Une équipe de chercheurs espagnols a développé une intelligence artificielle capable de générer des millions de molécules inédites tout en respectant les lois fondamentales de la chimie. Selon Futura Sciences, cette innovation, baptisée CoCoGraph, pourrait révolutionner la découverte de nouveaux médicaments et matériaux innovants.

Ce qu'il faut retenir

  • Une IA nommée CoCoGraph, développée par l’Université Rovira i Virgili en Espagne, génère des molécules plausibles en respectant les contraintes chimiques.
  • Le système utilise un modèle de diffusion pour reconstruire des structures inédites à partir de molécules réelles.
  • Les chercheurs estiment qu’il existe jusqu’à 10⁶⁰ molécules possibles, mais seule une infime partie a été explorée jusqu’ici.
  • Un test mené auprès de 121 chimistes a révélé que 40 % des molécules générées par l’IA étaient jugées convaincantes par les experts.
  • CoCoGraph se distingue par sa capacité à produire des molécules plus réalistes que d’autres modèles, avec moins de paramètres et de puissance de calcul.

Une révolution dans la découverte moléculaire

Depuis des décennies, la recherche de nouvelles molécules repose sur des méthodes longues, coûteuses et souvent empiriques, basées sur des essais successifs. Pourtant, selon les scientifiques, il existerait jusqu’à 10⁶⁰ molécules différentes possibles dans l’univers chimique. « Trouver une molécule utile revient donc à chercher une aiguille dans une botte de foin », explique Roger Guimerà, professeur de recherche ICREA au département de génie chimique de l’Université Rovira i Virgili.

C’est dans ce contexte que l’IA CoCoGraph, développée par l’équipe de chercheurs espagnols, se présente comme une avancée majeure. Contrairement aux méthodes traditionnelles, elle ne se contente pas de proposer des molécules aléatoires. Elle génère des structures inédites tout en intégrant les contraintes chimiques fondamentales. Autant dire que chaque molécule produite est chimiquement valide, contrairement à d’autres modèles qui produisent parfois des structures impossibles.

Un modèle de diffusion pour explorer l’inconnu chimique

Le fonctionnement de CoCoGraph repose sur une approche innovante : un modèle de diffusion. L’IA commence par « désassembler » progressivement une molécule réelle avant d’apprendre à la reconstruire en générant de nouvelles structures plausibles. Cette méthode lui permet d’explorer des parties encore largement méconnues de l’univers chimique, offrant ainsi de nouvelles pistes pour la recherche pharmaceutique et les matériaux innovants.

Selon les chercheurs, CoCoGraph utilise également moins de paramètres que certains modèles concurrents et nécessite moins de puissance de calcul. Pour évaluer ses performances, l’équipe a comparé son IA à d’autres outils de pointe en analysant 36 propriétés physico-chimiques différentes, comme la solubilité ou la complexité structurelle. Résultat : pour près des deux tiers de ces critères, les molécules générées par CoCoGraph ont été jugées plus réalistes que celles issues d’autres systèmes.

Une avancée validée par des chimistes experts

Pour tester la crédibilité des molécules produites par CoCoGraph, les chercheurs ont organisé une expérience impliquant 121 chimistes. Chaque participant devait distinguer une vraie molécule d’une molécule créée par l’IA. « Cela signifie que nombre des molécules que nous générons sont très convaincantes », souligne Marta Sales-Pardo, membre de l’équipe. Résultat : les experts se sont trompés dans 40 % des cas, un taux qui démontre la qualité des structures générées.

Cette performance est d’autant plus remarquable que CoCoGraph se positionne comme une alternative plus efficace que les modèles existants. « Pour le moment, nous ne faisons que générer des molécules. La prochaine étape consistera à appliquer des objectifs spécifiques à ce processus », explique Manuel Ruiz-Botella, chercheur impliqué dans le projet. À terme, cette technologie pourrait accélérer la découverte de nouveaux médicaments, faciliter le développement de matériaux innovants et aider les chercheurs à explorer une partie encore largement inconnue de l’univers chimique.

Un pas de plus pour l’IA générative en chimie

L’émergence de modèles génératifs appliqués à la chimie marque un tournant dans la recherche scientifique. Depuis quelques années, ces outils se multiplient. Par exemple, une étude publiée en 2024 dans la revue Nature Machine Intelligence avait présenté DiffLinker, une IA capable de relier différents fragments moléculaires pour générer de nouvelles structures chimiques plausibles. Une autre revue, publiée la même année dans le Journal of Chemical Information and Modeling, soulignait l’essor rapide des modèles de diffusion appliqués à la chimie.

CoCoGraph s’inscrit dans cette dynamique en offrant une approche plus efficace et moins gourmande en ressources. « Ces modèles créent du contenu nouveau qui ressemble beaucoup à la réalité. Notre algorithme fait la même chose, mais avec des molécules », précise Roger Guimerà. Cette capacité à générer des structures inédites tout en respectant les lois de la chimie ouvre des perspectives inédites pour des domaines aussi variés que la médecine, les matériaux durables ou encore la biologie synthétique.

Et maintenant ?

Pour l’instant, CoCoGraph se concentre sur la génération de molécules. Les chercheurs prévoient d’intégrer des objectifs spécifiques à ce processus, comme l’optimisation de propriétés thérapeutiques ou la recherche de matériaux aux caractéristiques particulières. Les prochaines étapes pourraient inclure des tests précliniques pour évaluer l’efficacité des molécules générées, mais cela prendra encore plusieurs années. En attendant, cette innovation confirme que l’IA devient un outil incontournable pour explorer l’inconnu chimique et accélérer l’innovation scientifique.

Des enjeux majeurs pour la santé et l’industrie

La découverte de nouvelles molécules est un enjeu crucial, notamment pour répondre aux défis sanitaires actuels. Les maladies émergentes, les résistances aux antibiotiques ou encore les besoins en matériaux plus performants ou durables nécessitent des approches innovantes. Avec CoCoGraph, les chercheurs espagnols proposent une solution prometteuse pour réduire le temps et les coûts associés à la recherche pharmaceutique.

À plus long terme, cette technologie pourrait aussi contribuer à explorer des propriétés moléculaires encore inexploitées, ouvrant la voie à des applications insoupçonnées. Pour autant, les limites de l’IA en chimie restent à définir. Les scientifiques rappellent que, malgré ses performances, CoCoGraph ne remplace pas le jugement des experts humains. Il s’agit plutôt d’un outil complémentaire, capable de proposer des pistes que les méthodes traditionnelles ne permettraient pas d’envisager.

Comme le souligne Futura Sciences, cette avancée marque une étape importante dans l’utilisation de l’intelligence artificielle pour la recherche scientifique. Elle rappelle aussi que, malgré les progrès réalisés, l’exploration de l’univers chimique en est encore à ses débuts. Les prochaines années diront si des molécules issues de CoCoGraph parviendront à franchir les étapes de validation nécessaires pour devenir de véritables médicaments ou matériaux innovants.

Selon les chercheurs, plusieurs années seront encore nécessaires avant que des molécules issues de CoCoGraph ne soient testées en conditions réelles. Les prochaines étapes incluent des tests précliniques et des validations expérimentales, un processus qui peut prendre entre cinq et dix ans avant d’aboutir à une utilisation thérapeutique ou industrielle.

Oui, selon les chercheurs, CoCoGraph pourrait également accélérer la découverte de nouveaux matériaux innovants, comme des polymères plus résistants ou des revêtements aux propriétés uniques. L’IA pourrait aussi être adaptée pour explorer des molécules utiles dans d’autres domaines, comme l’agriculture ou la cosmétique.