Le Biohub financé par Mark Zuckerberg et Priscilla Chan a mis en ligne, le 27 mai 2026, une carte d'une ampleur inédite du monde des protéines : 6,8 milliards de séquences et 1,1 milliard de structures tridimensionnelles prédites par intelligence artificielle. Baptisé ESM Atlas et distribué gratuitement, cet ensemble dépasse de plus de 800 millions d'entrées la base de référence AlphaFold. Ses promoteurs y voient un accélérateur pour la découverte de médicaments. Les spécialistes, eux, rappellent qu'une structure prédite n'est pas une structure prouvée.

Un « modèle du monde » des protéines, pas seulement une base de données

Les protéines sont les machines moléculaires du vivant : elles catalysent les réactions, transportent, signalent, défendent. Leur fonction dépend de la forme qu'elles adoptent en se repliant dans l'espace, et déterminer cette forme est l'un des grands problèmes de la biologie. Le Biohub, l'organisation de recherche à but non lucratif cofondée par Priscilla Chan et Mark Zuckerberg, affirme avoir livré non pas un simple catalogue, mais ce qu'il appelle un « modèle du monde » (world model) de la biologie des protéines.

Cet ensemble repose sur trois briques. La première, ESMC, est un modèle de langage entraîné sur environ 2,8 milliards de séquences protéiques provenant de tout l'arbre du vivant. Comme un grand modèle de langage apprend la grammaire d'une langue à partir de milliards de phrases, ESMC apprend la « grammaire » des protéines à partir de leurs séquences d'acides aminés. La deuxième, ESMFold2, est le moteur qui transforme cette représentation en structure 3D atomiquement résolue, y compris pour des complexes de plusieurs molécules. La troisième, l'ESM Atlas, est le produit fini : 6,8 milliards de protéines cartographiées et 1,1 milliard de structures prédites, consultables librement par la communauté scientifique mondiale, selon Axios et pharmaphorum.

L'atout revendiqué de cette approche par le langage est de pouvoir raisonner sur des protéines jamais vues. « En apprenant les règles sous-jacentes de la façon dont les protéines se replient, se lient et fonctionnent, le modèle peut raisonner sur des protéines qu'il n'a jamais rencontrées », résume Lori Goler, présidente du Biohub, citée par pharmaphorum.

Un héritage venu de Meta et d'EvolutionaryScale

L'histoire de cette technologie est révélatrice de la circulation des talents dans l'IA. La famille de modèles ESM (pour Evolutionary Scale Modeling) est née en 2019 au sein de l'équipe protéines de la recherche fondamentale de Meta (FAIR), qui a construit le premier modèle de langage à base de transformers appliqué aux séquences protéiques, puis les modèles ESM-2 et le premier ESMFold. Cette équipe a essaimé en 2023 dans une start-up, EvolutionaryScale, avant d'être recrutée par le Biohub, sept mois environ avant l'annonce de mai 2026, selon les reprises presse.

C'est Alex Rives, aujourd'hui responsable scientifique du Biohub et ancien scientifique en chef d'EvolutionaryScale, qui a présenté ces travaux. Autrement dit, les mêmes cerveaux qui avaient lancé cette lignée de modèles chez Meta la poursuivent désormais dans une structure philanthropique à but non lucratif, avec une distribution ouverte — un point sur lequel le Biohub insiste, tous les modèles étant mis à disposition librement.

Comparaison avec AlphaFold : la quantité contre l'expérience

La référence, dans ce domaine, reste AlphaFold, le système de Google DeepMind qui a valu à ses concepteurs, dont John Jumper, une reconnaissance mondiale. La base AlphaFold, construite patiemment depuis 2021, contient de l'ordre de 200 millions de structures. L'ESM Atlas en propose cinq fois et demie plus d'un coup, ce qui a inspiré à Nature un titre éloquent : « Poussez-vous, AlphaFold ». Sur plusieurs tests de référence, ESMFold2 « égale ou dépasse » les systèmes existants, y compris AlphaFold3, selon Lab Manager.

Mais l'écart de méthode compte autant que l'écart de volume. AlphaFold s'appuie fortement sur l'alignement de séquences évolutivement apparentées ; ESMFold2 mise sur un modèle de langage entraîné sur d'immenses corpus de séquences, dont des données métagénomiques issues des sols et des océans, ce qui lui permet d'explorer des régions de « l'univers des protéines » jusqu'ici peu couvertes.

Les experts extérieurs interrogés par Scientific American accueillent la ressource avec un enthousiasme prudent. Gemma Atkinson (université de Lund) parle d'une « ressource extraordinaire pour la biologie » et Christine Orengo (UCL) souligne le potentiel de découverte de nouveaux repliements. Mais Martin Steinegger (université nationale de Séoul) s'interroge sur la fiabilité du modèle face aux protéines les plus inhabituelles, et Sergey Ovchinnikov (MIT) résume la position dominante : ESM Atlas est « un complément à la base AlphaFold largement utilisée », pas un remplaçant, rapporte Scientific American.

De la structure au médicament : des tests encourageants

L'argument le plus fort pour la santé ne concerne pas seulement la lecture des structures, mais leur conception. Le Biohub affirme que son système peut concevoir des binders — des protéines qui viennent se fixer sur une cible — dotés d'une affinité de niveau thérapeutique, en réduisant un travail qui prenait des mois ou des années à quelques heures ou jours.

Pour l'étayer, les chercheurs ont conçu des molécules dirigées contre cinq cibles biomédicales bien connues : EGFR et PDGFRβ, impliquées dans la croissance tumorale ; PD-L1 et CTLA-4, deux points de contrôle immunitaire au cœur de l'immunothérapie du cancer ; et CD45, impliquée dans la signalisation des cellules immunitaires. Une fois synthétisées et testées en laboratoire, ces protéines ont fonctionné comme prédit dans une proportion notable des cas : selon le Biohub, les mini-binders compacts atteignent des taux de succès de 36 à 88 %, et les formats dérivés d'anticorps de 15 à 29 %. C'est précisément le genre de validation en amont qui pourrait, à terme, raccourcir la longue chaîne menant à de nouveaux traitements — des immunothérapies aux médicaments contre l'obésité en passant par les anticorps thérapeutiques.

Prédiction n'est pas preuve : les limites à garder en tête

Reste l'avertissement, unanime dans les sources : une structure prédite par une IA n'est pas une structure établie expérimentalement. La cristallographie aux rayons X, la cryo-microscopie électronique ou la RMN demeurent les juges de paix, et elles restent coûteuses en temps et en énergie. Le Biohub le reconnaît lui-même : les structures prédites doivent encore être confirmées expérimentalement, en particulier pour les protéines nouvelles ou très atypiques — celles, justement, où l'apport théorique serait le plus précieux.

Deux prudences supplémentaires s'imposent. D'abord, la supériorité affichée sur les tests de référence devra être confirmée par des évaluations indépendantes ; les benchmarks choisis par l'équipe qui publie ne suffisent jamais. Ensuite, la taille record de l'atlas ne dit rien de la qualité moyenne de chaque prédiction : un milliard de structures inclut nécessairement une large part de modèles de confiance modeste.

L'ESM Atlas n'en constitue pas moins un jalon : une ressource ouverte, massive et immédiatement exploitable, qui abaisse la barrière d'entrée pour tout laboratoire disposant de moyens de calcul. Reste à transformer ce « moteur de recherche du vivant » en médicaments réels — une étape que ni l'IA, ni le milliard de structures, ne franchissent à la place de la paillasse.