Meta lance UMA Nitro : son modèle d'atomes a trouvé des formes cristallines de médicaments sans réentraînement
Les chimistes commencent par passer les candidats-médicaments au crible sur ordinateur, mais les calculs atomiques précis prennent beaucoup de temps. Meta a publié UMA Nitro, une version accélérée du réseau de neurones UMA, qui prédit le comportement des atomes. Avec Carnegie Mellon et UC Riverside, le modèle a trouvé de nombreuses formes cristallines de médicaments sans réentraînement, alors que la forme cristalline influe sur la vitesse de dissolution d'un comprimé. Ce modèle ouvert peut servir de premier filtre avant le passage en laboratoire.
Traité par IA depuis Meta Corporate News ; édité par Hamidun News
Avant qu'un nouveau médicament ou un nouveau matériau arrive en éprouvette, les chimistes font passer des centaines de candidats au crible sur ordinateur. C'est moins cher que les expériences en laboratoire, mais les calculs précis à l'échelle atomique demandent beaucoup de temps. C'est ce problème que Meta cherche à résoudre : lors du sommet Open Source AI for Science à Menlo Park, l'équipe FAIR (la division de recherche fondamentale en IA de Meta) a publié UMA Nitro, une version accélérée du modèle universel d'atomes UMA (Universal Model for Atoms).
Ce réseau de neurones prédit la façon dont les atomes interagissent dans les molécules et les matériaux. Quant à « sans réentraînement », cela signifie que le modèle a réussi une nouvelle tâche sans avoir reçu d'exemples supplémentaires pour celle-ci.
Un exemple simple : un pharmacien veut savoir sous quelles formes cristallines la molécule d'un médicament peut exister. La forme détermine la vitesse à laquelle le comprimé se dissout. Jusqu'ici, il fallait pour cela de lourds calculs ou de longues séries d'expériences en laboratoire ; désormais, un réseau de neurones peut prendre en charge une partie du travail.
Ce qui a été présenté au sommet
Le sommet ne se résumait pas à un seul modèle. Pendant deux jours, des chercheurs d'universités, d'hôpitaux et de l'industrie ont discuté de la façon dont les modèles, outils et données ouverts aident la médecine, les neurosciences, la chimie, la science des matériaux et les mathématiques. Les participants ont aussi suivi des ateliers pratiques avec les auteurs des modèles de Meta.
Pour les développeurs et les fondateurs qui construisent des produits au contact de la science, l'annonce la plus concrète est la chimie fondée sur UMA. Mais les autres nouveautés méritent aussi d'être signalées.
Cristaux de médicaments et enzymes
Dans une étude menée avec Carnegie Mellon et UC Riverside, les modèles UMA ont trouvé de nombreuses formes cristallines de molécules de médicaments sans données d'entraînement supplémentaires. En pratique, c'est important : il n'est pas nécessaire de constituer son propre jeu de données ni de réentraîner le modèle pour chaque molécule.
Avec l'Université de Chicago, Meta a montré qu'UMA est capable de simuler des enzymes entières, atome par atome. Les enzymes sont des protéines qui déclenchent les réactions chimiques dans l'organisme. Comprendre leur fonctionnement permet d'essayer de les améliorer pour la médecine, l'environnement et l'énergie. Meta reste prudente sur ce point : il s'agit d'une aide potentielle pour les scientifiques, pas de découvertes abouties.
L'annonce ne donne aucun chiffre précis sur la vitesse d'UMA Nitro ; le gain devra donc être vérifié par des tests indépendants.
Du laboratoire à la salle de classe
UMA Playground est un environnement interactif où l'on peut assembler des molécules, observer la rupture et la formation des liaisons et analyser des réactions chimiques. Discovery Education a annoncé que l'outil est accessible aux professeurs de chimie de lycée, avec des ressources pédagogiques. La plateforme touche plus de 4 millions d'enseignants et 45 millions d'élèves. Le cours universitaire RealChem d'Arizona State et de Carnegie Mellon, utilisé par près de 100 établissements, prévoit d'intégrer Playground dans les exercices destinés aux étudiants.
Cerveau, robots et mathématiques
Meta a élargi le Digital Brain Project, lancé avec la Rothschild Hospital Foundation et l'Université de Montréal : l'objectif de données cérébrales ouvertes et anonymisées est passé de 15 000 à 25 000 heures. L'Université de Pittsburgh a présenté un système robotique d'assistance fondé sur DINOv3 et SAM 3 ; l'équipe prévoit de faire la démonstration d'un robot qui aidera une personne à manger et teste des commandes vocales en langage libre.
En mathématiques, le pari porte sur Lean, un langage ouvert dans lequel l'ordinateur vérifie chaque étape logique d'une démonstration. Cela évite des mois, voire des années de revérification, que le résultat vienne d'un collègue, d'un étudiant ou d'un assistant IA. Pour ce travail, FAIR a présenté ATLAS, une bibliothèque ouverte qui a formalisé 26 manuels et plus de 45 000 définitions et résultats vérifiés par ordinateur.
Ce que cela change en pratique
Si vous lancez une startup en biotechnologie, en science des matériaux ou en génie chimique, UMA peut s'essayer comme filtre préliminaire : écarter les candidats faibles avant de dépenser en laboratoire. Il y a aussi des limites à garder en tête. Les résultats sur les cristaux proviennent d'un projet de recherche, pas d'un processus industriel, et les enzymes restent pour l'instant une démonstration. L'annonce ne donne aucun chiffre de précision ; avant tout déploiement, il vaut donc mieux tester le modèle sur ses propres données et le comparer aux calculs classiques. En revanche, les modèles et le code ouverts fournissent une couche de base sur laquelle construire des outils, au lieu d'écrire des simulateurs à partir de zéro.
- 20 nov. 2026Orange affine Qwen3 pour le wolof : cinq modèles ouverts de 0,6 à 14 milliards de paramètres
- 20 nov. 2026Google apprend à Gemini à piloter un Mac en arrière-plan, sans monopoliser l'écran ni le curseur
- 20 nov. 2026Daydream lance un styliste IA : il achète lui-même des vêtements parmi 10 000 marques
- 20 nov. 2026Model ML lève 250 millions de dollars pour des agents IA destinés aux banquiers, à 1,5 milliard de dollars de valorisation
Questions clés sur cet article
Que sait-on sur Ce qui a été présenté au sommet ?
Le sommet ne se résumait pas à un seul modèle. Pendant deux jours, des chercheurs d'universités, d'hôpitaux et de l'industrie ont discuté de la façon dont les modèles, outils et données ouverts aident la médecine, les neurosciences, la chimie, la science des matériaux et les mathématiques. Les participants ont aussi suivi des ateliers pratiques avec les auteurs des modèles de Meta.
Que sait-on sur Cristaux de médicaments et enzymes ?
Dans une étude menée avec Carnegie Mellon et UC Riverside, les modèles UMA ont trouvé de nombreuses formes cristallines de molécules de médicaments sans données d'entraînement supplémentaires. En pratique, c'est important : il n'est pas nécessaire de constituer son propre jeu de données ni de réentraîner le modèle pour chaque molécule. Avec l'Université de Chicago, Meta a montré qu'UMA est capable de simuler des enzymes entières, atome par atome.
Que sait-on sur Du laboratoire à la salle de classe ?
UMA Playground est un environnement interactif où l'on peut assembler des molécules, observer la rupture et la formation des liaisons et analyser des réactions chimiques. Discovery Education a annoncé que l'outil est accessible aux professeurs de chimie de lycée, avec des ressources pédagogiques. La plateforme touche plus de 4 millions d'enseignants et 45 millions d'élèves.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.