Des chercheurs allemands ont créé un modèle d’intelligence artificielle qui a pour but de générer des individus (virtuels) supplémentaires lors de procédures expérimentales impliquant des animaux, avec un espoir : réduire de moitié les utilisations d’animaux. Qu’en est-il réellement ?
Dans une étude publiée dans Pharmacological Research, des chercheurs allemands présentent un modèle d’intelligence artificielle (IA) permettant de réduire de 30 à 50% le nombre d’animaux à utiliser dans une étude.
Le commun des mortels s’en est rendu compte ces dernières années : les IA peuvent s’avérer d’une grande aide dans de nombreux domaines. La recherche animale en fait partie avec comme grande volonté la réduction du nombre d’animaux. Le développement des jumeaux numériques d’animaux témoins en toxicologie prend une place de plus en plus importante et est une des formes que prend le « R » de « réduction » lié à l’informatique.
Le principe
L’idée des chercheurs est différente : prendre les données des animaux déjà utilisés pour l’expérience et générer de nouvelles données à partir des premières, qui complèteront le pool de base. L’idée est d’utiliser le petit nombre d’animaux possible, tout en assurant des résultats exploitables. Dans leur étude, ils ont volontairement réduit le groupe de souris utilisé pour étudier un mécanisme de la sclérose en plaques de 26 à 18. Cette baisse d’effectif annula les effets observés dans le cas où les 26 animaux étaient utilisés.
La suite prend place en binaire, au sein même de la carte graphique des chercheurs. À l’aide leur IA et des données récoltées grâce aux 18 souris, ils ont généré des données correspondant à des pseudo-animaux utilisés. Le résultat en devient surprenant puisque les différences entre les groupes reparaissant.
Le point fort de leur modèle réside dans le fait que la machine limite l’apparition de faux négatifs (il nous arrive à tous d’avoir des réponses aberrantes de la part de ChatGPT, des hallucinations. Pour cette IA, ils en ont très peu observées).
Les limites
Malgré des résultats encourageants, les auteurs restent prudents. Les animaux virtuels générés par l’IA ne remplacent pas de vrais animaux : ils ne constituent pas de nouveaux réplicats biologiques indépendants. L’IA ne peut apprendre qu’à partir des données déjà présentes dans l’expérience initiale ; si un biais, une variabilité ou un sous-groupe biologique manque au départ, elle ne pourra pas l’inventer correctement. Les auteurs soulignent aussi que cette approche ne dispense pas d’un bon plan expérimental, d’analyses de sous-groupes ni d’une détection rigoureuse des valeurs aberrantes.
Autre limite importante : le nombre minimal d’animaux réels nécessaire pour que l’augmentation reste valide n’est pas encore clairement établi. Les auteurs indiquent qu’une augmentation modérée peut stabiliser les résultats, mais qu’une augmentation trop importante accroît le risque de surapprentissage et de fausses découvertes. En clair, l’outil peut aider à réduire le nombre d’animaux, mais il ne doit pas être présenté comme une solution magique : il s’agit d’un outil statistique complémentaire, à valider selon le type de données, le modèle animal et la question biologique étudiée.
Actualité rédigée par Alan Dubois
