Un agent de recherche IA propose une nouvelle piste thérapeutique contre une grande cause de cécité

La dégénérescence maculaire sèche liée à l’âge est l’une des principales causes de perte de vision dans le monde développé, et les traitements efficaces y sont désespérément rares. En mai 2026, des chercheurs ont rapporté dans Nature qu’un agent de recherche à intelligence artificielle avait aidé à générer une nouvelle piste prometteuse contre elle — un exemple d’IA employée non pour répondre à des questions factuelles, mais pour aider les scientifiques à raisonner le travail désordonné et ouvert de la découverte.

Le système, nommé Robin, a été conçu par l’organisation de recherche FutureHouse. À la différence d’un simple agent conversationnel, Robin est un système multi-agents : plusieurs agents d’IA spécialisés qui se répartissent le travail de recherche, formulant des hypothèses, proposant des expériences et interprétant les résultats, avant de réinjecter ces découvertes dans la série de questions suivante. Sur la dégénérescence maculaire, Robin a identifié un processus modifiable au sein des cellules de la rétine méritant d’être ciblé et a proposé un candidat-médicament existant qui n’avait pas été envisagé pour cette affection. Les études de suivi qu’il a suggérées ont ensuite révélé de nouvelles cibles thérapeutiques.

“En mai 2026, des chercheurs ont rapporté dans Nature qu’un agent de recherche à intelligence artificielle avait aidé à générer une nouvelle piste prometteuse contre elle — un exemple d’IA employée non pour répondre à des questions factuelles, mais pour aider les scientifiques à raisonner le travail désordonné et ouvert de la découverte.”

Robin était l’un des deux systèmes de ce type mis en avant ; l’autre, le Co-Scientist de Google DeepMind, s’est attaqué à d’autres problèmes biomédicaux. Ce qui les réunit est un principe de conception que les équipes répètent sans cesse : ces outils sont faits pour collaborer avec les chercheurs, et un scientifique humain reste toujours dans la boucle. L’IA ne mène pas d’expériences dans le monde réel et ne prend pas la décision finale. Elle accélère la phase initiale, lente et génératrice — parcourir une littérature immense, relier des résultats éloignés et proposer des idées testables — que les chercheurs humains valident ensuite à la paillasse.

Cette distinction compte pour interpréter le résultat. Un candidat-médicament proposé est un début, non un remède ; il doit encore franchir la validation en laboratoire, le travail préclinique et, s’il survit, des années d’essais cliniques avant de pouvoir aider un seul patient. L’article de Nature documente une hypothèse digne d’être poursuivie, générée plus vite qu’une revue de littérature classique ne le permettrait, et non une thérapie approuvée.

Malgré ces réserves, la promesse est réelle et ancrée dans le concret. La découverte de médicaments est réputée lente et coûteuse, et beaucoup de bonnes idées ne sont jamais explorées faute de temps pour relier les points. Des outils comme Robin pourraient élargir l’entonnoir des hypothèses testables — surtout pour des affections comme la dégénérescence maculaire sèche, où les patients attendent encore — en laissant le jugement, les expériences et la responsabilité là où ils doivent être : entre les mains des scientifiques humains.