aucun corpus réglementaire n'a été pensé pour ce croisement précis.

Les fournisseurs d'ADN synthétique — qui produisent les séquences génétiques sur commande — pratiquent encore majoritairement un contrôle volontaire. Aucune loi ne les oblige à vérifier si une séquence commandée peut servir à fabriquer un pathogène ou une toxine dangereuse.

L'exécutif américain a reculé au mauvais moment

En 2023, l'administration Biden avait pris conscience de ce vide. Un décret présidentiel sur la sécurité de l'IA incluait des dispositions spécifiques à la biosécurité, reconnaissant pour la première fois que les deux domaines devaient être régulés de manière articulée.

Ce décret a été révoqué par l'administration Trump dès son retour au pouvoir en janvier 2025. Les États-Unis se retrouvent donc aujourd'hui sans cadre fédéral coordonnant l'IA et la biosécurité, au moment précis où les capacités autonomes en biologie atteignent un niveau sans précédent.

Le contrôle de l'ADN synthétique reste volontaire

Les fournisseurs commerciaux d'ADN synthétique — ces entreprises qui produisent sur commande des séquences génétiques à destination des laboratoires — sont censés vérifier que leurs produits ne peuvent pas être détournés pour fabriquer des agents pathogènes ou des toxines. Mais ce contrôle reste majoritairement volontaire.

En 2026, un projet de loi bipartisan a été introduit au Congrès américain pour rendre obligatoire le criblage de l'ADN synthétique. Un pas dans la bonne direction — mais qui ne résout pas encore un problème crucial : les séquences conçues par l'IA peuvent générer des configurations que les méthodes actuelles de détection ne reconnaissent pas. Un algorithme peut théoriquement produire une séquence fonctionnellement dangereuse qui n'a aucun homologue dans les bases de données de référence utilisées pour le criblage.

La Convention sur les armes biologiques date de 1975

Le traité international censé interdire la production et l'usage des armes biologiques — la Convention sur les armes biologiques — a été signé en 1975. Il est rédigé dans un langage conçu pour une époque où la biologie avancée nécessitait des États-nations, des infrastructures militaires et des années de développement. Il ne contient aucune provision relative à l'intelligence artificielle, aux laboratoires automatisés, ou à la biologie synthétique.

Cinquante ans se sont écoulés. Le monde a changé. Le traité, non.

Ce que la gouvernance responsable exigerait

Les experts en biosécurité sont relativement alignés sur les mesures qui permettraient de combler ce vide. La mise en œuvre reste, elle, un défi politique et industriel considérable.

Sur le criblage de l'ADN synthétique : rendre le contrôle obligatoire pour tous les fournisseurs, et développer de toute urgence des méthodes capables de détecter les séquences conçues par IA qui n'ont pas d'équivalent dans les bases de données actuelles. C'est un problème technique difficile, mais pas insoluble — il nécessite une collaboration entre les entreprises d'IA, les laboratoires de biosécurité et les organismes gouvernementaux.

Sur les laboratoires cloud autonomes : établir des protocoles d'accréditation et de traçabilité pour les plateformes comme le Ginkgo Cloud Lab. Qui soumet les expériences ? Dans quel but ? Avec quelle supervision ? Un registre des requêtes biologiques autonomes, à l'image des registres d'utilisation des matières nucléaires, permettrait une traçabilité minimale.

Sur la réglementation croisée IA-biologie : créer un cadre réglementaire spécifiquement conçu pour l'intersection des deux domaines, qui ne soit ni uniquement biologique ni uniquement numérique. L'U.K. AI Security Institute et son homologue américain ont commencé des évaluations préliminaires dans ce domaine — mais les conclusions n'ont pas encore produit de cadre contraignant.

Sur les modèles eux-mêmes : renforcer les garde-fous des modèles d'IA vis-à-vis des informations biologiques à risque dual. L'étude Scale AI-SecureBio, qui montrait que 90 % des novices contournaient les filtres existants, est un signal d'alarme que les fabricants de modèles ne peuvent pas ignorer. OpenAI reconnaît elle-même dans son compte rendu de l'expérience avec Ginkgo que les résultats « peuvent avoir des implications pour la biosécurité » — mais la phrase reste sans mesure concrète annoncée.

Le paradoxe : l'IA est aussi la solution

Il serait réducteur de ne voir dans cette révolution qu'une menace. La même technologie qui soulève des risques de biosécurité est aussi celle qui peut les atténuer.

Des systèmes autonomes capables de surveiller en temps réel les séquences biologiques commandées à des fournisseurs, de détecter des patterns inhabituels dans les demandes d'expériences, ou d'identifier rapidement un agent pathogène émergent lors d'une épidémie — tout cela est dans le spectre de ce que l'IA peut apporter à la biosécurité elle-même.

Le vrai risque n'est pas que la technologie soit intrinsèquement mauvaise. C'est que la course entre capacité et gouvernance soit en train d'être perdue — non pas parce que la gouvernance est impossible, mais parce qu'elle n'a pas encore commencé à courir.

GPT-5 a lancé 36 000 expériences biologiques en six mois. Les législateurs américains délibèrent toujours sur un projet de loi qui ne couvre pas encore les séquences générées par l'IA. Le Ginkgo Cloud Lab accepte des expériences à 39 dollars. La Convention sur les armes biologiques cite des articles rédigés sous Nixon.

« Ces résultats montrent que les modèles peuvent raisonner dans le laboratoire humide pour améliorer des protocoles, et peuvent avoir des implications pour la biosécurité que nous évaluons et atténuons à travers notre Cadre de Préparation. »

— OpenAI, communiqué officiel sur la collaboration avec Ginkgo Bioworks, février 2026

« Les règles régissant la recherche biologique ne tiennent pas compte de l'automatisation pilotée par l'IA, et les règles régissant l'IA ne s'appliquent pas spécifiquement à son utilisation en biologie. »

— Stephen D. Turner, Université de Virginie, auteur de l'analyse publiée dans The Conversation, avril 2026

Ce que cela signifie dans les prochaines années

La trajectoire est claire. Les laboratoires cloud autonomes vont devenir moins chers, plus accessibles, plus puissants. Les modèles d'IA vont continuer à améliorer leur capacité à raisonner en biologie. La boucle fermée entre conception algorithmique et exécution robotique va s'accélérer et s'élargir à de nouveaux domaines biologiques.

Dans ce contexte, trois scénarios sont possibles selon les experts en biosécurité :

Dans le scénario optimiste, les gouvernements, les entreprises technologiques et les institutions scientifiques parviennent à construire rapidement un cadre de gouvernance adapté — criblage obligatoire, traçabilité des laboratoires autonomes, modèles d'IA avec des garde-fous renforcés — avant que les capacités dangereuses ne soient réellement accessibles à des acteurs mal intentionnés.

Dans le scénario intermédiaire, un incident significatif — une fuite, un usage malveillant, une erreur aux conséquences graves — force une réponse réglementaire tardive mais finalement substantielle. Le prix à payer est réel, mais la catastrophe de grande ampleur est évitée.

Dans le scénario pessimiste, la démocratisation de la biologie programmable outpace indéfiniment la gouvernance, et la biologie devient un domaine de risque diffus, comparable à la cybersécurité aujourd'hui — mais avec des conséquences physiques qui, contrairement à une cyberattaque, ne peuvent pas être corrigées par une mise à jour.

Entre ces trois futurs, c'est la politique, la science et la volonté collective qui trancheront. L'IA a déjà décidé d'agir. La question est de savoir si les humains décideront de réguler.

Fonte: Makaya enfo