Google déploie l’IA du génome à la météo : ce qu’il faut retenir

Les dernières annonces de Google ne correspondent pas à un lancement unique, mais à un ensemble d’outils d’intelligence artificielle destinés à la recherche, à la santé, à la météo et à l’accès à l’information. Le fil conducteur : rendre des prédictions et des données plus exploitables. Leur utilité concrète dépendra toutefois de leur validation scientifique, de leurs conditions d’accès et de leur déploiement responsable. 4

AlphaGenome Atlas : une carte consultable des variations de l’ADN

La principale nouveauté est AlphaGenome Atlas, une base de données qui rassemble des prédictions générées par IA sur les effets moléculaires d’environ 9 milliards de variants mononucléotidiques. Il s’agit de tous les changements possibles d’une seule « lettre » dans le génome humain. Google DeepMind indique avoir pré-calculé leur impact régulateur avec son modèle AlphaGenome, pour un jeu de données d’environ un pétaoctet. 312

L’intérêt est avant tout pratique : plutôt que d’exécuter un modèle pour chaque variation génétique candidate, les équipes de recherche peuvent consulter des prédictions déjà disponibles. Le score AlphaGenome Variant Impact (AVI) doit les aider à prioriser les variants à étudier. L’Atlas couvre à la fois les régions qui codent des protéines et celles qui contrôlent l’activité des gènes. 212

C’est un outil d’orientation pour la recherche, et non un outil de diagnostic. Une prédiction d’effet moléculaire ne démontre ni qu’une maladie est causée par un variant ni qu’une décision médicale peut être prise : des validations expérimentales, cliniques et propres à chaque cas restent nécessaires. 8

Aux côtés d’AlphaFold et d’AlphaMissense

Google situe AlphaGenome dans la continuité de ses outils de biologie computationnelle. AlphaFold s’intéresse à la prédiction de la structure des protéines ; AlphaMissense et AlphaGenome évaluent plutôt les conséquences probables de variations génétiques. L’ensemble peut aider les scientifiques à formuler des hypothèses sur le passage d’une modification de l’ADN à ses possibles effets dans la cellule. 412

Ces outils sont complémentaires, mais ne constituent pas un système clinique unifié. Leur valeur dépend de la capacité des chercheurs à confronter leurs résultats aux mécanismes biologiques observés.

Cancer du sein : un résultat de recherche, pas un remplacement des soignants

Google a aussi mis en avant une étude menée avec l’Imperial College London et le NHS britannique, le service public de santé du Royaume-Uni. Selon l’entreprise, un système expérimental d’IA a identifié 25 % des cancers d’intervalle qui avaient été manqués par les méthodes de dépistage conventionnelles, sur des mammographies de 175 000 femmes. Ces cancers apparaissent après un examen de dépistage et peuvent être plus difficiles à traiter lorsqu’ils ne sont détectés qu’après l’apparition de symptômes. 446

Le signal est important pour la recherche, mais il ne prouve pas que l’IA puisse remplacer les programmes de mammographie, les radiologues ou la décision clinique. Toute utilisation en pratique exige des validations dans des contextes variés, une supervision adaptée et une évaluation attentive des faux positifs, des faux négatifs et des résultats pour les patientes. 46

WeatherNext 3 : des prévisions mondiales alimentées par satellite

WeatherNext 3 est le nouveau modèle mondial de prévisions météorologiques de Google. Il intègre des données satellitaires en temps réel et produit des prévisions horaires à plusieurs résolutions spatiales, notamment pour les précipitations. 1819

Google fait état d’améliorations pouvant atteindre 60 % par rapport à IMERG, 30 % par rapport à MRMS et 10 % par rapport aux mesures de pluviomètres, selon les indicateurs et les échéances retenus. Une annonce régionale du groupe évoque aussi jusqu’à 50 % d’amélioration de l’exactitude des prévisions de pluie pour le lendemain et au-delà. 1920

Les données satellitaires peuvent être particulièrement utiles dans les zones où les observations au sol sont rares. Mais les chiffres de performance varient selon la méthode de mesure, la référence de comparaison, la région et l’horizon de prévision. Une prévision issue d’IA doit donc s’inscrire dans un dispositif météorologique et de gestion des risques plus large.

Earth AI : anticiper des crises à l’échelle planétaire

Le Planetary Prediction Engine d’Earth AI réunit des données sur la santé mondiale, la sécurité alimentaire et les facteurs socioéconomiques afin de prévoir des crises, comme des épidémies, des pénuries alimentaires ou des risques liés au climat. Google affirme que le système, utilisable avec des instructions en langage naturel, a été employé durant l’épidémie d’Ebola en République démocratique du Congo ainsi que pour identifier, aux États-Unis, des communautés vulnérables à partir de 21 indicateurs de santé des CDC. 4

Un tel système peut aider les organisations à repérer plus tôt les zones qui appellent une enquête ou une attention particulière. Ses résultats restent cependant des prévisions : leur fiabilité dépend des données disponibles, des hypothèses du modèle et des décisions prises ensuite par les équipes sanitaires et humanitaires.

Un accès à l’information dans davantage de langues

Google évoque également une prise en charge par l’IA de plus de 300 langues, parlées par environ 7 milliards de personnes, soit près de 86 % de la population mondiale. L’objectif affiché est de réduire les barrières linguistiques à l’information et aux services numériques. 4

Mais la couverture d’une langue ne garantit pas une qualité d’accès équivalente. La fiabilité des traductions, la prise en compte des variantes régionales, le contexte culturel, la connectivité et l’existence de sources solides restent déterminants.

AI & Economy ATLAS : observer les usages de l’IA

Le projet ouvert AI & Economy ATLAS vise à documenter les usages de l’IA dans le travail et la vie quotidienne à travers le monde. Il doit offrir une photographie descriptive de l’adoption de ces outils et de leurs effets perçus, plutôt qu’une prévision définitive sur l’emploi ou la productivité. 414

Cette distinction compte : l’IA peut faire émerger de nouvelles tâches, de nouveaux outils et certains emplois, tout en réduisant ou en transformant la demande pour d’autres activités. Mesurer les usages est utile, mais ne suffit pas à déterminer comment les bénéfices, les risques et les opportunités seront répartis.

À retenir

La ressource de recherche la plus concrète est AlphaGenome Atlas : une carte ouverte, générée par IA, des effets prédits d’environ 9 milliards de changements d’une lettre dans l’ADN humain. Autour de cet Atlas, Google accélère aussi sur les prévisions météo, la cartographie de crises, la recherche en santé, l’accès multilingue et la compréhension de l’adoption de l’IA. 34

Le potentiel est considérable, mais les bénéfices ne sont pas automatiques. Les prédictions scientifiques et médicales doivent être validées ; les outils de prévision doivent être utilisés avec prudence ; et l’élargissement de l’accès doit aller de pair avec la précision, la pertinence locale et un déploiement équitable.