OpenAI lance GPT-Rosalind en biologie : ce que sait faire le nouveau modèle et où sont ses limites

OpenAI cherche à devenir autre chose qu'un simple fournisseur de LLM généraliste : une couche d'infrastructure pour la recherche biologique. GPT-Rosalind ne ressemble pas à un bouton magique pour découvrir un nouveau médicament, mais à un outil censé réduire le poste le plus coûteux de la phase amont : le temps passé à rassembler des données, formuler des hypothèses et planifier les expériences suivantes.

L'intérêt se comprend aisément. En biologie appliquée, et surtout dans le développement d'ARNm thérapeutiques, le processus reste trop souvent assemblé à la main. Les chercheurs doivent évaluer simultanément la qualité de la traduction d'une séquence, sa durée de persistance dans la cellule et le risque qu'elle déclenche une réponse immunitaire indésirable. Des briques isolées existent déjà pour ce travail, comme DNA Chisel ou mRNAid, mais le marché manque toujours d'un environnement ouvert et unifié qui combine de façon cohérente les contraintes structurelles, de séquence et d'immunogénicité. Dans ce contexte, GPT-Rosalind apparaît comme une tentative d'ajouter, au-dessus d'outils dispersés, une couche commune de raisonnement et de coordination.

Selon la description officielle d'OpenAI, le modèle cible les tâches des sciences du vivant : synthèse de la littérature scientifique, génération d'hypothèses, planification d'expériences et scénarios de recherche en plusieurs étapes en génomique, biochimie et ingénierie des protéines. Avec le modèle, l'entreprise a publié un module de recherche gratuit pour Codex, qui connecte plus de 50 bases publiques et outils spécialisés. L'intérêt pratique est simple : moins de allers-retours manuels entre services, moins de perte de contexte et davantage de chances de construire une longue chaîne d'analyse autour d'une seule question biologique.

Au lancement, GPT-Rosalind n'est disponible qu'en research preview pour des clients entreprises qualifiés via trusted access, tandis qu'OpenAI diffuse le pack de compétences pour Codex bien plus largement.

La partie la plus intéressante de cette sortie, ce sont les benchmarks spécialisés, mais c'est précisément là qu'il faut garder la tête froide. Selon OpenAI, le modèle a obtenu un Pass@1 de 0,751 sur BixBench et a devancé plusieurs systèmes généralistes, dont GPT-5.4, Grok 4.

2 et Gemini 3.1 Pro. Sur LABBench2, l'entreprise indique un avantage sur GPT-5.

4 dans six tâches sur onze, avec le gain le plus marqué sur CloningQA. Par ailleurs, OpenAI cite les résultats de tests menés avec son partenaire Dyno Therapeutics sur des séquences d'ARN non publiées : les dix meilleures réponses de GPT-Rosalind se situent au 95e percentile par rapport à des experts humains, et sur la tâche de génération de séquences, le modèle atteint le 84e percentile.

Tout cela semble sérieux, mais la comparaison comporte une limite importante : au moment de la publication, le tableau complet des modèles n'avait fait l'objet d'aucune vérification externe indépendante. Autrement dit, il ne s'agit pas encore du verdict final du marché, mais d'une affirmation solide, quoique toujours interne, de l'entreprise.

Le choix d'un accès fermé se comprend aussi. En biologie, la question du double usage est trop concrète pour être ignorée lors d'un lancement. Des outils qui aident à trouver plus vite des candidats thérapeutiques pourraient, en théorie, accélérer aussi des scénarios indésirables ; OpenAI a donc commencé par un lancement en trusted access pour des clients Enterprise qualifiés aux États-Unis, avec des exigences distinctes en matière de gestion des accès, de contrôle interne et de sécurité organisationnelle.

Pendant le research preview, l'entreprise ne décompte même pas les crédits et tokens habituels, à condition que les participants respectent les restrictions anti-abus. Parmi les premiers participants, OpenAI cite Amgen, Moderna, Novo Nordisk, Thermo Fisher Scientific, Oracle Health and Life Sciences, NVIDIA, l'Allen Institute, Benchling et l'École de pharmacie de l'UCSF, ainsi qu'un partenariat avec le Laboratoire national de Los Alamos.

Le contexte concurrentiel se densifie vite : le 14 avril 2026, AWS a annoncé Amazon Bio Discovery, et le 16 avril 2026, OpenAI a présenté GPT-Rosalind. Les enjeux sont élevés sur ce marché : selon Precedence Research, l'IA dans la pharma pourrait passer de 2,51 milliards de dollars en 2026 à 16,49 milliards d'ici 2034.

La principale conclusion, pour l'instant, n'est pas que le nouveau modèle va remplacer les biologistes ou tuer d'un coup les outils open source spécialisés. C'est plutôt l'inverse : GPT-Rosalind opère au niveau de la logique de recherche et de la coordination, tandis que des solutions spécialisées comme mRNAid restent utiles pour des tâches précises d'optimisation computationnelle. Si le produit d'OpenAI raccourcit réellement le chemin entre l'hypothèse et le candidat à tester en laboratoire, ce sera un changement tangible pour le secteur. Mais la valeur réelle du modèle ne se jouera pas sur une sortie bien présentée : elle dépendra de la reproductibilité des résultats hors démo et de sa capacité à s'intégrer à la pile scientifique existante.