Il suffit de passer quelques minutes sur un modèle d’intelligence artificielle (IA), tel que ChatGPT, Le Chat ou Claude, pour être bluffé par les capacités de ces programmes. Même s’ils présentent encore des limitations non négligeables, ces LLM (« large langage models ») s’intègrent dans de nombreux secteurs d’activité. Scientifiques et chercheurs n’ont pas attendu l’avènement de ces programmes pour s’adjoindre les services de l’IA. Mais les LLM ont ouvert de nouvelles voies de recherche, notamment dans les disciplines qui s’intéressent à la génomique.

L’information contenue dans le génome des êtres vivants n’a certes rien à voir avec du langage humain. Mais, par convention, les unités de base de l’ADN, appelées nucléotides, sont représentées par les lettres A, T, G et C. Une séquence d’ADN est donc une sorte de texte sans mot ni ponctuation, formé de combinaisons de ces quatre lettres, en nombre variable selon les espèces. Depuis quelques années a donc émergé l’idée de développer…