VaxSeer, l’IA du MIT qui veut mieux choisir les souches du vaccin antigrippal

La composition d’un vaccin antigrippal est un pari scientifique à grande échelle. Il faut arrêter le choix des souches des mois avant leur circulation intensive, le temps de fabriquer, contrôler et distribuer les doses. Or le virus de la grippe ne cesse d’accumuler des mutations. Une décision prise trop tôt, ou sur la mauvaise souche, peut réduire l’adéquation entre le vaccin et les virus qui finiront par dominer la saison.

Des chercheurs du Massachusetts Institute of Technology, le MIT, proposent d’ajouter une aide algorithmique à cette décision délicate. Leur système, baptisé VaxSeer, utilise l’apprentissage profond, des décennies de séquences virales et des résultats expérimentaux pour estimer quels virus ont le plus de chances de se propager, puis quel candidat vaccin devrait le mieux les couvrir. Testé rétrospectivement sur dix années de décisions, l’outil affiche des résultats encourageants, notamment pour le sous-type A/H3N2.

Pourquoi faut-il prévoir la grippe si tôt ?

Le vaccin saisonnier ne vise pas un virus figé. Les virus influenza circulent dans de nombreux pays, se transmettent et évoluent continuellement. Leur surface porte notamment une protéine appelée hémagglutinine, ou HA. C’est l’une des cibles importantes des anticorps produits après la vaccination. Lorsque la HA change suffisamment, les anticorps suscités par un vaccin peuvent moins bien reconnaître les virus en circulation.

C’est pourquoi la sélection des souches est une étape essentielle de la préparation vaccinale. L’Organisation mondiale de la santé, l’OMS, s’appuie sur la surveillance internationale des virus circulants, les données de laboratoires et l’analyse de leur évolution pour formuler ses recommandations de composition. Les fabricants doivent ensuite produire les vaccins à grande échelle. Ce calendrier ne laisse pas la possibilité d’attendre de voir quel virus l’emportera effectivement au début de l’épidémie.

La difficulté tient donc à un double horizon : savoir quels variants vont se diffuser et anticiper s’ils resteront suffisamment proches de la souche vaccinale retenue. Une bonne correspondance, souvent désignée par l’expression d’« appariement antigénique », est associée à une meilleure protection. À l’inverse, un décalage entre vaccin et virus circulants peut diminuer l’efficacité attendue et accroître la pression sur les services de santé pendant la saison grippale.

VaxSeer : deux questions plutôt qu’une seule prédiction

Le système du MIT ne se contente pas de repérer des mutations une à une. Les approches traditionnelles d’étude de l’évolution virale examinent souvent ces changements d’acides aminés de manière isolée. Or les effets de plusieurs mutations combinées peuvent ne pas être la simple addition de leurs effets respectifs.

VaxSeer utilise pour cela un modèle de langage appliqué aux protéines. Par analogie avec un modèle de langage textuel qui apprend les relations entre les mots d’une phrase, ce type de modèle apprend des régularités dans les séquences d’acides aminés qui composent les protéines. Dans le cas présent, il exploite des données historiques sur les séquences de virus grippaux ainsi que des résultats de tests en laboratoire.

Son fonctionnement repose sur deux moteurs de prédiction complémentaires :

• le premier estime la probabilité qu’une souche virale se propage et devienne dominante ;
• le second estime la capacité d’un candidat vaccin à protéger contre cette souche ;
• leurs résultats sont combinés dans un score de couverture prédictive, destiné à comparer les candidats vaccins face aux virus qui pourraient circuler à l’avenir.

Ce score peut aller de valeurs très négatives à zéro. Plus il est proche de zéro, plus l’appariement antigénique prédit entre le vaccin et les virus futurs est favorable. L’intérêt de cette construction est important : choisir une souche très proche d’un virus qui ne circulera finalement presque pas n’apporte pas le même bénéfice que couvrir un virus appelé à devenir majoritaire.

Pour simuler l’évolution des fréquences virales au fil du temps, VaxSeer s’appuie aussi sur des modèles mathématiques utilisant des équations différentielles ordinaires. Pour l’évaluation antigénique, les chercheurs utilisent les résultats d’un essai courant, le test d’inhibition de l’hémagglutinine. Celui-ci mesure la capacité des anticorps à inhiber le virus et fournit un indicateur utile de la proximité antigénique entre différentes souches.

Que montrent dix ans de comparaisons rétrospectives ?

Les résultats communiqués portent sur une étude rétrospective. Autrement dit, les chercheurs ont appliqué VaxSeer à des données historiques afin de comparer ses recommandations à des choix effectivement effectués et aux résultats connus par la suite. Ce type d’exercice permet de tester la cohérence d’un modèle, mais il ne reproduit pas entièrement les conditions d’une décision prospective prise en temps réel.

Pour le sous-type A/H3N2, souvent difficile à anticiper, les recommandations de VaxSeer ont surpassé celles de l’OMS au cours de neuf saisons sur dix dans cette analyse. Pour le sous-type A/H1N1, l’outil a égalé ou dépassé les choix de l’OMS lors de six saisons. En 2016, le système a notamment mis en avant une souche que l’OMS n’a retenue qu’un an plus tard.

Les scores de couverture prédictive produits par VaxSeer ont également montré une forte corrélation avec des évaluations d’efficacité vaccinale rapportées notamment par les Centres américains pour le contrôle et la prévention des maladies, les CDC. Cette corrélation est un signal favorable, car elle relie le classement obtenu par le modèle à un indicateur de santé publique. Elle ne doit toutefois pas être confondue avec la démonstration qu’un outil d’IA améliore déjà, en conditions réelles, la protection de populations vaccinées.

En quoi l’outil diffère-t-il des méthodes habituelles ?

La force revendiquée de VaxSeer réside dans l’intégration de deux dimensions qui doivent, en pratique, être considérées ensemble : l’avantage évolutif d’une souche et sa distance antigénique avec un vaccin. Le modèle tente ainsi de ne pas traiter chaque mutation comme un signal indépendant, mais comme une composante d’une séquence protéique dont les changements peuvent interagir.

Cette approche ne rend pas inutile l’expertise virologique ni le dispositif de surveillance international. Les décisions de composition vaccinale s’appuient sur des données multiples et répondent aussi à des contraintes concrètes de production. L’IA pourrait plutôt devenir un outil d’aide à la décision, capable de classer des candidats et de signaler ceux dont le potentiel mérite une analyse approfondie.

Le terme « prédire » doit donc être manié avec précision. L’évolution virale dépend de phénomènes biologiques et épidémiologiques complexes. Une souche peut posséder des caractéristiques favorables sans devenir dominante, par exemple si les conditions de transmission ne lui sont pas propices. Un modèle reste tributaire des informations qui l’ont entraîné et des hypothèses qui structurent ses calculs.

Les limites actuelles de VaxSeer

À ce stade, VaxSeer se concentre sur la protéine HA, l’hémagglutinine. C’est une cible centrale pour l’étude de l’antigénicité, mais elle ne résume pas à elle seule tous les déterminants de l’évolution et de la réponse immunitaire. Les chercheurs envisagent d’intégrer par la suite la neuraminidase, ou NA, une autre protéine importante du virus grippal.

D’autres paramètres pourraient aussi peser dans une version plus complète du système : les contraintes de fabrication, les niveaux de dosage ou l’histoire immunitaire des populations. Ces facteurs ne relèvent pas tous de la génétique du virus, mais ils influencent la performance concrète d’une stratégie vaccinale.

L’extension à d’autres agents infectieux ne sera pas automatique. VaxSeer dépend de jeux de données de qualité, associant évolution des séquences virales et résultats de laboratoire sur les réponses immunitaires. Or ces ensembles sont souvent indisponibles, incomplets ou moins homogènes pour d’autres virus. La disponibilité de données solides est donc une condition préalable, non un détail technique.

Au-delà de la grippe, quels usages envisager ?

L’ambition scientifique dépasse le seul vaccin antigrippal. Le principe consiste à anticiper une évolution biologique susceptible de rendre une intervention moins efficace. Une logique comparable pourrait, à terme, aider à étudier des bactéries qui développent une résistance aux antibiotiques, ou des cancers devenant résistants à certains traitements.

Ces pistes ne signifient pas que la même IA puisse être directement transposée d’une maladie à l’autre. Les mécanismes biologiques, la nature des données et les critères cliniques diffèrent profondément entre un virus respiratoire, une bactérie et une tumeur. Elles illustrent néanmoins l’intérêt grandissant des méthodes d’apprentissage profond pour trier des hypothèses dans des systèmes biologiques qui évoluent rapidement.

Les travaux ayant mené à VaxSeer ont reçu le soutien de l’Agence américaine de réduction des menaces et de la MIT Jameel Clinic. Pour les responsables de santé publique, l’enjeu est moins de déléguer la sélection des vaccins à une machine que de disposer de meilleurs instruments pour prendre une décision incertaine, coûteuse et cruciale dans un calendrier très contraint.

Ce qu’il faut surveiller

La prochaine étape déterminante sera la confrontation de VaxSeer à des décisions prises en temps réel. Les bons résultats rétrospectifs sont nécessaires pour établir l’intérêt d’un système, mais une évaluation prospective permettra de mesurer sa robustesse lorsque les données sont incomplètes et que l’avenir de la saison grippale reste inconnu.

Il faudra aussi observer la façon dont l’outil peut s’intégrer au processus existant : transparence de ses critères de classement, comparaison régulière avec l’expertise humaine et les recommandations internationales, puis prise en compte des réalités industrielles. La promesse n’est pas celle d’une prévision infaillible. Elle est plus concrète : réduire l’incertitude au moment où le choix des souches vaccinales doit être fait, bien avant que le virus n’ait révélé ses cartes.