Publié le 2025-10-03 15:14:00. Des chercheurs européens préconisent l’intégration de l’intelligence artificielle (IA) dans les stratégies de santé publique pour anticiper et mieux gérer les maladies émergentes, une approche jugée essentielle pour éviter de futures pandémies.
- L’IA peut identifier des schémas complexes dans de vastes ensembles de données pour prédire les risques d’émergence de maladies.
- Le séquençage métagénomique, couplé à l’IA, permet de détecter des agents pathogènes potentiels, même nouveaux, dans des échantillons environnementaux.
- L’IA est vue comme un « co-scientifique » prometteur, renforçant la capacité d’analyse et de prise de décision des chercheurs, mais sans remplacer les méthodes traditionnelles.
La détection précoce des virus dangereux avant leur propagation massive demeure un défi majeur. Face à des maladies comme le SRAS-CoV-2, la grippe aviaire ou le MPOX, qui démontrent la difficulté de contenir rapidement de nouvelles épidémies, des scientifiques de cinq universités et instituts de recherche européens appellent à une approche innovante. Dans une tribune publiée dans *The Lancet Infectious Diseases*, ils soulignent le potentiel de l’intelligence artificielle pour révolutionner la prédiction et la surveillance des maladies infectieuses, en complément des méthodes existantes.
« L’intelligence artificielle seule ne peut pas empêcher les pandémies, mais la technologie peut être un complément puissant aux connaissances et aux méthodes que nous utilisons déjà », explique le Professeur Frank Møller Aarestrup de l’Institut National de l’Alimentation de l’Université Technique du Danemark (DTU). Il insiste sur l’importance d’une meilleure intégration des données provenant des humains, des animaux et de l’environnement pour renforcer notre préparation. Le Professeur Marion Koopmans du Centre Médical Erasmus aux Pays-Bas, co-auteure de la tribune, ajoute qu’une fois qu’une maladie commence à se propager, il devient extrêmement difficile de la maîtriser, comme l’a prouvé la pandémie de COVID-19, imposant des interventions drastiques. « C’est pourquoi il est crucial de détecter de nouveaux agents pathogènes avant qu’ils ne prennent pied », souligne-t-elle.
Le changement climatique, l’intensification de l’élevage et l’empiètement humain sur les habitats naturels augmentent le risque de « déversements », ces événements où des agents pathogènes passent des animaux à l’homme. Bien que la plupart de ces transmissions initiales s’éteignent d’elles-mêmes, certaines peuvent déclencher des épidémies incontrôlables. Pour identifier ces « étincelles » le plus tôt possible, l’équipe de recherche, qui comprend également des experts de l’Université Eötvös Loránd (Hongrie), de l’Université de Bologne (Italie) et de l’agence britannique pour les animaux et les plantes, a exploré les approches de « Big Data ».
L’IA excelle dans l’analyse d’ensembles de données complexes et hétérogènes, incluant des informations sur le climat, l’utilisation des terres, la production animale, les transports, les mouvements de population et la socio-économie. Elle peut ainsi révéler des corrélations et des schémas difficilement décelables par des méthodes conventionnelles. Ces analyses permettent d’identifier les zones géographiques et les espèces animales où la surveillance devrait être renforcée, ainsi que les milieux comme les eaux usées ou l’environnement, afin de cibler les efforts là où les risques sont les plus élevés.
« L’IA peut nous aider à identifier où, dans le monde, la surveillance devrait être intensifiée géographiquement, mais aussi chez des espèces animales spécifiques, dans les eaux usées ou chez l’homme. De cette façon, nous pouvons hiérarchiser les efforts là où les risques sont les plus grands hotspots. »
Professeur Frank Møller Aarestrup, Institut National de l’Alimentation, DTU, Danemark
Une fois ces « points chauds » prédits, le séquençage métagénomique intervient. Cette technique analyse l’ensemble du matériel génétique présent dans un échantillon (eaux usées, air, nourriture, environnement), permettant de détecter une grande diversité de micro-organismes, connus ou inconnus. « Lorsque nous séquençons un échantillon, nous pouvons trouver des millions de fragments génétiques. La plupart ressemblent à quelque chose de familier et d’inoffensif, mais nous nous retrouvons avec des milliers d’inconnues. Ici, l’IA peut aider à détecter des schémas et à indiquer ce qui pourrait être dangereux », explique le Professeur Aarestrup.
De plus, l’IA peut contribuer à évaluer le potentiel infectieux et pathogène de nouveaux virus. En analysant le code génétique, les outils basés sur l’IA peuvent prédire comment les mutations pourraient modifier les propriétés virales, influençant leur capacité à infecter l’homme, à se propager et à causer des maladies graves. « Nous observons d’énormes développements dans ce domaine. Les modèles de protéines basés sur l’IA peuvent indiquer ce qu’une mutation fait à la structure d’un virus, et comment cela peut ensuite se traduire par un risque de propagation ou un risque de maladie grave », note le Professeur Koopmans, soulignant le potentiel de l’IA pour accélérer l’évaluation des risques.
Les auteurs évoquent également les premiers prototypes d’IA agissant comme des « co-scientifiques », capables de mener un cycle de recherche complet, de la formulation d’hypothèses à l’analyse de données. « J’envisage que l’IA devienne une compétence reconnue à la table – au même titre que différents types de chercheurs », commente le Professeur Aarestrup. Elle pourrait fournir des analyses ou des suggestions que les scientifiques humains évalueraient, renforçant ainsi leurs processus décisionnels. Cependant, cette évolution soulève des questions sur le rôle futur des chercheurs en tant qu’enseignants et superviseurs, et sur la nécessité de garantir la fiabilité des résultats produits par ces nouvelles méthodes. « Nous devons retourner à l’école », conclut le Professeur Koopmans.
En conclusion, l’IA offre des perspectives prometteuses pour améliorer la préparation aux pandémies, mais elle doit être considérée comme un outil complémentaire, et non un substitut, aux approches de surveillance et de recherche classiques.