RISE est un programme du CNRS, la quinzaine de start-ups lauréates des différents appels à projets profitent d’un accompagnement sur mesure pendant an, ainsi que d’une inclusion dans le réseau d’experts et de partenaires de CNRS Innovation pour structurer et développer leur projet. Celui d’Innatelogic, qui est de modéliser des réseaux de réactions biochimiques grâce à l’IA, a été retenu dans le cadre de l’APP 2022.
Lancé en 2019, le programme d’accompagnement RISE du CNRS, opéré par CNRS Innovation, a pour objectif d’accompagner les projets de création d’entreprise deeptech qui visent à exploiter les technologies développées au sein des 1 100 laboratoires sous tutelle CNRS. Pour cette édition 2022, 14 projets ont été retenus, dont cinq issus de laboratoires CNRS du cluster scientifique et technologique de Paris-Saclay, parmi eux, celui d’Innatelogic.
Une équipe d’experts dédiés et de mentors va donc suivre la start-up dans toutes les étapes de son développement pour lui permettre de mener à bien son projet d’entreprise, et plus particulièrement pour :
- L’identification des compétences nécessaires pour mener à bien le projet et proposition de moyens d’intégration des compétences manquantes en fonction des attentes;
- La définition de leur stratégie de financement;
- Le positionnement de leur technologie sur un marché permettant l’établissement d’une structure commerciale pérenne, à travers une démarche de découverte de marché structurée. À l’issue de ces démarches, un couple produit/marché cohérent sera défini et un plan d’affaires formalisé.
Modéliser les « réseaux » de réactions biochimiques grâce à l’IA
Si l’on veut comprendre les réactions biochimiques, il faut tout d’abord appréhender les mécanismes et les différentes interactions entre des molécules très variées, allant de l’ADN aux protéines en surface des cellules. Ces réseaux biochimiques de réactions sont très complexes, leur modélisation difficile et intense en calculs, impossible à réaliser à la main.
Créée par Benedikt Bollig (Directeur de recherche au CNRS), Matthias Függer (Chargé de recherche au CNRS) et Thomas Nowak (Maître de conférences à l’Université Paris-Saclay) au LISN et au LMF, Innatelogic utilise l’IA et le deep learning pour venir à bout de ce problème.
Matthias Fûgger explique :
« L’IA est actuellement la meilleure réponse aux problèmes d’optimisation. Il s’agit de trouver les meilleurs paramètres en testant de nombreuses possibilités, et les réseaux de neurones artificiels et méthodes de deep learning sont très efficaces à cet égard. »
Entraîner les algorithmes grâce à l’expertise en biochimie d’Innatelogic
Les chercheurs d’Innatelogic ont adopté une approche différente pour construire leur IA : ils se sont basés sur leur expertise en biochimie pour « guider » les algorithmes. Limiter l’exploration de l’algorithme aux réactions d’intérêt possibles leur a permis de réduire les temps de calcul, mais également d’expliquer et de suivre la logique derrière le résultat présenté par l’IA.
Thomas Nowak déclare :
« Contrairement à de nombreuses IA actuelles, la nôtre n’est pas une ‘‘boîte noire”. Nous donnons une structure à notre IA sur la base de nos connaissances des réactions biochimiques et des savoirs existants. »
Ainsi, l’outil d’IA d’Innatelogic sera lisible, facile d’utilisation et permettra de décrire un réseau de réactions biochimiques et son évolution au cours du temps.
Benedikt Bollig explique :
« De plus en plus de recherches se font in silico, via simulation, ce qui accélère les processus et diminue les coûts. Nous construisons un outil versatile capable de répondre à ce besoin, avec une interface utilisateur travaillée. Notre but est d’avoir un logiciel qui peut être utilisé sans manuel ! »
Les chercheurs prévoient deux utilisations :
- En pharmacocinétique, pour simuler la circulation d’un médicament dans l’organisme, son effet, et son devenir;
- En bioingénierie, pour repérer le meilleur endroit où modifier l’ADN, par exemple pour optimiser la bioproduction grâce aux bactéries.
