Bioptimus transpose à la biologie l’approche des modèles de fondation : entraîner une intelligence artificielle sur de vastes ensembles de données, puis l’adapter à différentes tâches. Là où les modèles de langage apprennent à partir de textes, la société française cherche à représenter les structures et les mécanismes du vivant. Son projet consiste, à terme, à rapprocher des informations provenant notamment des molécules, des cellules et des tissus.
Une jeune entreprise issue de la recherche en IA
Lancée en 2024 à Paris, Bioptimus est cofondée et dirigée par Jean-Philippe Vert, chercheur en apprentissage automatique appliqué à la biologie, passé notamment par Google et Owkin. Son équipe réunit des compétences en intelligence artificielle, en mathématiques et en sciences du vivant. Cette origine explique un positionnement à la frontière entre recherche fondamentale et applications biomédicales.
La société s’est constituée avec le soutien d’investisseurs, dont Sofinnova Partners et Bpifrance. Elle bénéficie également de liens avec l’écosystème d’Owkin, entreprise spécialisée dans l’IA pour la médecine. L’accès à des données biologiques de qualité, les capacités de calcul et l’expertise scientifique représentent trois ressources essentielles pour développer ses modèles.
La pathologie numérique comme premier terrain
Bioptimus a présenté en 2024 H-optimus-0, un modèle de fondation consacré à l’analyse d’images de tissus humains. Ces images, obtenues par numérisation de lames d’histologie, contiennent des informations sur l’organisation des cellules et leur environnement. Leur lecture joue notamment un rôle important en cancérologie, mais leur richesse et leur taille rendent leur exploitation informatique exigeante.
Le modèle apprend des représentations visuelles qui peuvent ensuite servir de base à des tâches spécialisées. Des équipes de recherche peuvent ainsi s’appuyer sur lui pour développer des outils de classification de tissus ou étudier des caractéristiques associées à certaines maladies. La mise à disposition du modèle permet aussi à d’autres acteurs de l’évaluer et de construire leurs propres applications.
Cette démarche se distingue du développement d’un logiciel conçu pour un seul usage : Bioptimus fournit une brique technologique réutilisable. Elle ne se confond toutefois pas avec un dispositif de diagnostic autonome. Les applications médicales qui en découlent nécessitent des validations adaptées, portant notamment sur la fiabilité, la généralisation à différents contextes hospitaliers et les conditions d’utilisation.
Et maintenant ?
L’enjeu est de dépasser l’image histologique pour relier plusieurs catégories de données biologiques au sein de modèles plus généraux. Une telle approche pourrait aider à mieux caractériser les maladies, identifier des pistes thérapeutiques ou orienter des travaux expérimentaux. Ces perspectives restent conditionnées par la qualité des données et par la démonstration d’une utilité concrète.
Pour Bioptimus, la suite se jouera autant sur les performances scientifiques que sur l’adoption par les chercheurs et les industriels. La maîtrise des biais, la reproductibilité des résultats et l’intégration aux méthodes de travail existantes seront déterminantes pour transformer ses modèles en outils durables de recherche biomédicale.