ByteDance lance Protenix-v1, un modèle open source pour prédire les structures biomoléculaires

Le 8 février 2026, ByteDance a présenté Protenix-v1, un modèle ouvert de prédiction de la structure des biomolécules qui reproduit l'architecture et les capacités d'AlphaFold3 (AF3). Il est distribué avec son code source et ses poids sous licence Apache 2.0.

Ce qu'est Protenix-v1

Selon la description de MarkTechPost, Protenix-v1 est une « reproduction complète d'AlphaFold3 » : non pas un équivalent au rabais, mais un modèle qui vise le même niveau de précision dans des conditions comparables. ByteDance a publié non seulement le code, mais aussi les poids du modèle (model parameters). Le système peut donc être exécuté et réentraîné de manière autonome, sans passer par une API fermée ni par un service payant.

• Développeur du modèle : ByteDance
• Nom de la version : Protenix-v1
• Objectif affiché : une précision au niveau d'AlphaFold3 (AF3)
• Code et poids publiés sous licence Apache 2.0
• Types de structures visés : protéines, ADN, ARN et ligands
• MarkTechPost a publié son article sur la sortie le 8 février 2026

La licence Apache 2.0, sous laquelle le modèle est publié, est l'une des plus permissives parmi les licences ouvertes : elle autorise l'usage commercial, la modification et la distribution de versions dérivées sans obligation d'en divulguer le code source. Pour les laboratoires et les start-up, cela signifie que Protenix-v1 peut être intégré à leurs propres produits et pipelines sans les restrictions juridiques propres aux licences copyleft plus strictes.

Comment le modèle se compare à AlphaFold3

La question centrale posée par MarkTechPost est de savoir à quel point un modèle ouvert peut s'approcher de la précision d'AlphaFold3 si l'on égalise trois paramètres : les données d'entraînement, l'échelle du modèle et le budget d'inférence. Ce cadrage compte : il présente Protenix-v1 non comme un produit autonome assorti d'affirmations abstraites sur sa qualité, mais comme un modèle que l'on peut évaluer dans des conditions claires et comparables face à une référence précise.

« À quel point un modèle ouvert peut-il s'approcher de la précision d'AlphaFold3 si l'on égalise les données d'entraînement, l'échelle du modèle et le budget d'inférence ? »

C'est ainsi que MarkTechPost formule la question principale de son article sur Protenix-v1.

Cette formulation renvoie à la méthodologie employée pour décrire le modèle : la comparaison ne repose pas sur des chiffres de benchmarks absolus, mais sur des conditions de départ égales, c'est-à-dire le même volume de données d'entraînement, une échelle de paramètres similaire et le même budget d'inférence. L'affirmation de ByteDance est ainsi plus vérifiable que des comparaisons marketing qui n'indiquent pas leurs conditions.

Quelles structures le modèle prédit-il ?

Protenix-v1 vise plusieurs classes de biomolécules à la fois : protéines, ADN, ARN et ligands, soit la même polyvalence qui fait la réputation d'AlphaFold3. Cela distingue le modèle des systèmes très spécialisés, qui ne traitent qu'un seul type de structure : les développeurs indiquent explicitement que l'objectif est de couvrir, au sein d'une seule architecture, toutes les grandes classes dont s'occupe AF3.

La publication ouverte du code et des poids élargit le cercle de ceux qui peuvent travailler avec un modèle de ce niveau. Les laboratoires et groupes de recherche sans accès à des systèmes commerciaux fermés peuvent reproduire des expériences et intégrer Protenix-v1 directement à leurs propres pipelines, plutôt que de passer par une API externe limitée.

Ce que cela signifie

Un modèle ouvert qui vise le niveau de précision d'AlphaFold3 sur plusieurs classes de biomolécules, et qui est distribué avec son code complet, ses poids et la licence permissive Apache 2.0, abaisse la barrière d'entrée à la biologie structurale pour les équipes sans accès à des systèmes fermés. Il permet aussi de vérifier de façon indépendante la précision annoncée, au lieu de croire le développeur sur parole.