La « cellule virtuelle universelle » : une carte du vivant à 1,8 milliard de dollars

Et si un chercheur pouvait tester des milliers d’hypothèses sur une cellule numérique avant de retenir les expériences les plus utiles au laboratoire ? C’est l’ambition d’une collaboration réunissant Biohub, le département américain de l’Énergie, les National Institutes of Health, Google DeepMind, Isomorphic Labs, Meta et plusieurs organisations scientifiques, rapportée le 7 octobre par Axios.

Le projet vise à produire et standardiser les données nécessaires à ce que Biohub appelle une « cellule virtuelle universelle » : non pas une image animée du vivant, mais une famille de modèles capables, à terme, de prédire comment des cellules réagissent à une modification génétique, à une molécule ou à un changement de leur environnement.

1,8 milliard de dollars, mais pas un chèque unique

Le chiffre de 1,8 milliard de dollars agrège des financements, des jeux de données, de la puissance de calcul et des technologies de mesure. Selon Axios, le département de l’Énergie prévoit plus de 500 millions de dollars sur cinq ans pour la mesure biologique, la modélisation et le calcul. Les NIH apportent des données et ressources provenant de plus de 500 millions de dollars d’investissements antérieurs. Google DeepMind, Isomorphic Labs et Meta contribueraient ensemble à hauteur de 300 millions, tandis que Biohub avait déjà engagé 500 millions dans son initiative de biologie virtuelle.

Présenter l’ensemble comme un investissement entièrement nouveau et versé en numéraire serait donc inexact. Les sources publiques consultées ne fournissent pas encore un accord consolidé détaillant la valeur, le calendrier et les obligations de chaque partenaire.

Pourquoi la donnée biologique résiste à l’échelle

Les grands modèles de langage apprennent à partir de volumes immenses de textes déjà disponibles. En biologie, une partie essentielle de l’information n’existe pas avant d’être produite : il faut cultiver les cellules, provoquer des perturbations, observer leurs réponses, mesurer des molécules et documenter le contexte expérimental.

Une cellule ne réagit pas de la même façon selon le tissu, l’âge, l’état immunitaire, le microenvironnement ou l’histoire de l’organisme. Accumuler davantage de cellules provenant des mêmes conditions peut améliorer certains scores sans garantir que le modèle se comportera correctement dans une situation nouvelle.

Une prépublication déposée en février 2026 par des chercheurs de Biohub, de l’Université de Chicago et de Northwestern défend précisément cette prudence. Leur analyse indique que la diversité des contextes d’entraînement compte davantage, pour certaines mesures de généralisation, que le seul nombre de cellules. Ce travail est une prépublication qui n’a pas encore été évaluée par une revue scientifique ; il fournit un avertissement méthodologique, pas un verdict définitif sur le projet annoncé.

Une machine à choisir les bonnes expériences

Le bénéfice le plus crédible à court terme n’est pas de remplacer le laboratoire. Il consiste à mieux hiérarchiser les expériences : écarter des hypothèses peu prometteuses, identifier des mesures manquantes ou proposer des combinaisons à tester. Chaque prédiction importante devra ensuite être confrontée au vivant.

Ce modèle de travail pourrait réduire une partie des essais coûteux et répétitifs. Il peut aussi échouer silencieusement si les données ne représentent pas assez de populations, de tissus ou d’états pathologiques. La valeur scientifique dépendra donc de la traçabilité des expériences, de la diversité des échantillons et de la publication de protocoles permettant de reproduire les résultats.

L’ouverture des données après un an

Axios rapporte que les partenaires commerciaux disposeront pendant un an d’un accès exclusif aux données qu’ils auront contribué à développer, avant leur ouverture. Biohub présente de son côté sa mission comme la production de ressources accessibles à la communauté scientifique.

Cet embargo temporaire est décrit comme une incitation à l’investissement privé. Il faudra toutefois en préciser la portée : quelles données sont concernées, quand commence le délai, quelles licences s’appliquent et comment seront protégées les informations potentiellement sensibles ? Les réponses détermineront si l’initiative devient un bien scientifique largement réutilisable ou une avance surtout profitable aux acteurs déjà les mieux équipés.

Une promesse médicale encore lointaine

Les promoteurs imaginent qu’un jour ces modèles puissent aider à comprendre le vieillissement, la régénération ou les mécanismes moléculaires d’une maladie. Ce sont des objectifs de recherche. Les sources consultées ne démontrent pas qu’une cellule virtuelle universelle sait déjà prédire une intervention clinique, ni qu’elle améliore un traitement.

Le terme « universelle » doit donc être lu comme un horizon. La première étape est plus modeste et plus concrète : construire une carte suffisamment large, cohérente et documentée du comportement cellulaire pour tester ce que les modèles peuvent réellement apprendre. La réussite ne se mesurera pas à la taille de la base de données, mais à la capacité des prédictions à survivre au retour au laboratoire.

Sources et limites

Axios — collaboration, répartition des ressources et embargo d’un an, 7 octobre 2026.

Biohub — modèles et jeux de données en biologie.

PubMed Central — « Virtual Cells Need Context, Not Just Scale », prépublication du 9 février 2026.

Sources consultées le 8 octobre 2026. Le total de 1,8 milliard de dollars associe financement, données, calcul et technologies ; il ne doit pas être interprété comme une enveloppe unique en numéraire. La fonction prédictive de la cellule virtuelle universelle reste à démontrer expérimentalement.