PathogenFinder2 de la DTU peut évaluer la menace potentielle de bactéries inconnues — mais il y a un bémol

Le nouveau modèle de la DTU arrive avec une promesse éclatante — et une tension concrète

Le 27 mars 2026, des chercheurs de l'Université technique du Danemark (DTU) ont mis en ligne un nouveau service d'IA : PathogenFinder2, un module gratuit de la Global Pathogen Analysis Platform (GPAP) qui prétend permettre aux utilisateurs de tester des génomes bactériens complets afin que l'outil évalue la menace potentielle que ces génomes représentent. Dans un résumé précis accompagnant l'article de Bioinformatics, l'équipe dirigée par Alfred Ferrer Florensa affirme que le modèle peut mettre en évidence des protéines et des signaux génétiques liés à la virulence, même lorsque l'organisme n'a aucun parent proche connu. Le résultat est un système de signalement rapide et interprétable pour la surveillance des eaux usées, la découverte de microbes sauvages et l'analyse du microbiome qui — sur le papier — fait passer l'évaluation du stade « nous ne savons pas » à celui de « celui-ci semble inquiétant ».

Cette capacité est aujourd'hui primordiale car le séquençage génomique — des eaux usées, des aliments, des réservoirs animaux et des échantillons humains — a explosé. Des groupes découvrent des espèces bactériennes sans antécédents cliniques ; les agences de santé publique ne peuvent pas attendre des semaines pour des travaux de culture et un phénotypage fastidieux à chaque alerte mineure. PathogenFinder2 promet de trier ces découvertes, en indiquant quels génomes méritent un suivi urgent en laboratoire et lesquels peuvent être classés comme bruit de fond. Mais la technologie apporte également les compromis habituels : un triage plus rapide, mais plus de fausses alertes ; une interprétabilité du modèle, mais aussi un biais dans l'ensemble d'entraînement ; et une valeur pour la santé publique, mais des lacunes importantes en matière de gouvernance quant à savoir qui doit agir suite aux avertissements.

Comment l'outil évalue la menace potentielle : modèles de langage protéique et 21 000 génomes

L'équipe a entraîné et validé le système sur ce qu'elle décrit comme le plus grand ensemble de données étiquetées à ce jour : plus de 21 000 génomes annotés comme associés à des maladies ou non pathogènes, provenant d'isolats cliniques, d'études de microbiomes, de souches probiotiques et même d'extrêmophiles. Crucialement, le modèle fournit également une explication : il met en évidence les protéines ou régions spécifiques qui influencent le plus fortement un score de risque élevé — des facteurs de virulence classiques tels que les toxines ou les adhésines, mais aussi des protéines non caractérisées auparavant qui justifient une étude en laboratoire. Cette interprétabilité est délibérée : la DTU présente PathogenFinder2 comme un outil de hiérarchisation des preuves plutôt que comme un arbitre final de la pathogénicité.

Quand l'outil évalue la menace potentielle — points forts, angles morts et comparaison avec les tests en laboratoire

Cependant, la prédiction informatique ne remplace pas le phénotype. La microbiologie classique — courbes de croissance, tests d'interaction avec les cellules hôtes, modèles animaux et corrélation clinique — reste la référence pour prouver qu'une bactérie cause une maladie. Les scores de l'IA sont probabilistes et sujets à deux erreurs pratiques : les faux négatifs (mécanismes nouveaux que le modèle n'a pas appris) et les faux positifs (signatures biochimiques corrélées à la virulence dans certains contextes mais inoffensives dans d'autres). De plus, les plateformes de séquençage diffèrent — Illumina et Nanopore ont des profils d'erreur différents — et ces différences techniques peuvent modifier la fiabilité avec laquelle certaines protéines sont identifiées. Résultat : PathogenFinder2 doit être considéré comme un filtre d'aide à la décision qui donne la priorité aux spécimens pour une validation ciblée en laboratoire, et non comme une machine à verdicts de santé publique.

Où PathogenFinder2 s'intègre dans la surveillance et comment il pourrait modifier les décisions de santé publique

Appliqué de manière judicieuse, un outil de triage génomique réduit le délai entre la découverte et l'action. La DTU et ses partenaires soulignent des utilisations déjà familières aux équipes de santé publique : la surveillance des eaux usées pour les signaux précoces d'épidémies, le dépistage d'échantillons environnementaux provenant des chaînes alimentaires et l'exploration des microbiomes de personnes saines pour identifier des souches porteuses de caractéristiques risquées. Si un génome provenant d'une canalisation d'eaux usées présente plusieurs protéines à forte influence, les laboratoires pourraient allouer les tests de culture et d'infectiosité à ce spécimen en priorité, et les régulateurs pourraient mettre en place un traçage des contacts ou un échantillonnage ciblé.

Pourtant, l'influence de tels outils sur les politiques dépend de plusieurs réalités opérationnelles. Premièrement, les capacités de laboratoire et cliniques varient énormément d'une région à l'autre : de nombreux systèmes de santé publique manquent de capacités de confinement élevé et de tests spécialisés nécessaires pour confirmer les alertes de l'IA. Deuxièmement, les agences ont besoin d'avoir confiance dans les caractéristiques de fonctionnement de l'outil dans leur environnement local — sensibilité, valeur prédictive positive et schémas de faux positifs — ce qui nécessite des ensembles de données de validation indépendants, et pas seulement l'ensemble d'entraînement assemblé par la DTU. Troisièmement, les décideurs doivent peser le coût d'une action basée sur des pistes de l'IA par rapport aux conséquences sociales et économiques d'alertes prématurées. L'outil raccourcit une chronologie (le triage génomique) mais il ne permet pas, à lui seul, de boucler la boucle entre le signal génomique et une intervention efficace.

Pouvoir, vie privée et double usage : ce que le déploiement d'un modèle évaluant la menace potentielle révèle sur la gouvernance

PathogenFinder2 se situe à l'intersection complexe de la capacité et de la responsabilité. Trois risques de gouvernance méritent attention. Le premier concerne les lois sur la vie privée et le partage des données : les données génomiques — surtout lorsqu'elles sont liées à des métadonnées humaines ou agricoles — sont soumises à des règles strictes dans de nombreuses juridictions (par exemple, le RGPD en Europe). Les flux de données transfrontaliers, nécessaires pour un entraînement et une évaluation robustes, sont souvent limités par les politiques. Le deuxième est l'équité : les laboratoires riches valideront rapidement les alertes de l'IA ; les régions sous-équipées pourraient voir les outils prédictifs amplifier leur incapacité à agir, élargissant ainsi les lacunes de surveillance.

Le troisième risque est le double usage. Des commentateurs ont souligné que les méthodes d'IA peuvent être détournées pour concevoir ou ajuster des agents biologiques. L'équipe de PathogenFinder2 met l'accent sur l'interprétabilité et l'utilisation pour le bien public, mais les modèles ouverts et puissants soulèvent inévitablement un compromis entre transparence et usage malveillant potentiel. Le domaine doit coupler la capacité avec des sauvegardes par paliers : contrôles d'accès sur les recherches de séquences brutes, divulgation progressive des mécanismes internes du modèle et surveillance étroite par les organismes internationaux qui gèrent déjà la surveillance des agents pathogènes et la sécurité alimentaire. En l'absence de ces mesures, un outil destiné à réduire les surprises pourrait devenir un vecteur de nouveaux risques.

Lacunes dans les données et prochaines preuves nécessaires pour l'outil

Le génome est précis ; les décisions prises autour de lui ne le sont pas. PathogenFinder2 lit les protéines ; la capacité des institutions à lire correctement les avertissements déterminera si l'outil prévient la prochaine épidémie ou s'il ajoute simplement un tableau de bord supplémentaire dans un poste de pilotage de la santé publique déjà encombré.

Sources

• Bioinformatics (journal) — Florensa A. F. et al., whole‑genome prediction of bacterial pathogenic capacity using protein language models (PathogenFinder2).
• Technical University of Denmark (DTU) — Matériel de presse du DTU National Food Institute et groupe de recherche pour l'épidémiologie génomique.
• npj Science of Food (Nature) — revue : Advancing microbial risk assessment and detection technologies.
• Organisation mondiale de la santé (OMS) — documents d'orientation référencés pour les cadres internationaux d'évaluation des risques et le partage des données.