OpenAI dévoile GPT-Rosalind, un modèle pour accélérer le développement de médicaments et la génomique

OpenAI a dévoilé GPT-Rosalind, un modèle de raisonnement de pointe spécialisé, conçu pour accélérer le travail dans les sciences de la vie. L'entreprise le présente comme un outil d'une nouvelle classe, capable de traiter des tâches biomédicales spécifiques à un niveau hors de portée des assistants généralistes. Le modèle vise quatre grands domaines : la découverte de nouveaux médicaments, l'analyse de données génomiques, le raisonnement sur les protéines et le soutien aux flux de travail de la recherche scientifique.

Le nom est un clin d'œil délibéré à Rosalind Franklin, cristallographe britannique dont les clichés de diffraction des rayons X de la structure de l'ADN, au début des années 1950, se sont révélés déterminants pour comprendre la double hélice. Bien que Franklin n'ait jamais reçu de son vivant la reconnaissance qu'elle méritait, sa contribution a été décisive. Le choix est symbolique : OpenAI affiche l'ambition de créer un outil susceptible de marquer un tournant pour la biologie moderne, comme ses images ont changé la science moléculaire du siècle dernier. Sauf que, cette fois, le rôle de la « Photograph 51 » est tenu par l'IA.

GPT-Rosalind repose sur l'architecture de raisonnement étendu de pointe d'OpenAI et est adapté aux particularités des tâches des sciences de la vie. Contrairement aux modèles généralistes comme GPT-4o ou o3, il est optimisé pour des données scientifiques qui exigent une interprétation biomédicale précise. Parmi ses principales applications : l'analyse de séquences génomiques, la prédiction des fonctions et des interactions des protéines, la formulation d'hypothèses sur les mécanismes d'action de composés médicamenteux, et la synthèse de résultats d'études cliniques et de bases de brevets. Autrement dit, le modèle doit raisonner comme un biochimiste chevronné, et non comme un moteur de recherche.

Le marché du développement de médicaments assisté par l'IA connaît une phase de forte croissance. Selon les estimations du secteur, la création d'un seul médicament prend de 10 à 15 ans et coûte des milliards de dollars d'investissement. L'essentiel de ce temps et de ce budget est consommé aux premières étapes : sélection de molécules candidates, études précliniques et prédiction de la toxicité. C'est là que les modèles d'IA montrent le plus grand potentiel pour réduire délais et coûts.

AlphaFold, de Google DeepMind, a déjà transformé la biologie structurale en apportant une solution opérationnelle au problème de la prédiction de la structure tridimensionnelle des protéines, un problème que les scientifiques n'étaient pas parvenus à formaliser pendant des décennies. GPT-Rosalind aborde ce marché sous un autre angle : non pas le calcul structural, mais le raisonnement sur des données scientifiques hétérogènes et la capacité à formuler des hypothèses étayées.

La tâche centrale du modèle n'est pas de retrouver de l'information, mais de construire des hypothèses scientifiques argumentées à partir de sources variées : publications scientifiques, protocoles cliniques, bases de données génomiques et registres de brevets. Cela suppose un raisonnement à plusieurs niveaux et la capacité de conserver un contexte scientifique complexe, ce qui distingue précisément les modèles de pointe de dernière génération des moteurs de recherche classiques et des outils bio-informatiques très spécialisés.

OpenAI oriente GPT-Rosalind vers trois segments clés : les entreprises biopharmaceutiques en quête de nouveaux composés ; les instituts de recherche génomique et médicale qui travaillent sur des données biologiques à grande échelle ; et les laboratoires universitaires menant de la recherche fondamentale. Une intégration par API aux pipelines scientifiques existants est prévue, sans qu'il faille revoir entièrement les flux de travail.

Le lancement de GPT-Rosalind s'inscrit dans une stratégie de verticalisation plus large d'OpenAI. Après les modèles généralistes GPT-4o et la série o, l'entreprise avance de façon constante vers des modèles spécialisés par domaine pour des tâches professionnelles précises. Les concurrents suivent une trajectoire similaire : Google DeepMind développe Med-Gemini et AlphaFold 3, Microsoft bâtit une infrastructure d'IA pour les systèmes cliniques, et des startups de biotechnologie comme Recursion Pharmaceuticals et Insilico Medicine construisent des pipelines « AI-first » pour développer des médicaments from scratch.

Les modèles d'IA spécialisés pour la science passent du statut d'outils expérimentaux à celui d'infrastructure de production. Pour les équipes de recherche qui travaillent sur des données génomiques ou mènent des essais précliniques, GPT-Rosalind est un outil supplémentaire dans la stack qui renforce l'expertise scientifique, sans la remplacer. L'ampleur réelle de l'accélération des découvertes, c'est l'usage dans les grandes organisations de recherche qui la dira.