Quand l’IA apprend à ‘lire’ les bactéries pour lutter contre l’antibiorésistance

« Pasteur IA : quand l’intelligence artificielle apprend à « lire » les bactéries pour lutter contre l’antibiorésistance », source Institut Pasteur du 9 septembre 2026.

Les bactéries résistantes aux antibiotiques pourraient causer plus de 10 millions de décès par an d'ici 2050. Pour trouver de nouvelles molécules efficaces, des scientifiques de l'Institut Pasteur ont entraîné une intelligence artificielle à reconnaître le mode d'action d’antibiotiques, simplement en analysant des images de bactéries au microscope, sans aucun marquage chimique fluorescent.

Pourquoi découvrir de nouveaux antibiotiques est si difficile ?

Trouver une molécule qui tue des bactéries, c’est compliqué. Comprendre comment elle les tue, c’est encore plus difficile. Pourtant, c’est cette question du « mode d’action » qui fait toute la différence : elle permet de savoir si un antibiotique candidat est vraiment innovant et donc capable de contourner les résistances déjà existantes.

Les méthodes actuelles utilisent souvent des marqueurs fluorescents, coûtent cher, et ne détectent un effet que lorsque la molécule est suffisamment concentrée pour bloquer la croissance ou éliminer des bactéries. Résultat : certaines molécules prometteuses, actives à très faible dose, passent complètement inaperçues. 

Une IA qui « voit » l’effet des antibiotiques

Plusieurs équipes de l’Institut Pasteur ont travaillé de pair pour contourner ces limites grâce au deep learning*. Leur modèle d’intelligence artificielle, un réseau de neurones convolutifs inspiré de la façon dont notre cerveau traite les images, a été entraîné à repérer les modifications minimes de forme qu’un antibiotique provoque chez les bactéries.

Pour entraîner leur modèle d’IA, les scientifiques ont utilisé des images de microscopie en lumière blanche (brightfield), sans marquage fluorescent sur des bactéries Escherichia coli exposées à 22 antibiotiques avec huit modes d’action différents. 

Des résultats très prometteurs, même à très faible dose

Les résultats sont particulièrement encourageants. En effet, l’intelligence artificielle reconnaît le mode d’action d’un antibiotique avec une précision quasi parfaite. Mieux encore, elle détecte l’effet d’une molécule à des concentrations sub-inhibitrices, c’est-à-dire avant même que la bactérie ne cesse de se multiplier. Cette capacité constitue un atout majeur pour repérer des candidats que les tests classiques auraient écartés.

Plus surprenant encore, le modèle est capable d’indiquer quand une molécule agit d’une manière inédite. Cette faculté pourrait s’avérer décisive pour découvrir de nouvelles classes d’antibiotiques, celles dont on a le plus besoin pour vaincre les résistances actuelles.

L’approche a aussi été validée sur une autre bactérie, Klebsiella pneumoniae, responsable d’infections graves et souvent multirésistante. Une première preuve que la méthode pourrait s’appliquer à d’autres micro-organismes. 

* Deep learning (apprentissage profond ou apprentissage en profondeur en français est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux artificiels composés de nombreuses couches pour résoudre des tâches complexes. Cette méthode permet à la machine d'apprendre des représentations hiérarchisées directement à partir des données, sans qu'un expert humain n'ait à expliciter les règles. Source Wikipédia.