DeepMind veut réinventer la découverte de médicaments et vaincre les maladies

À la Google I/O 2026, Demis Hassabis, PDG de DeepMind, l'a annoncé avec le plus grand sérieux : l'entreprise espère « réinventer le processus de découverte de médicaments, avec pour objectif de venir un jour à bout de toutes les maladies ». L'objectif est ambitieux et, disons-le franchement, il paraît irréaliste. Mais avant de l'écarter d'un revers de main, voyons ce qu'il recouvre et pourquoi les journalistes de The Verge prennent déjà Google au mot.

Ce qui a été présenté à la I/O

Google DeepMind a dévoilé toute une panoplie d'outils destinés à accélérer la recherche biologique. Trois se détachent : Gemini for Science (une version spécialisée de son LLM phare pour les tâches scientifiques), AlphaFold 3 (un système de prédiction de la structure des protéines) et le tout nouveau AlphaGenome.

AlphaFold 3 peut prédire avec une grande précision la structure tridimensionnelle des protéines et leurs interactions avec d'autres molécules. C'est un point crucial : la forme d'une protéine détermine souvent l'efficacité d'un médicament.

AlphaGenome étend cette approche. Le système peut désormais traiter des données génomiques et prédire les facteurs génétiques des maladies.

Gemini for Science intègre ces deux systèmes dans une plateforme unique. Ce LLM « comprend » le contexte de la recherche biologique, peut lire des articles scientifiques et formuler des recommandations directement dans l'interface à laquelle les chercheurs sont habitués.

Comment cela fonctionne en pratique

Un scénario type : un chercheur soumet à Gemini for Science une requête du genre « concevoir un composé antiviral contre le virus X ». Le système analyse les connaissances disponibles sur le virus, propose des structures moléculaires candidates, s'appuie sur AlphaFold 3 pour prédire leurs interactions avec les protéines virales et anticipe les effets secondaires probables.

Sur le papier, le gain de productivité paraît spectaculaire. Une telle recherche prenait auparavant des mois. Elle pourrait désormais prendre quelques heures ou quelques jours.

Mais il y a un hic : Google parle d'« accélération », sans avancer de délais précis. Plus rapide de combien de pour cent ? À quel prix ? Ces questions restent sans réponse.

Pourquoi les sceptiques sont plus nombreux que les convaincus

Voici pourquoi « guérir toutes les maladies » relève, pour le moins, de l'annonce très audacieuse :

• De la molécule au médicament, il n'y a pas qu'une seule étape. Même si l'IA prédisait parfaitement une molécule, il faudrait encore la synthétiser en laboratoire, la tester sur des cultures cellulaires, puis sur l'animal, puis sur l'humain (essais cliniques : 3 phases, 5-10 ans), avant d'obtenir enfin le feu vert du régulateur.
• « Toutes les maladies », ce n'est pas 100 pathologies, c'est plus de 10 000. Certaines sont d'origine génétique (dans le champ de l'IA), mais d'autres sont infectieuses, auto-immunes, psychiatriques ou environnementales. Face à elles, une IA de biologie moléculaire ne sera pas d'un grand secours.
• L'histoire de l'IA est jalonnée de promesses non tenues. Deep Blue promettait une révolution dans l'analytique. IBM Watson promettait une révolution en médecine. La réalité est généralement plus complexe que les slides marketing.
• Les régulateurs ralentissent le processus à dessein. La FDA exige des preuves de sécurité : ce n'est pas un caprice, c'est une protection des patients. Une proposition générée par l'IA n'est que le premier pas d'un très long chemin.

«

Un fossé immense sépare les grandes promesses des résultats en clinique réelle », écrivent les rédacteurs de The Verge, et ils ne sont pas les seuls à le penser.

Ce que cela signifie vraiment

Les outils de Google DeepMind sont réellement utiles et peuvent accélérer certaines phases du développement de médicaments, en particulier l'identification de candidats.

Mais « guérir toutes les maladies » n'est pas un problème technologique. Tout dépend de la complexité de la biologie, de la sévérité des exigences réglementaires et des montants à investir dans chaque axe de recherche.

L'IA sera une bonne assistante pour les scientifiques. Mais elle ne fera pas de miracles. Les promesses de Demis Hassabis ne sont probablement qu'un discours calibré pour la Google I/O. Un discours utile, mais mieux vaut garder les pieds sur terre.