DeepMind et le vieillissement : l'intelligence artificielle identifie des gènes qui rajeunissent les cellules

Toutes les décennies ou deux, il y a un moment où deux domaines qui se sont développés séparément entrent en collision et les transforment tous les deux pour toujours. C'est ce qui s'est produit lorsque l'informatique a rencontré la génétique et a créé la bioinformatique. Maintenant, nous assistons à nouveau à un tel moment : l'intelligence artificielle rencontre la biologie du vieillissement.

Le 19 mai 2026, Google DeepMind, le laboratoire d'intelligence artificielle derrière AlphaFold et AlphaGo, a publié sa nouvelle orientation de travail dans le domaine du vieillissement. L'outil au centre de l'annonce s'appelle Co-Scientist : un système d'intelligence artificielle multi-agents, basé sur le modèle Gemini, dont le rôle est de parcourir la littérature scientifique, de générer des hypothèses, de les confronter et de les classer. Une équipe de chercheurs l'a utilisé pour identifier des pistes génétiques, des candidats génétiques capables de faire passer des cellules âgées à un état plus jeune. En termes simples, le système a tenté de répondre à la question que les chercheurs en longévité se posent depuis vingt ans : quels gènes faut-il activer ou désactiver pour réinitialiser l'âge de la cellule ?

La différence réside dans la vitesse. Une analyse qui combine des données d'une expérience de criblage avec des dizaines de milliers d'articles scientifiques peut prendre à un chercheur jusqu'à six mois. Avec Co-Scientist, le même travail est réduit à quelques jours. Ce n'est pas un médicament, et ce n'est pas encore une promesse, mais c'est un bond dramatique dans la vitesse à laquelle nous réduisons l'espace des possibilités.

Que sont exactement les pistes génétiques pour le rajeunissement cellulaire ?

Pour comprendre ce que l'équipe cherchait, il faut comprendre ce que la science sait déjà sur le rajeunissement cellulaire :

• Reprogrammation : En 2006, Shinya Yamanaka a montré qu'il est possible de ramener une cellule adulte à un état de cellule souche en activant seulement quatre gènes (OSKM). C'était la preuve que l'âge cellulaire est réversible.
• Reprogrammation partielle : Au lieu d'effacer complètement l'identité de la cellule, on active les gènes pendant une courte période pour la 'rajeunir' sans la transformer en cellule souche. Ainsi, la cellule reste un neurone ou une cellule de la peau, mais plus jeune.
• Pistes génétiques : Ce sont des candidats, des gènes ou des combinaisons de gènes, qui ont un fort potentiel pour réaliser ce rajeunissement. La grande majorité d'entre eux n'ont pas encore été testés en laboratoire.

Le problème est la taille de l'espace de recherche et la quantité de connaissances dispersées. Le génome humain compte environ 20 000 gènes, et les connaissances sur leur rôle sont dispersées dans des dizaines de milliers d'articles scientifiques. Relier manuellement tous ces fils et comprendre quels candidats tester en premier peut prendre des mois de travail. C'est là que l'intelligence artificielle entre en jeu.

Le lien avec l'intelligence artificielle : un système qui lit toute la littérature

Il est important de comprendre ce que Co-Scientist fait et ne fait pas. Il n'est pas un modèle de type AlphaFold qui prédit la structure tridimensionnelle d'une protéine, et il ne 'scanne pas des millions de combinaisons de gènes' à partir de données biologiques brutes. Au lieu de cela, c'est un système multi-agents où chaque agent joue un rôle : un agent génère des hypothèses, un autre les critique, un autre les classe et les améliore. Tous travaillent sur la même matière première, la littérature scientifique existante.

Lorsque l'équipe a demandé à Co-Scientist de rechercher dans la littérature des facteurs susceptibles d'inverser le vieillissement, il a parcouru des dizaines de milliers d'articles, a évalué une multitude d'hypothèses et a finalement proposé plus de 20 nouveaux facteurs génétiques prometteurs à tester. Des expériences en laboratoire ont validé certaines de ses hypothèses : plusieurs des facteurs qu'il a recommandés ont effectivement poussé les cellules vers un état plus jeune avec une fonction globale améliorée. C'est ainsi que l'IA concentre les chercheurs : au lieu de filtrer seuls la mer de la littérature, ils reçoivent une liste courte et ciblée de candidats à tester en premier.

Cette distinction est importante car il est facile de confondre deux types d'outils. AlphaFold a résolu un problème complètement différent, la prédiction de structure, et a valu à ses chefs d'équipe le prix Nobel de chimie en 2024 (voir ci-dessous). Co-Scientist, en revanche, est un 'partenaire de recherche' qui synthétise des connaissances dispersées et propose des directions. Les deux sont de DeepMind, mais ce sont des outils de types différents qui répondent à des questions différentes.

Le contexte industriel est également important. DeepMind fait partie d'Alphabet (la société mère de Google), qui exploite également Calico, une société créée en 2013 spécifiquement pour lutter contre le vieillissement. La combinaison de la puissance de calcul, d'une immense littérature scientifique et d'un financement quasi illimité est exactement ce qui a manqué jusqu'à présent au domaine de la longévité.

Les preuves actuelles

Il est important d'être précis : la proposition d'un candidat génétique par le système est le début du chemin, pas sa fin. Cependant, on peut placer l'annonce dans le contexte de ce qui a déjà été prouvé ces dernières années et comprendre pourquoi les attentes sont élevées.

Étude 1 : Rajeunissement cellulaire dans l'œil en 2020

Une équipe de Harvard dirigée par David Sinclair a montré qu'il est possible de restaurer la vision chez des souris âgées et des souris atteintes de glaucome en activant trois des quatre facteurs de Yamanaka (OSK) dans le nerf optique. Les cellules nerveuses se sont régénérées et leur âge biologique a diminué (Lu et al., Nature 2020). C'est la preuve que des cibles génétiques précises peuvent effectivement inverser les processus.

Étude 2 : AlphaFold et la prédiction de la structure des protéines

Dans une réalisation distincte et différente, DeepMind a publié en 2022 les structures tridimensionnelles de plus de 200 millions de protéines, presque toutes les protéines connues. Cette réalisation a valu à ses chefs d'équipe, Demis Hassabis et John Jumper, le prix Nobel de chimie en 2024, et a prouvé que l'intelligence artificielle peut résoudre des problèmes biologiques considérés comme insolubles depuis des décennies. Notez bien : il s'agit d'un outil différent de Co-Scientist, mais il démontre la même capacité de DeepMind à accélérer la science biologique.

Étude 3 : Cartes cellulaires à grande échelle

Des projets comme le Human Cell Atlas ont cartographié le profil d'expression génétique de millions de cellules individuelles provenant de divers tissus et âges. Ces données, ainsi que la littérature scientifique, font partie de la matière première sur laquelle un système comme Co-Scientist peut s'appuyer pour comprendre ce qu'est une 'cellule jeune' et une 'cellule âgée' au niveau des gènes.

Étude 4 : Horloges de vieillissement épigénétiques

L'horloge de Horvath et ses successeurs mesurent l'âge biologique en fonction des schémas de méthylation de l'ADN avec une précision d'environ 3,6 ans (erreur moyenne). De telles horloges fournissent aux chercheurs une mesure objective : le changement génétique proposé a-t-il effectivement réduit l'âge, ou non.

Qu'en est-il des maladies spécifiques liées à l'âge ?

Le rajeunissement cellulaire n'est pas un objectif abstrait. Si nous parvenons à rajeunir les cellules, les implications concernent toutes les maladies liées à l'âge :

• Maladies neurodégénératives du cerveau : Les neurones ne se divisent presque pas, donc leur rajeunissement pourrait être une solution pour Alzheimer et Parkinson, là où les cellules souches n'aident pas.
• Maladies cardiaques : Les cellules du muscle cardiaque perdent leur capacité de régénération avec l'âge. Une reprogrammation partielle pourrait la restaurer.
• Système immunitaire : Le 'rajeunissement' des cellules du système immunitaire pourrait restaurer la défense qui s'affaiblit avec l'âge et améliorer la réponse aux vaccins.

En d'autres termes, un moteur qui identifie efficacement des cibles génétiques pour le rajeunissement ne résout pas une seule maladie, mais attaque le facteur commun à toutes les maladies liées à l'âge.

Est-ce la percée que nous attendions tous ?

Ici, il faut s'arrêter et respirer profondément. Le titre 'l'intelligence artificielle inverse le vieillissement' est excitant, mais la distance entre un candidat génétique sur un écran et un traitement chez l'homme est immense.

• Une proposition n'est pas une validation : Même si le système propose un gène comme candidat prometteur, il faut le tester sur des cellules vivantes, puis sur des animaux, et seulement ensuite sur des humains. Le taux d'échec sur ce chemin est très élevé. Même dans l'exemple actuel, seule une petite partie des 20 facteurs proposés a passé une validation initiale sur des cellules.
• Le risque de cancer : L'activation des facteurs de Yamanaka sans contrôle transforme les cellules en cellules souches sauvages, ce qui peut provoquer des tumeurs. Le contrôle de la dose et du temps est le plus grand défi.
• Temps : Même dans un scénario optimiste, les essais cliniques chez l'homme durent 7 à 12 ans. Aucune intelligence artificielle ne raccourcit la phase de sécurité.
• Battage médiatique contre réalité : Les entreprises commerciales et les titres aiment brouiller la distinction entre 'nous avons trouvé un candidat' et 'nous avons trouvé un traitement'. Le consommateur doit lire attentivement ce qui a été exactement prouvé.

Donc non, aucun d'entre nous ne recevra une injection de rajeunissement dans l'année à venir. Ce qui s'est passé, c'est que la vitesse de la phase de découverte a fait un bond en avant, et cela seul est significatif.

Que retenir de cette recherche ?

Même sans accès aux laboratoires de Google, il y a des leçons pratiques que l'on peut appliquer dès aujourd'hui :

1. N'achetez pas de 'médicaments de rajeunissement' qui prétendent être basés sur l'intelligence artificielle. Si quelque chose est déjà vendu aujourd'hui, il n'a pas passé la phase de validation clinique. Gardez un scepticisme sain.
2. Soutenez vos mécanismes de réparation naturels : L'exercice physique, le jeûne intermittent et un sommeil de qualité activent les mêmes voies de réparation de l'ADN et de rajeunissement cellulaire que la science tente de déchiffrer.
3. Suivez votre horloge biologique : Les tests d'âge épigénétique (comme TruAge) sont disponibles pour le public et fournissent une mesure objective de l'impact de vos changements de mode de vie.
4. Investissez dans la santé métabolique : L'équilibre du sucre, le maintien de la masse musculaire et un cholestérol normal ralentissent le vieillissement cellulaire même sans aucune intervention génétique.
5. Restez informé, mais avec patience : C'est un domaine qui progresse par bonds. La véritable bonne nouvelle viendra des résultats d'essais cliniques, pas d'un communiqué de presse.

La perspective plus large

L'entrée de DeepMind dans l'arène de la longévité marque un changement plus profond que n'importe quel gène individuel qu'elle pourrait trouver. Elle marque le passage du vieillissement d'un domaine scientifique marginal à une arène où les plus grands acteurs technologiques du monde sont en compétition. Lorsque Google, avec l'un des laboratoires d'intelligence artificielle les plus puissants au monde, décide que le rajeunissement cellulaire mérite son attention, tout le domaine reçoit financement, talents et légitimité.

Mais il y a aussi un rappel modeste ici. Co-Scientist n'a pas 'résolu' la biologie, il a synthétisé les connaissances existantes et donné aux chercheurs une bien meilleure carte. L'intelligence artificielle réduit l'espace de recherche, elle ne remplace pas le travail difficile de validation, de sécurité et de compréhension. Le génome n'est pas seulement un texte à déchiffrer, c'est un système vivant qui réagit de manières qui nous surprennent encore.

Le bon moment pour s'exciter n'est pas lorsqu'un algorithme propose un candidat, mais lorsqu'une véritable cellule humaine en laboratoire devient plus jeune grâce à lui. Co-Scientist vient de raccourcir le chemin vers ce moment, mais ne l'a pas annulé.

Références :
Google DeepMind : Accélérer les pistes génétiques pour inverser le vieillissement cellulaire, 19 mai 2026