La carte génomique de 9 milliards de variantes de DeepMind est crédible, mais pas un catalyseur.

Google DeepMind a publié l’AlphaGenome Atlas mardi : des prédictions concernant l’effet biologique de…Tous les 9 milliards de changements de lettre possibles dans le génome humainEmballé commeBase de données de 1 pétaoctetLibrement accessible aux chercheurs académiques. Quelle que soit l’ambition scientifique, c’est un événement majeur – un exploit qui suscite des titres de presse enthousiastes, et pour les personnes qui possèdent des données commerciales, un instinct de poursuite insatiable. Avant cet instinct, il faut d’abord comprendre ce que une base de données de recherche libre peut vraiment offrir au sein d’une entreprise valant environ 4 billions de dollars.

La réponse n’a rien à voir avec les revenus d’aujourd’hui. Elle concerne plutôt le fait où DeepMind place sa crédibilité.

Ce qui a été réellement publié

L’Atlas n’est pas un modèle nouveau. C’est le produit d’un modèle précédent.Modèle de séquence d’ADN AlphaGenome, publié par DeepMind l’an dernierMaintenant, cela s’applique à tout le génome ; ainsi, les scientifiques n’ont pas besoin de faire ces inférences eux-mêmes. Pour chacun des 9 milliards de variantes de singles nucléotides, le système stocke des milliers de prédictions moléculaires concernant la régulation génique, les processus de splicing et l’accessibilité de la chromatine, dans des centaines de types de cellules humaines et de souris. On peut penser à cela comme à l’élimination du goulot d’étranglement lié aux calculs informatiques : au lieu que les chercheurs doivent interroger une IA, DeepMind a déjà calculé toutes les réponses nécessaires et les fournit sous forme de tableau de recherche.

Sa monnaie centrale est un seul chiffre pour chaque variante, appelé le score AVI. Ce score combine deux prédictions : AlphaGenome pour…98 % du génomecelle qui régule les gènes, mais qui ne code pas pour de protéines, etAlphaMissenseLe outil de 2023 s’adresse aux 2 % qui le font. Cette unification est importante, car la plupart des variantes des maladies humaines se trouvent dans la majorité non codante ; auparavant, elles étaient presque invisibles.

Les résultats initiaux sont réels. En réanalysant les cas de maladies rares non résolus, cet outil a permis d’identifier une variante dans…Gène DNM1 lié à l’encéphalopathie épileptiqueDans le Biobank du Royaume-Uni, les variantes rares ont été regroupées en fonction de leurs effets moléculaires prévus.22 % de plus en termes d’associations non codantes.Plus que l’analyse standard concernant 54 000 participants.

Le précédent d’AlphaFold est important.

Aucune de ces choses ne représente ce que devrait vendre un propriétaire d’Alphabet. DeepMind est déjà passée par là avant. En 2020, elle a lancé AlphaFold, une base de données gratuite contenant des informations sur les structures protéiques. Elle n’a pas généré de revenus directs – mais elle a permis à Demis Hassabis et John Jumper de recevoir le prix Nobel de chimie en 2024.Isomorphic Labs, la société sœur de DeepMind, spécialisée dans la découverte de médicaments.Dont la société utilise maintenant un modèle de type « frontier » propriétaire, basé précisément sur cette même base.

C’est le modèle à observer : la science libre constitue le “rotin de crédibilité” ; l’argent est extrait à proximité de celui-ci. Pour AlphaGenome, le vecteur commercial est déjà visible. Le modèle de base se trouve sur Model Garden de Google Cloud.Arrangement de licence commercial pour Atlas via Google Cloudest promis “bientôt”. Isomorphe, quinécessite une licence commercialeComme tout autre produit utilisé à l’extérieur, il possède des avantages intérieurs. DeepMind a même reconnu cela.L’Atlas n’est pas aussi précis que AlphaFold.Il s’agissait de la structure des protéines – ce sont des hypothèses à tester en laboratoire.Clairement non validé ou non approuvé pour le diagnostic clinique.

Ainsi, la notion de “framing” est une catégorie binaire qui se répète dans les résultats produits par DeepMind : il s’agit soit d’un actif de recherche ouvert qui fait dépendre un domaine en développement de l’infrastructure et des connaissances scientifiques de Google, soit d’une erreur de calcul liée aux activités commerciales dont le véritable moteur est la publicité, les services cloud et la monétisation de Gemini. Les deux sont vrais, et le rôle de l’investisseur est de les évaluer correctement.

Ce que le propriétaire devrait vraiment faire

Atlas reproduit le même message que les dizaines de publications précédentes de DeepMind : la force de Alphabet en matière d’IA ne réside pas dans un seul produit, mais dans la combinaison de talents de première classe, d’une capacité de calcul inégalée, et d’une marque qui a le droit de définir les frontières du domaine. Les outils gratuits permettent à cette dynamique de se renforcer, et la valeur de marché de 4 000 milliards de dollars illustre déjà cette tendance.

Ce que Atlas ne fait pas, c’est changer la courbe de retour. À cette échelle, un progrès scientifique qui n’affecte pas les revenus, les marges ou les investissements de certains segments d’entreprise constitue plutôt un événement de marque, et non un facteur déclencheur. Les mouvements du cours de l’action seront toujours déterminés par la croissance de l’activité et les coûts liés à l’implémentation de l’IA, et non par une table de recherche génétique. Un tel titre peut faire croire aux observateurs qu’ils manquent une opportunité… mais ce n’est pas le cas. C’est simplement une démonstration, pas un moteur de changements.

L’erreur serait de confondre les deux. L’atlas de DeepMind est une innovation scientifique remarquable et constitue une option réelle pour l’avenir de la découverte de médicaments basés sur la génomique. Le jugement qu’il fournit n’est pas « acheter Alphabet pour le génome ». C’est plutôt un jugement plus prudent : la capacité à produire ce type d’outils se trouve déjà dans les services cloud et dans les activités commerciales liées à Gemini – et non dans les annonces actuelles.