Quand Demis Hassabis, le patron de Google DeepMind, monte sur la scène de Google I/O en mai 2026 et annonce que ses outils d'IA vont « résoudre toutes les maladies », difficile de ne pas lever un sourcil. La formule est belle, elle fait le tour des médias en quelques heures, et des millions de personnes se prennent à rêver d'un monde sans cancer, sans Alzheimer, sans ces maladies rares qui pourrissent l'existence dès l'adolescence. Mais concrètement, qu'est-ce que ça change pour un jeune de 20 ans qui vit en France, qui partage ses données sur son téléphone, et qui aimerait juste savoir si l'IA va vraiment l'aider à vivre mieux — ou juste enrichir encore un peu plus une entreprise californienne ?
La promesse Google : l'IA qui accélère la recherche médicale
Gemini for Science, dévoilé à la conférence Google I/O 2026, n'est pas un simple gadget. C'est une suite d'outils comprenant Co-Scientist, AlphaEvolve et Empirical Research Assistance. L'idée est simple sur le papier : au lieu que des équipes de chercheurs passent dix ans à comprendre la structure d'une protéine ou à tester des molécules une par une, l'IA effectue le gros du travail en quelques jours.
AlphaFold, le plus connu de ces outils, a déjà fait ses preuves. Lancé en 2021, il prédit la forme tridimensionnelle des protéines à partir de leur séquence d'acides aminés — un problème que les biologistes tentaient de résoudre depuis cinquante ans. En 2024, AlphaFold 3 est sorti, capable de modéliser les interactions entre protéines, ADN et ARN.
Mais le vrai bond en avant de 2026, c'est AlphaGenome. Selon le blog officiel de Google DeepMind, cet outil analyse jusqu'à un million de lettres d'ADN d'un coup et prédit comment les mutations affectent la régulation des gènes. Contrairement aux approches précédentes qui se concentraient sur les 2 % du génome codant pour des protéines, AlphaGenome s'attaque aux 98 % restants — ce qu'on appelle « l'ADN non codant », longtemps considéré comme de la « matière noire » génétique.
Ce que cela signifie concrètement pour les jeunes patients
Prenons un cas concret. La leucémie aiguë lymphoblastique à cellules T (T-ALL) est un cancer du sang qui touche principalement les enfants et les adolescents. Les traitements existants sont lourds : chimiothérapie, radiothérapie, parfois greffe de moelle osseuse. AlphaGenome a déjà été utilisé pour étudier les mutations génétiques impliquées dans cette maladie, en particulier celles qui se nichent dans les parties non codantes du génome — celles qu'on ne savait pas bien lire avant.
Un autre exemple, plus proche de la vie quotidienne : des chercheurs de l'université d'Exeter, dirigés par le statisticien généticien Gareth Hawkes, ont utilisé AlphaGenome pour résoudre des mystères autour de maladies rares. Comme le rapporte The Guardian, plus de 100 chercheurs ont participé à des hackathons pour appliquer l'IA aux conditions médicales les plus difficiles. Des conditions tellement peu fréquentes que les médecins passent parfois des années avant de poser un diagnostic. Pour un jeune de 16 ans qui souffre de symptômes étranges sans savoir pourquoi, l'IA pourrait un jour réduire ce délai à quelques semaines.
AlphaFold en action : des résultats concrets, mais pas de miracle
Les exemples d'impact réel d'AlphaFold ne manquent pas. À Oxford, le chercheur Matthew Higgins a utilisé l'outil pour développer un vaccin contre le paludisme. Le paludisme tue encore des centaines de milliers de personnes chaque année, dont beaucoup d'enfants et d'adolescents en Afrique subsaharienne. Grâce à AlphaFold, Higgins a pu comprendre la structure d'une protéine clé du parasite et concevoir un vaccin multi-stade qui passe maintenant en phase préclinique et clinique.
Dans le domaine des maladies neurodégénératives, le chercheur Zhong Yan Gan a utilisé AlphaFold pour étudier la protéine PINK1, dont les mutations sont liées à la maladie de Parkinson. Comprendre comment cette protéine se replie et fonctionne permet d'envisager des médicaments capables de la réparer. Pour un jeune adulte dont le parent développe un Parkinson précoce, c'est une lueur d'espoir.
Melissa Formosa, chercheuse à Malte, s'est servie d'AlphaFold pour comprendre les causes génétiques de l'ostéoporose précoce. Une maladie qui touche généralement les personnes âgées, mais qui peut frapper dès la trentaine dans certaines formes génétiques.
Les limites que personne ne mentionne dans les communiqués
Mais attention. Une étude du MIT publiée dans Molecular Systems Biology en 2022, relayée par ActuIA, a montré que quand on combine AlphaFold 2 avec des simulations de docking moléculaire (la technique qui prédit comment un médicament se fixe sur sa cible), les performances étaient médiocres : un auROC de 0,48, soit à peine mieux que le hasard. Même avec un ré-étalonnage par machine learning, le score montait seulement à 0,63. Ce n'est pas nul, mais c'est loin d'être fiable.
Comme le souligne la revue française médecine/sciences dans son analyse d'AlphaFold 3, AlphaFold 2 ne pouvait pas prendre en compte les modifications post-traductionnelles des protéines — ces petites modifications chimiques qui changent complètement leur comportement. AlphaFold 3 améliore ce point, mais l'accès reste limité et la validation clinique n'est pas faite.
Sur France Culture, une émission titrait : « IA : AlphaFold ne permettra pas de se passer d'expérimentation humaine ». C'est le point crucial. Prédire la structure d'une protéine, c'est une étape. La tester en laboratoire, vérifier qu'elle interagit correctement avec un candidat médicament, puis passer par des essais cliniques qui durent en moyenne dix ans — c'en est une autre.
Les premiers essais cliniques : une réalité qui approche
Isomorphic Labs, la filiale de Google DeepMind spécialisée dans la découverte de médicaments, prépare ses premiers essais cliniques sur l'humain. Colin Murdoch, son président, a annoncé à Fortune que les essais devraient commencer en 2026. La société a levé 600 millions de dollars en série A en avril 2025, puis 2,1 milliards en série B. Les domaines ciblés : l'oncologie et l'immunologie.
La vision ultime, selon Murdoch : « Un jour, nous espérons pouvoir dire : « Voici une maladie », cliquer sur un bouton, et obtenir la conception d'un médicament pour la traiter. »
Mais il faut garder en tête un chiffre : le taux de succès des essais cliniques est d'environ 10 %. Neuf candidats médicaments sur dix échouent en cours de route, souvent pour des raisons de toxicité ou d'efficacité insuffisante. L'IA peut accélérer la phase de découverte, mais elle ne supprime pas le besoin de tester sur des humains.
Le fossé entre la promesse et la réalité
The Verge l'a bien résumé : la déclaration de Hassabis masque une réalité plus étroite. Gemini for Science est un ensemble d'outils de recherche expérimentaux conçus pour compresser les délais de découverte biomédicale, pas une promesse de tout guérir. Le gap entre la possibilité technique et l'attente du public est là où la communication se casse la figure.
Un jeune qui entend « l'IA va guérir toutes les maladies » et qui attend désespérément un traitement pour une maladie auto-immune qui lui pourrit la vie depuis l'adolescence risque de vivre une déception amère quand il découvrira que les premiers résultats cliniques sont encore dans cinq, dix ou quinze ans.
Les risques concrets pour les jeunes Français
Vient maintenant la partie qui fâche. Donner ses données génétiques à une entreprise américaine, même pour la bonne cause, ce n'est pas anodin. En France, le RGPD classe les données génétiques comme « données sensibles » (article 9). Leur traitement nécessite un consentement explicite et des garanties spéciales.
Ce que dit la loi
La CNIL, l'autorité française de protection des données, veille au grain. Comme l'explique le site officiel de la CNIL, si Google traite les données génétiques de citoyens français, il doit se conformer au RGPD, même s'il est basé hors de l'Union européenne. Problème : le Cloud Act américain permet aux autorités américaines d'accéder aux données stockées par des entreprises américaines, même si ces données sont hébergées en Europe.
Concrètement, un jeune Français qui participe à une étude utilisant AlphaGenome ou un autre outil Google pourrait voir ses données génétiques accessibles par le gouvernement américain. Sans parler des risques de revente à des assureurs ou de ré-identification à partir de données anonymisées.
Le risque de creuser les inégalités
L'autre problème, c'est l'accès. Ces outils d'IA sont chers à développer, et les traitements qui en sortiront risquent d'être chers à l'achat. On peut déjà imaginer un scénario où les diagnostics ultra-personnalisés basés sur l'IA sont réservés à ceux qui peuvent payer, tandis que le système public se contente des approches standards.
Cuba, par exemple, vit une crise sanitaire inédite, exacerbée par le blocus américain. Comme le rapporte Le Monde, les bénévoles de Sant'Egidio distribuent des sandwichs et des yaourts dans les rues de La Havane parce que les médicaments manquent. Dans ce contexte, parler d'IA qui guérit tout semble presque insultant. Le fossé entre ceux qui auront accès aux traitements de pointe et ceux qui luttent pour avoir des antibiotiques de base risque de se creuser encore plus.
Ce que les chercheurs français en pensent
Du côté de la recherche française, le regard est nuancé. L'Inserm et le CNRS reconnaissent le potentiel d'AlphaFold et d'AlphaGenome, mais ils pointent plusieurs limites.
D'abord, la reproductibilité. Les résultats obtenus avec ces outils doivent être confirmés expérimentalement. Ensuite, le sur-optimisme. Les modèles d'IA sont entraînés sur des données existantes, ce qui limite leur capacité à prédire des phénomènes vraiment nouveaux. Enfin, l'absence de tests cliniques. Tant que les médicaments conçus par IA n'auront pas passé les essais de phase III, on reste dans le domaine de la recherche fondamentale.
Comme le notait Les Numériques, le développement de médicaments par IA doit encore faire ses preuves dans la vraie vie. Les premiers essais cliniques d'Isomorphic Labs en 2026 seront un test décisif.
La question de l'hébergement des données
Un point concret pour les jeunes Français : où sont stockées les données génétiques collectées par ces outils ? Google propose un accès via API pour la recherche non commerciale, mais rien ne garantit que les données restent en Europe. La législation européenne pourrait « sérieusement ralentir » le déploiement des agents d'IA de Google en France, comme le soulignait Le Parisien dans sa couverture du Google I/O 2026.
Quand la guérison relève d'autres croyances
Dans ce débat technologique, il faut aussi reconnaître que la question de la guérison dépasse largement la science. Depuis des siècles, les humains cherchent des réponses dans la religion, la spiritualité, les croyances.
Le Psaume 103 promet que Dieu « guérit toutes tes maladies ». Des mouvements chrétiens comme celui décrit par Divine Health affirment que « la guérison nous appartient » par le salut en Jésus-Christ. Des textes de la Watchtower expliquent que la maladie est une conséquence du péché originel et que Dieu rétablira un monde sans maladie.
Ces discours coexistent avec la promesse technologique de Google. Pour certains jeunes, l'IA et la foi ne sont pas incompatibles. Pour d'autres, l'idée qu'une machine puisse « guérir toutes les maladies » entre en résonance avec des attentes presque messianiques.
Attention aux dérives
Le problème, c'est quand ces croyances deviennent dangereuses. Info-bible.org rappelle qu'il existe des sectes qui nient l'existence même de la maladie, la considérant comme une illusion de l'esprit. « Si vous vous cassez la jambe et que vous parvenez à surmonter l'illusion que votre jambe est cassée, vous pourrez sauter comme une jeune biche », lit-on dans ces textes. C'est évidemment absurde et dangereux.
Mais le parallèle avec certaines promesses de l'IA n'est pas si éloigné. Quand on vend « la guérison de toutes les maladies » comme un produit qu'on peut livrer en cliquant sur un bouton, on frôle aussi le discours irrationnel. La différence, c'est que Google a des milliards et des laboratoires pour étayer ses affirmations — mais le fossé entre la promesse et la réalité reste immense.
La vraie question : à qui profite l'IA médicale ?
Au-delà des prouesses techniques, une question politique se pose. Les outils d'IA développés par Google sont-ils conçus pour servir l'intérêt général ou pour renforcer la position dominante de l'entreprise sur le marché de la santé ?
Isomorphic Labs a levé 2,7 milliards de dollars en deux tours de table. C'est colossal. Mais qui possède les données ? Qui contrôle les algorithmes ? Qui décide quelles maladies méritent d'être étudiées en priorité ?
Les maladies rares, par exemple, touchent 3 millions de personnes en France. Beaucoup de jeunes en souffrent sans diagnostic clair, comme Abigael Kendi, cette Kenyane de 19 ans née avec un double utérus, un double vagin et un seul rein, dont l'histoire a été rapportée par BBC Afrique. Pour ces patients, l'IA pourrait faire la différence. Mais les maladies rares ne sont pas les plus rentables pour l'industrie pharmaceutique. Google va-t-il vraiment investir dans des traitements pour quelques milliers de personnes ou se concentrer sur les blockbusters qui rapportent des milliards ?
Le cas des maladies orphelines
Les maladies orphelines sont un bon test. Ce sont des pathologies si rares que l'industrie pharmaceutique les ignore parce que le marché est trop petit. En France, des associations se battent pour obtenir des financements de recherche. L'IA pourrait permettre de réduire les coûts de découverte de médicaments, rendant rentable le développement de traitements pour des maladies qui touchent seulement quelques centaines de personnes.
Mais pour l'instant, les outils de Google sont disponibles pour la recherche non commerciale uniquement. Les petites équipes de recherche françaises qui travaillent sur des maladies orphelines n'ont pas forcément les moyens techniques ou humains d'exploiter ces IA. Le fossé entre les grands centres de recherche et les petits laboratoires risque de se creuser.
Conclusion : garder la tête froide
Alors, « guérir toutes les maladies » ? La formule est belle, mais elle est trompeuse. Ce que Google a vraiment présenté, c'est une accélération de certaines étapes de la recherche biomédicale. C'est déjà énorme. AlphaFold a permis des avancées réelles sur le paludisme, Parkinson, l'ostéoporose. AlphaGenome ouvre des perspectives sur les parties du génome qu'on ne savait pas lire. Les premiers essais cliniques de médicaments conçus par IA commencent en 2026.
Mais entre l'accélération de la recherche et la guérison de toutes les maladies, il y a un monde. Un monde fait d'essais cliniques, de régulations, de problèmes d'accès, de questions éthiques. Un monde où les données génétiques des jeunes Français doivent être protégées contre les appétits commerciaux et les lois américaines. Un monde où les inégalités entre ceux qui peuvent payer des diagnostics personnalisés et les autres risquent de s'aggraver.
Pour un jeune de 20 ans qui vit avec une maladie chronique, ces annonces sont une lueur d'espoir. Mais il faut les prendre pour ce qu'elles sont : des promesses de recherche, pas des traitements disponibles. L'IA ne guérira pas tout le monde demain matin. Elle peut, en revanche, accélérer le chemin vers des traitements qui arriveront peut-être dans dix ou quinze ans.
En attendant, la meilleure chose à faire, c'est de rester informé, de ne pas céder au battage médiatique, et de continuer à soutenir une recherche médicale publique qui ne dépend pas uniquement des intérêts des GAFAM. Parce que guérir les maladies, ce n'est pas une question de technologie. C'est une question de volonté politique et de solidarité humaine.
