Gap analysis — capacité humaine × capacité IA
EMBL × AlphaFold (DeepMind)
Infrastructure publique de données biologiques et modèles prédictifs de structure
Fiches comparées
EMBLCapacité humaine · ÉvolutionAlphaFold (DeepMind)Capacité IA · ScientifiqueApport de l'IA
La relation est réciproque et documentée des deux côtés : l'EMBL-EBI a hébergé et diffusé publiquement les bases de structures sur lesquelles AlphaFold a été entraîné et validé, et héberge avec DeepMind la base ouverte de structures prédites. Le modèle a besoin de l'infrastructure de données publique autant que celle-ci gagne en portée grâce à lui.
Mécanisme
Mutualisation intergouvernementale de moyens qu'aucun État seul ne déploierait, produisant des bases biologiques de référence mondiale ; ces données expérimentales accumulées constituent le corpus d'apprentissage sans lequel la prédiction de structure à cette précision n'aurait pas de fondement.
Comment faire mieux
Le risque tient à la boucle : si la disponibilité de structures prédites réduit l'incitation à produire des structures expérimentales, le corpus d'entraînement futur s'appauvrit. Maintenir le financement de la production expérimentale est une condition de la performance à venir des modèles eux-mêmes.
Mode d'interaction recommandé
Complémentarité asymétrique : l'institution produit, conserve et diffuse la donnée expérimentale, le modèle en démultiplie l'usage, et la validation expérimentale reste requise pour tout usage clinique.
Substituabilité
Non remplaçable à horizon prévisible
Scénarios temporels
Présent
L'infrastructure de données publique et les bases de structures prédites coexistent et se renforcent ; la production expérimentale reste la source primaire.
+5 ans
Croissance des bases prédites et question de leur articulation avec les données mesurées dans les pratiques de recherche courantes.
+15/20 ans
La gouvernance intergouvernementale, que la fiche humaine décrit comme complexe mais nécessaire pour atteindre l'échelle critique, redevient l'enjeu central : la valeur d'un modèle prédictif dépend de la pérennité d'un bien commun de données que sa réussite pourrait paradoxalement fragiliser.
Axes possibles (perspectives, pas des prédictions tranchées)
Bases mixtes tracées
Opinion majoritaireCoexistence organisée de structures mesurées et prédites dans les bases publiques, avec une traçabilité explicite de leur origine.
Statu quo de financement
Opinion majoritaireL'infrastructure publique continue de fonctionner sur son modèle intergouvernemental actuel, avec les tensions de gouvernance que la fiche humaine décrit.
Érosion du socle expérimental
Hypothèse prospectiveLa substitution partielle de la prédiction à la mesure réduit la production de données expérimentales nouvelles, dégradant à terme la base même sur laquelle les modèles s'entraînent.
Sous-thèmes et axes de recherche
Sous-thèmes
- Bases de données publiques comme condition d'existence des modèles prédictifs
- Risque d'appauvrissement du corpus expérimental futur
- Gouvernance intergouvernementale d'un bien commun de données
Axes de recherche
- Effet de la disponibilité de structures prédites sur le volume de production expérimentale
- Modèles de financement pérenne des infrastructures de données de recherche
- Traçabilité entre données mesurées et données prédites dans les bases publiques
Documents clés
- 1.Convention établissant le Laboratoire européen de biologie moléculaire (1973)primaire
- 2.Laboratoire européen de biologie moléculaire — Wikipédiasecondaire
- 3.Jumper et al., « Highly accurate protein structure prediction with AlphaFold », Nature 596 (2021)primaire
- 4.AlphaFold — Wikipédia (article en français)secondaire
Données brutes de cette analyse : /api/gap/embl-vs-alphafold — méthode de comparaison détaillée dans la méthodologie.