Pasteur IA : quand l’intelligence artificielle apprend à « lire » les bactéries pour lutter contre l’antibiorésistance

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 (Christophe Zimmer,  Ivo G. Boneca, Anne-Marie Wehenkel ou encore Mark Brönstrup) 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 sous-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. 

Un coup d’accélérateur dans la lutte contre l’antibiorésistance

Associée aux tests classiques, cette IA pourrait permettre de cribler des milliers de molécules antibiotiques candidates plus rapidement, et à moindre coût.  

L’enjeu est considérable : l’antibiorésistance représente un enjeu de santé publique au coeur des priorités scientifiques de l’Institut Pasteur. Des modèles d’intelligence artificielle comme celui-ci pourrait ainsi changer l’issue de cette course contre la montre. 

Ce travail s’inscrit dans le contexte d’un programme de recherches financé par l’ERC (ERC Synergy AI4AMR) entre les équipes de C.Zimmer, d’I. Boneca, M. Brönstrup.  

Référence : Krentzel, D., Zimmer, C., Kho, K., Petit, J. et al. Deep learning recognises antibiotic modes of action from brightfield images. Nature Communications (2026). https://doi.org/10.1038/s41467-026-76355-0.