Aller au contenu
Hypernews IA

L'IA fait passer à l'échelle le premier vaccin contre le cancer

Le MIT imagine des catastrophes qui n'ont jamais eu lieu · Simulateurs nucléaires génératifs créent des entraînements instantanés · Micron investit 10 milliards dans ses labs · Hugging Face viserait 13 milliards de valorisation · La Chine dévoile ses humanoïdes aux World Games

Écouter la version· 5 min
Top 1

Merck et Moderna franchissent une étape clé contre le mélanome, mais l'IA n'est pas seule en cause

Merck et Moderna franchissent une étape clé contre le mélanome, mais l'IA n'est pas seule en cause

Merck et Moderna ont annoncé le 19 août le succès de la phase III de leur traitement du mélanome, combinant un vaccin personnalisé conçu avec l'aide de l'IA et le Keytruda. C'est la dernière étape avant une possible mise sur le marché.

  • Le Keytruda (pembrolizumab), commercialisé depuis 2014, est issu des travaux de James Allison et Tasuku Honjo, prix Nobel de médecine 2018, réalisés sans intelligence artificielle.
  • Le principe du vaccin personnalisé contre le cancer a été posé par Robert Schreiber en 2012, théorisé en 2015, puis validé par une preuve de concept en 2017 par Catherine Wu et Ugur Sahin (fondateur de BioNTech).
  • Contrairement au rentosertib, où l'IA avait elle-même proposé une molécule inédite contre la fibrose pulmonaire, l'IA intervient ici sur des traitements déjà validés scientifiquement avant l'essor de ChatGPT.

Pourquoi c'est important

Le rôle de l'IA ne se situe pas dans la découverte du mécanisme thérapeutique mais dans sa mise à l'échelle : produire un vaccin personnalisé pour chaque patient suppose d'automatiser une analyse génomique lourde, coûteuse et jusque-là artisanale. Si l'autorisation de mise sur le marché suit, ce sera le premier traitement combinant vaccin personnalisé par IA et immunothérapie à passer ce cap réglementaire pour le mélanome. Merck et Moderna posent ainsi un précédent industriel : rendre accessible à grande échelle un protocole que Catherine Wu et Ugur Sahin n'avaient validé qu'en laboratoire en 2017.

Lire la source

Top 2

Le filigrane anti-IA de Claude craqué le jour de son lancement

Le filigrane anti-IA de Claude craqué le jour de son lancement

Anthropic a déployé sur Claude un filigrane invisible censé signaler tout contenu généré par IA, conformément à l'AI Act européen. Le développeur Guillaume Meyer a publié en moins de quatre heures un outil pour l'effacer, aussitôt repris massivement sur GitHub.

  • La technique de filigrane repose sur SynthID, développée par Google et utilisée depuis 2023 : elle modifie le choix des mots de manière indétectable à l'œil nu.
  • Le code de contournement a dépassé 20 000 signets sur X et attiré plus de 100 contributeurs sur GitHub.
  • L'AI Act prévoit des amendes allant jusqu'à 3 % du chiffre d'affaires annuel en cas de non-conformité, mais n'interdit pas les outils de contournement développés indépendamment.
  • 190 organisations, dont OpenAI, Microsoft et Meta, ont signé le code de bonnes pratiques européen sur la transparence, sans que leur calendrier d'implémentation soit connu.

Pourquoi c'est important

Le texte de loi cible les fournisseurs de modèles, pas les développeurs tiers qui neutralisent leurs dispositifs : un vide juridique que Guillaume Meyer a exploité en une poignée d'heures. Anthropic se retrouve à défendre un mécanisme que sa propre entreprise qualifie de probabiliste, jamais certain à 100 %, ce qui ouvre la porte à des faux positifs en contexte professionnel ou académique. Le vrai test arrive maintenant : voir combien des 190 signataires du code européen déploieront un filigrane aussi vite contournable, et combien renonceront face au premier échec public d'Anthropic.

Lire la source

Top 3

Le MIT invente un algorithme pour imaginer des catastrophes qui n'ont jamais eu lieu

Le MIT invente un algorithme pour imaginer des catastrophes qui n'ont jamais eu lieu

Des ingénieurs du MIT ont mis au point un algorithme, baptisé Extreme Event Aware, capable de générer des scénarios plausibles de catastrophes (tempêtes, canicules, incendies) sans avoir besoin de données historiques sur des événements extrêmes réels.

  • L'outil s'appuie sur des données courantes (relevés météo quotidiens d'une région, par exemple) plutôt que sur des archives d'événements extrêmes passés, souvent inexistantes ou trop rares.
  • Il produit des projections statistiques sur la fréquence, l'intensité, la durée et la zone d'impact probable d'un événement, par exemple un scénario qui surviendrait une fois tous les 100 ans.
  • Themis Sapsis (professeur au MIT) et Kai Chang (doctorant) citent l'ouragan Katrina comme exemple de référence pour illustrer la question posée par leur méthode : à quoi ressemblerait une version encore plus rare et plus destructrice de ce type d'événement.
  • Les chercheurs indiquent que la méthode pourrait s'appliquer hors du champ climatique, notamment à la navigation robotique et aux krachs financiers.

Pourquoi c'est important

Les modèles de risque actuels, utilisés pour dimensionner une digue, un réseau électrique ou un stock de matériel anti-incendie, s'appuient sur des catalogues d'événements passés forcément incomplets : un scénario jamais observé reste invisible pour eux. En s'affranchissant de cette dépendance aux archives, l'équipe du MIT ouvre la possibilité de tester des infrastructures critiques face à des scénarios qu'aucune base de données ne contient encore. Reste à savoir si les gestionnaires de risque, assureurs et collectivités adopteront des projections générées statistiquement plutôt que fondées sur des précédents documentés, un changement de méthode qui touche directement la manière dont on calibre aujourd'hui les normes de résilience.

Lire la source

En bref

À lire aussi

D'autres éditions récentes de Hypernews IA.

Voir toutes les archives