L’IA peut-elle remplacer l’expérimentation animale ?

Les algo­rithmes d’intelligence arti­fi­cielle (IA) simulent très effi­ca­ce­ment les voix humaines ou la pro­duc­tion d’images. Sont-ils aus­si capables de simu­ler suf­fi­sam­ment bien le vivant pour per­mettre de se pas­ser de l’expérimentation ani­male ? La ques­tion émerge face à la pré­oc­cu­pa­tion crois­sante du bien-être ani­mal. « On ne pense plus l’animal comme une machine et notre socié­té estime que l’humain lui doit une pro­tec­tion. À cela s’ajoutent les pro­grès en étho­lo­gie, en psy­cho­lo­gie ani­male et l’émergence de concepts comme la culture ani­male. Toutes ces don­nées remettent en ques­tion l’expérimentation ani­male », explique le phi­lo­sophe des sciences Jean-Michel Bes­nier, pro­fes­seur émé­rite de phi­lo­so­phie à Sor­bonne Uni­ver­si­té. Cette pré­oc­cu­pa­tion socié­tale se confronte à une autre prise de conscience. « Il n’est pas si facile de tirer des conclu­sions sur l’humain à par­tir de la sou­ris… À quoi bon faire souf­frir des ani­maux pour des résul­tats qui sont sujets à cau­tion ? », inter­roge le philosophe.

Les ani­maux sont uti­li­sés dans la recherche à plu­sieurs fins : pour étu­dier et com­prendre les phé­no­mènes bio­lo­giques dans le cadre de la recherche fon­da­men­tale et pour véri­fier l’innocuité et l’efficacité d’un pro­duit ou d’un médi­ca­ment dans le cadre de la recherche règle­men­taire et toxi­co­lo­gique. Ce pro­blème n’est pas négli­gé par le monde scien­ti­fique. La direc­tive euro­péenne de 2010 (2010/63/UE) encadre ain­si l’expérimentation ani­male à tra­vers la règle des trois R : Rem­pla­ce­ment, Réduc­tion et Raf­fi­ne­ment, qui revient à réduire la souf­france infligée. 

Des sys­tèmes d’intelligence arti­fi­cielle peuvent-ils rem­pla­cer l’expérimentation ani­male ? C’est l’objectif des sys­tèmes dits de « jumeaux numé­riques ». Ce sont des pro­grammes de simu­la­tion, qui imitent par exemple des pro­prié­tés bio­chi­miques ou bio­phy­siques de tis­sus humains. « C’est une res­source de plus en plus uti­li­sée dans le domaine médi­cal, en par­ti­cu­lier en chi­rur­gie pour offrir au pra­ti­cien l’opportunité de s’entraîner en amont de la pro­cé­dure, sur une simu­la­tion d’un organe res­sem­blant à son patient. Cet ava­tar per­met de réduire l’aléa chi­rur­gi­cal », conti­nue Jean-Michel Besnier.

La toxi­co­lo­gie inves­tit une autre piste alter­na­tive, celle des orga­noïdes. Ce sont des cultures en trois dimen­sions qui cherchent à repré­sen­ter un organe. « Il s’agit d’objets bio­lo­giques res­sem­blant à un organe et pro­duits en labo­ra­toire à par­tir de cel­lules souches. Tou­te­fois, ce n’est pas un vrai organe et c’est la limite. On n’est pas assu­ré que la réponse d’un orga­noïde soit iden­tique à celle d’un vrai organe » nuance Nico­las David, bio­lo­giste du déve­lop­pe­ment au sein du Labo­ra­toire d’op­tique et bios­ciences de l’Institut poly­tech­nique qui déve­loppe cette approche¹. Des sys­tèmes simi­laires sont aus­si envi­sa­gés pour la méde­cine per­son­na­li­sée, afin de tes­ter la réponse des cel­lules d’un patient avant une pres­crip­tion anti­can­cer par exemple.

La recherche fon­da­men­tale est cer­tai­ne­ment le volet le plus dif­fi­cile à rem­pla­cer. Récem­ment, une équipe de la Washing­ton Uni­ver­si­ty School of Medi­cine à St Louis² a pré­sen­té un algo­rithme de machine lear­ning capable de pré­dire com­ment un réseau de gènes et de régu­la­tions de leur expres­sion inter­agit pour construire l’identité d’une cel­lule au cours du déve­lop­pe­ment. Le sys­tème pré­dit ce qui pousse une cel­lule à deve­nir une cel­lule mus­cu­laire, de la peau ou ner­veuse en fonc­tion des leviers géné­tiques acti­vés. Bap­ti­sé Cel­lO­racle, il com­pile des dizaines d’années de recherches mon­diales en s’appuyant sur les bases de don­nées publiques qui res­sassent les inter­ac­tions géné­tiques connues. On peut ain­si lui deman­der quel effet aura la dis­pa­ri­tion d’un gène dans un des orga­nismes modèles que le logi­ciel intègre. Cela épargne aux cher­cheurs la concep­tion d’animaux por­teurs de cette ano­ma­lie géné­tique. « C’est une simu­la­tion in sili­co de Knock out », les ani­maux à qui on a intro­duit une muta­tion dans le génome qui empêche l’expression d’un gène, résume Nico­las David.

Cer­taines tech­niques de bio­lo­gie molé­cu­laire ont été repro­duites tant de fois qu’elles peuvent ain­si être trai­tées par un algo­rithme de machine lear­ning. « Mais si on est capable de simu­ler un sys­tème, c’est qu’on l’a com­pris. », com­mente Nico­las David. Ain­si, de tels sys­tèmes épargnent un tra­vail explo­ra­toire ou signalent une piste de recherche inex­ploi­tée, mais leurs résul­tats ne sont pas infaillibles. Avant de s’engager sur une piste et d’entrer dans une phase de recherche appli­quée, il fau­dra les vérifier. 

Il faut éga­le­ment véri­fier les sys­tèmes avec d’autres approches mathé­ma­tiques. « Il existe désor­mais des sys­tèmes de bio­sta­tis­tiques pour anti­ci­per le nombre mini­mum d’animaux qu’il faut uti­li­ser dans une recherche pour répondre à une ques­tion don­née. Cette approche est déployée au sein de l’Institut Pas­teur et nous aide à réduire, par opti­mi­sa­tion, le volume de l’expérimentation ani­male », pré­cise Jean-Bap­tiste Mas­son, phy­si­cien sta­tis­ti­cien au sein de l’Institut Pas­teur à Paris.

Ces der­nières années, de nou­velles approches de rem­pla­ce­ment émergent. Nico­las David explique ain­si « Tous les ani­maux ne sont pas recon­nus comme sen­sibles. On peut essayer d’aller vers des espèces de sub­sti­tu­tion. » Il peut s’agir d’étudier les étapes les plus pré­coces du déve­lop­pe­ment, avant que l’organisme ne soit cou­vert par la loi de pro­tec­tion des ani­maux dans la recherche scien­ti­fique³. « Chez le mam­mi­fère, cela dépend de la durée totale de ges­ta­tion. Ils ne sont pro­té­gés qu’après deux tiers du déve­lop­pe­ment nor­mal. Pour les non-mam­mi­fères, c’est plus com­pli­qué. La loi parle de forme lar­vaire auto­nome. Chez le pois­son, l’autonomie est inter­pré­tée comme la capa­ci­té à se nour­rir par lui-même, et donc au moment où la bouche s’ouvre. », pré­cise le bio­lo­giste Nico­las David.

Enfin, des équipes se tournent vers les modèles d’animaux inver­té­brés, avec une contrainte évi­dente : plus on s’éloigne de l’espèce humaine dans l’arbre évo­lu­tif, plus le risque que les conclu­sions ne puissent pas s’appliquer à la recherche cli­nique croit. Cette ten­dance est aus­si contes­tée par la com­mu­nau­té scien­ti­fique elle-même. En avril der­nier, 287 phi­lo­sophes, éthi­ciens, étho­lo­gistes et neu­ro­bio­lo­gistes spé­cia­listes de la conscience ani­male ont signé la Décla­ra­tion de New York sur la conscience ani­male⁴. Ce texte déclare « irres­pon­sable » d’ignorer la pos­si­bi­li­té que tous les ver­té­brés et que plu­sieurs espèces inver­té­brées (comme les cépha­lo­podes, les insectes et des crus­ta­cés de la famille des crabes et des cre­vettes) aient une « expé­rience consciente » au vu d’un nombre crois­sant de tra­vaux scien­ti­fiques. Les auteurs font réfé­rence à des tra­vaux très avant-gar­distes chez les abeilles⁵, chez le poulpe⁶ ou encore chez deux espèces de ser­pents⁷. Le texte consti­tue ain­si un prin­cipe de pré­cau­tion face à la pos­si­bi­li­té de conscience d’espèces uti­li­sées à des fins d’expérimentations scien­ti­fiques. De quoi relan­cer la recherche d’alternatives.

Agnès Vernet