Face à la montée croissante des infections résistantes aux antibiotiques, dont les décès pourraient dépasser huit millions par an d'ici 2050, les chercheurs développent de nouvelles stratégies pour accélérer la découverte de traitements. Le développement traditionnel d'un médicament prend plus de dix ans et coûte plus d'un milliard de dollars, tandis qu'une majorité des nouvelles molécules mises au marché depuis 2017 montrent déjà des signes d'inefficacité face à des bactéries comme E. coli. Pour répondre à cette urgence sanitaire, une approche combinant l'intelligence artificielle générative et des simulations physiques offre une voie prometteuse pour concevoir de nouveaux antibiotiques peptidiques. Les peptides, de courtes chaînes protéiques jouant un rôle essentiel dans l'organisme, constituent un point de départ idéal pour cette recherche. Une équipe de scientifiques a mis au point un système d'IA articulé autour de deux modules complémentaires. Le générateur conçoit des millions de structures peptidiques inédites à partir de données ciblées. Le recommandateur analyse ces propositions et sélectionne les plus prometteuses pour une validation approfondie. Les tests ont démontré que l'usage de données hautement pertinentes, même en faible quantité, produit des résultats supérieurs à ceux obtenus avec des ensembles de données volumineux mais moins pertinents. La validation physique intervient ensuite pour confirmer les propriétés des molécules générées. À l'image d'un moteur physique utilisé dans les jeux vidéo, les simulations placent des milliers de peptides en présence de membranes cellulaires simplifiées immergées dans un environnement aqueux. Cette approche, surnommée microscope in silico, permet d'observer comment les peptides interagissent et modifient leur forme au contact des cellules. Si les molécules perturbent la membrane d'une bactérie tout en épargnant celle des globules rouges humains, elles sont identifiées comme antibactériennes et non toxiques. Ce criblage numérique élimine ainsi les candidates inefficaces ou dangereuses avant même leur arrivée au laboratoire. Cette méthode hybride représente un gain de temps et de ressources considérable pour l'industrie pharmaceutique. En automatisant la phase initiale de conception et de filtrage, les chercheurs peuvent réserver les expériences cliniques aux molécules ayant déjà démontré leur sécurité et leur efficacité en environnement virtuel. À moyen terme, cette technologie pourrait réduire les délais et les coûts de développement, tout en répondant plus rapidement à l'urgence des résistances microbiennes. Elle ouvre la voie à une nouvelle génération de traitements ciblés, essentiels pour préserver l'efficacité des antibiotiques face aux pathogènes en mutation.