OpenAI dévoile GPT-Rosalind, un modèle d'IA pour la biologie, la génomique et la conception de médicaments

Le 16 avril, OpenAI a présenté GPT-Rosalind, le premier modèle spécialisé de l'entreprise pour les sciences du vivant, c'est-à-dire les tâches à la croisée de la biologie, de la pharmacie et de la médecine appliquée. Le modèle porte le nom de Rosalind Franklin et n'est pas conçu pour remplacer les scientifiques, mais pour accélérer la partie la plus lourde du travail scientifique : lire la littérature, recouper les données, formuler des hypothèses et concevoir les étapes suivantes. Pour situer le contexte, le chemin entre la recherche d'une nouvelle cible et l'approbation d'un médicament aux États-Unis dure généralement de 10 à 15 ans.

OpenAI parie que l'IA pourra raccourcir au moins les premières étapes de ce cycle, où les chercheurs passent un temps considérable à analyser, à rapprocher des faits et à travailler avec des sources dispersées. Selon l'entreprise, GPT-Rosalind est optimisé pour des processus scientifiques qui demandent de raisonner sur la chimie, les protéines, les gènes, les voies biologiques et les protocoles expérimentaux. Contrairement aux chatbots généralistes, qui savent un peu tout faire, l'accent est mis ici sur les longues chaînes de recherche : rassembler et comparer des dizaines d'articles, extraire des données de bases spécialisées, interpréter les résultats, proposer une hypothèse de travail et aider à planifier l'expérience suivante.

OpenAI souligne qu'il ne s'agit pas simplement de générer du texte. Le modèle doit aider à synthétiser les preuves, générer des hypothèses, planifier des expériences et analyser des données, c'est-à-dire fonctionner au sein de la routine réelle de la recherche, et non se contenter de répondre à des questions dans une fenêtre de chat. OpenAI a aussi publié un Life Sciences research plugin pour Codex.

Ce plugin donne accès à plus de 50 outils scientifiques, sources bibliographiques, bases de données multiomiques et services biologiques. Concrètement, un chercheur peut, depuis une seule interface, lancer des recherches de séquences, consulter des structures de protéines, rassembler des publications, trouver des jeux de données ouverts et relier le tout au raisonnement du modèle. Pour les laboratoires et les groupes pharmaceutiques, cela compte plus qu'un LLM de plus : la valeur apparaît quand le modèle ne se contente pas de formuler une réponse, mais sait atteindre les bonnes données et s'insérer dans l'infrastructure de calcul existante.

D'après les évaluations publiques d'OpenAI, GPT-Rosalind obtient le meilleur résultat sur BixBench parmi les modèles dont les métriques sont publiées. Sur LABBench2, le modèle a devancé GPT-5.4 sur six tâches sur onze ; le gain le plus marqué, selon l'entreprise, concerne CloningQA, où il faut concevoir des réactifs et un plan complet de clonage moléculaire.

OpenAI a aussi testé le modèle avec Dyno Therapeutics sur la prédiction et la génération de séquences d'ARN en fonction de leur rôle, à partir de données non publiées qui ne pouvaient pas figurer dans le jeu d'entraînement. Dans l'environnement Codex, les meilleures tentatives sur dix du modèle se sont situées au-dessus du 95e centile des experts humains sur la tâche de prédiction et à environ le 84e centile sur la génération de séquences. Cela ne prouve pas que l'IA soit prête à faire des découvertes seule, mais montre que, dans des scénarios bio-informatiques étroits, elle commence déjà à concurrencer de solides spécialistes.

Le lancement se veut prudent. GPT-Rosalind est actuellement disponible en research preview via ChatGPT, Codex et l'API, mais uniquement pour des clients professionnels qualifiés aux États-Unis, dans le cadre d'un trusted access program. OpenAI évoque des mesures de sécurité renforcées, un contrôle des accès et des exigences de gouvernance et de contrôle interne : l'organisation doit mener des recherches légitimes apportant un bénéfice clair à la santé humaine, restreindre l'accès au modèle et respecter les règles de prévention des usages abusifs.

Parmi les partenaires et premiers utilisateurs, l'entreprise cite Amgen, Moderna, Thermo Fisher Scientific, l'Allen Institute et d'autres organisations de l'écosystème des sciences du vivant. Parallèlement, OpenAI travaille avec le Los Alamos National Laboratory sur un appui de l'IA à la conception de protéines et de catalyseurs. Pour le marché, c'est un changement important.

OpenAI montre que le prochain grand pari ne se limite pas à des modèles plus généraux et plus gros, mais passe aussi par des systèmes très spécialisés, taillés pour des processus professionnels précis. En sciences du vivant, le coût de l'erreur est élevé, les données sont complexes et le gain se mesure non au nombre de belles réponses, mais à la qualité des hypothèses et à la vitesse des expériences. Si GPT-Rosalind s'impose vraiment dans les processus de laboratoire, elle renforcera la tendance aux modèles d'IA verticaux pour les secteurs où la valeur naît d'une compréhension approfondie du domaine, de l'accès aux outils et d'un travail dans un environnement strictement contrôlé.