Pour la première fois, un vaccin dont l’antigène a été conçu à l’aide de méthodes informatiques et d’apprentissage automatique a franchi une étape clinique chez l’humain. Le candidat pEVAC-PS, développé par une équipe liée à l’Université de Cambridge et à la société DIOSynVax, a été testé sur 39 volontaires dans un essai de phase I publié dans le Journal of Infection.
Le résultat mérite l’attention, mais aussi de la précision. Le vaccin a été bien toléré et n’a pas soulevé de signal majeur de sécurité. Il a également provoqué des réponses immunitaires mesurables contre des éléments conservés de plusieurs sarbecovirus, la famille qui comprend notamment le SARS-CoV-1 et le SARS-CoV-2. En revanche, l’étude ne démontre pas encore une protection contre l’infection ou la maladie. Elle valide surtout la faisabilité d’une nouvelle manière de concevoir des vaccins plus larges, avant même l’apparition du prochain variant préoccupant.
Un vaccin pensé pour une famille de virus, pas pour un seul variant
La plupart des vaccins sont élaborés à partir d’une souche connue ou d’un antigène associé à un virus déjà identifié. Cette stratégie a prouvé son efficacité, mais elle oblige parfois les chercheurs et les fabricants à réagir aux mutations après leur apparition. Le décalage entre la surveillance, la sélection d’une nouvelle cible, la production puis la distribution peut laisser le virus prendre de l’avance.
pEVAC-PS poursuit une logique différente. Il s’agit d’un vaccin pan-sarbecovirus : son antigène cherche à présenter au système immunitaire des caractéristiques partagées par plusieurs membres de cette famille virale. L’objectif n’est donc pas seulement de reconnaître une version précise du SARS-CoV-2, mais de viser des zones suffisamment conservées pour rester pertinentes face à plusieurs coronavirus apparentés.
Cette ambition explique l’expression de « vaccin universel » souvent utilisée dans les annonces autour de l’étude. Elle doit toutefois être comprise comme une direction de recherche. Le candidat ne vise pas tous les virus, ni même tous les coronavirus. Il cible les sarbecovirus, un sous-groupe qui inclut les agents du SARS et du Covid-19 ainsi que des virus animaux susceptibles, en théorie, de franchir la barrière des espèces.
Comment l’intelligence artificielle intervient dans la conception
Le cœur de l’approche réside dans ce que les chercheurs présentent comme un « super-antigène ». Un antigène est la partie du vaccin qui montre au système immunitaire ce qu’il doit apprendre à reconnaître. Au lieu de sélectionner directement la protéine d’un seul variant, l’équipe a utilisé des données génétiques et des méthodes de conception informatique pour rechercher des motifs communs à un ensemble de sarbecovirus.
L’apprentissage automatique aide ici à explorer un espace de possibilités beaucoup trop vaste pour être parcouru manuellement. Il peut comparer des séquences, repérer des régions conservées et contribuer à construire des antigènes synthétiques susceptibles de déclencher une réponse immunitaire plus large. Les candidats restent ensuite soumis aux étapes classiques de la recherche biomédicale : fabrication, tests en laboratoire, études animales, contrôle réglementaire puis essais cliniques.
Il est donc trompeur d’imaginer une IA générative produisant seule un vaccin prêt à injecter. L’algorithme intervient dans la phase de conception et de sélection. Les décisions expérimentales, la validation biologique et l’évaluation clinique restent conduites par des équipes scientifiques et médicales. L’intérêt de la méthode est moins de remplacer ces étapes que d’améliorer le point de départ.
Une formulation ADN administrée sans aiguille
Dans cet essai, l’antigène a été délivré sous la forme d’un vaccin à ADN. Les volontaires ont reçu deux doses à 28 jours d’intervalle, selon quatre niveaux croissants allant de 0,2 à 1,2 milligramme. L’administration était intradermique et réalisée avec un dispositif à jet, sans aiguille.
Ce choix n’est pas anecdotique. Une formulation à ADN peut présenter des avantages de stabilité, tandis qu’une administration sans aiguille peut simplifier certaines campagnes et réduire les contraintes liées au transport et à l’élimination des objets piquants. Ces bénéfices potentiels devront néanmoins être évalués à plus grande échelle, dans des conditions réelles de déploiement.
Ce que montre réellement la phase I
L’étude, menée entre décembre 2021 et septembre 2023 auprès d’adultes âgés de 18 à 50 ans, avait d’abord pour but d’évaluer la sécurité et la tolérance. Sur ce point, les auteurs rapportent que le vaccin a été bien toléré aux quatre doses testées, sans problème significatif de sécurité.
Les chercheurs ont aussi recherché des signes d’immunogénicité, c’est-à-dire la capacité du vaccin à provoquer une réponse du système immunitaire. Des réponses mesurables ont été observées contre des épitopes conservés encodés par le vaccin. Un épitope est une petite zone reconnue par les anticorps ou d’autres composantes de l’immunité.
Mais les résultats immunitaires sont qualifiés de modestes dans l’article scientifique. Leur interprétation a été compliquée par le contexte de l’essai : les participants avaient déjà reçu deux ou trois doses de vaccin contre le Covid-19, et les vagues successives d’Omicron ont créé des historiques d’exposition très différents. Beaucoup disposaient donc déjà d’un niveau élevé d’anticorps au début de l’étude.
Cette immunité préexistante rend difficile l’attribution précise des réponses observées au seul candidat pEVAC-PS. Elle ne remet pas en cause le signal de sécurité, mais elle limite la portée des conclusions sur l’efficacité immunitaire.
Pourquoi cette étape compte malgré des résultats encore limités
Le passage à l’humain constitue une rupture importante entre une idée prometteuse et une technologie biomédicale crédible. De nombreux antigènes conçus par ordinateur donnent de bons résultats dans des simulations ou chez l’animal sans jamais atteindre l’essai clinique. Ici, un candidat issu de cette méthode a pu être fabriqué, administré à plusieurs doses et suivi selon un protocole de phase I.
Cette avancée donne un exemple concret de ce que l’IA peut apporter à la recherche médicale au-delà des assistants conversationnels. Elle ne se contente pas d’analyser des dossiers ou de résumer des publications : elle participe à la conception d’un objet biologique qui entre ensuite dans le circuit expérimental et réglementaire.
L’enjeu est aussi stratégique. Concevoir à l’avance des vaccins couvrant plusieurs virus apparentés pourrait renforcer la préparation aux pandémies. Au lieu d’attendre l’émergence d’un pathogène pour commencer la recherche, des plateformes pourraient constituer une bibliothèque de candidats contre des familles virales considérées comme à risque.
Cela ne supprimerait ni le besoin de surveillance épidémiologique ni les essais cliniques. En revanche, un antigène déjà étudié, une plateforme de production connue et des données de sécurité disponibles pourraient raccourcir les premières étapes d’une réponse sanitaire.
Les questions qu’une phase II devra trancher
La prochaine étape annoncée est une étude de phase II portant sur une population plus nombreuse et plus diverse. Elle devra mieux mesurer la qualité, l’ampleur et la durée des réponses immunitaires. Les chercheurs devront notamment déterminer si les anticorps produits neutralisent réellement plusieurs sarbecovirus et si la réponse reste suffisamment robuste dans le temps.
Il faudra aussi distinguer l’effet du nouveau vaccin de celui des vaccinations ou infections antérieures. Des groupes de comparaison mieux contrôlés et des analyses immunologiques plus fines seront essentiels. À plus long terme, seule une étude d’efficacité pourra montrer si le candidat réduit effectivement le risque d’infection ou de maladie.
D’autres questions concernent la fabrication, le coût et le déploiement. Un antigène très large sur le papier n’est utile que s’il peut être produit de manière fiable, conservé facilement et administré à grande échelle. La promesse d’une meilleure stabilité et de l’injection sans aiguille devra donc être confrontée aux contraintes logistiques.
Enfin, l’étude implique des chercheurs et des actionnaires liés à DIOSynVax, ce que la publication déclare dans ses conflits d’intérêts. Cette proximité est habituelle dans le développement d’une technologie issue d’une université, mais elle renforce l’importance d’une réplication et d’une évaluation indépendante lors des phases suivantes.
Une preuve de méthode, pas encore une protection universelle
Le résultat le plus solide n’est pas qu’un vaccin universel serait prêt. Il est qu’une stratégie de conception informatique visant des caractéristiques communes à plusieurs virus a atteint l’humain sans signal majeur de sécurité dans un petit essai initial.
La nuance est essentielle. Une phase I sur 39 personnes ne permet pas de prédire l’efficacité d’une vaccination de masse, et l’immunogénicité observée reste difficile à interpréter. Mais elle fait passer l’IA appliquée aux vaccins d’une promesse de laboratoire à une première réalité clinique.
Si les études suivantes confirment une protection large et durable, la conséquence dépasserait le seul Covid-19. La même logique pourrait être explorée contre d’autres familles virales, comme la grippe ou les filovirus. Le véritable changement serait alors de ne plus concevoir chaque vaccin uniquement en réaction au virus qui circule, mais de préparer des défenses contre ceux qui pourraient émerger.
Références
- University Hospital Southampton – New AI-designed ‘universal vaccine’ could protect against future virus outbreaks
- Journal of Infection – A phase I, needle free, dose escalation clinical trial of pEVAC-PS
- PubMed – Résumé et données bibliographiques de l’étude
- ISRCTN – Enregistrement de l’essai ISRCTN87813400
