Les mauvaises herbes apprennent à survivre aux produits chimiques dont dépendent les agriculteurs, et ces produits soulèvent eux-mêmes des inquiétudes sanitaires. Une équipe dirigée par le MIT a obtenu jusqu'à 53 millions de dollars de l'ARPA-H, l'agence américaine de recherche en santé, pour concevoir par IA générative des désherbants de remplacement pensés pour la santé humaine. C'est un bon exemple de conception de molécules par IA passant de la médecine à l'agriculture, avec un test clair : les prédictions tiendront-elles en serre.
Les enjeux sont considérables. Plus de 1 000 millions de livres d'herbicides sont utilisées chaque année aux États-Unis. Les mauvaises herbes deviennent résistantes aux produits les plus courants, dont le glyphosate, qui bloque une enzyme végétale appelée EPSP synthase, et l'atrazine. L'exposition aux herbicides peut contribuer à un risque accru de cancer et de troubles métaboliques et endocriniens, et les travailleurs agricoles sont particulièrement exposés. Selon le MIT, de nouvelles solutions pourraient aussi réduire la dépendance américaine au phosphore importé, ingrédient clé du glyphosate. Christopher Voigt, directeur du département de génie biologique du MIT et responsable du projet, prévient que la résistance ajoutée aux risques sur la chaîne d'approvisionnement pourrait priver le pays d'agrochimiques essentiels.
Le projet, baptisé PLOW et rattaché au programme STREAM de l'ARPA-H, est réparti en trois équipes. La première, menée par Connor Coley et Regina Barzilay, du MIT, avec Alexander Tropsha, de l'université de Caroline du Nord, construira des modèles génératifs proposant des molécules, composés chimiques ou petits ARN interférents, qui perturbent les mêmes enzymes végétales que les herbicides actuels avec un faible risque de résistance ou de nuisance pour les humains et les écosystèmes. Les modèles devraient générer des milliards de candidats. Une équipe de criblage du MIT et du Broad Institute les testera à haut débit et renverra les résultats pour améliorer les modèles. Une troisième équipe, avec l'université du Tennessee, celle de l'Illinois et la jeune entreprise Robigo, mènera des essais en serre, les premiers tests de candidats à base d'ARN devant s'achever à la fin de la première année du programme. L'équipe concevra aussi des microbes capables de dégrader les agrochimiques avant qu'ils n'atteignent l'alimentation, les sols ou l'eau.
La boucle de conception, générer, cribler, réinjecter, est celle qui sous-tend la découverte de médicaments par IA, et le groupe de Barzilay a déjà utilisé des modèles génératifs pour des maladies difficiles à traiter. Ce qui change ici, c'est la cible : les plantes plutôt que les personnes.
Les réserves sont sérieuses. Il s'agit d'une annonce de financement, pas d'un résultat. Jusqu'à 53 millions est un plafond, pas une garantie, et aucune molécule n'a encore été présentée. Générer des milliards de candidats est facile ; trouver ceux qui sont efficaces, peu coûteux à produire, sûrs et lents à susciter des résistances en plein champ est la partie difficile, et l'homologation d'un nouvel herbicide prend des années.