Hugging Face lance Carbon-X, un modèle d'IA ouvert qui permet de « discuter avec l'ADN »

Pourquoi c'est important

C'est le premier modèle ouvert qui permet à tout un chacun de « discuter avec l'ADN » en langage courant : on colle une séquence génétique, on demande si une mutation est nocive, et il explique son raisonnement en anglais — sans programmer. Hugging Face affirme qu'il fonctionne en local sur un ordinateur portable, sans transmettre de données génétiques sensibles : un argument clé pour la confidentialité médicale.

Lire l'article

Hugging Face a lancé jeudi (22 octobre) Carbon-X, un modèle gratuit en open source sous licence Apache 2.0. Développé avec des chercheurs de l'Académie de Zhongguancun à Pékin, de l'Institut Telethon de génétique et de médecine en Italie et de l'Université Federico II de Naples, le lancement a été rapporté par WIRED.

Le modèle compte environ 14,8 milliards de paramètres. Parti du modèle ouvert Qwen3-14B d'Alibaba, il a été entraîné sur 302 milliards de tokens, dont environ 55 % de séquences d'ADN. Son tokeniseur lit l'ADN par blocs de six lettres et accepte environ 49 000 à 50 000 lettres d'ADN à la fois — bien moins qu'un génome humain entier. Il évalue si une mutation semble bénigne ou pathogène, repère les régions qui contrôlent l'activité des gènes et prédit la base suivante d'une séquence.

Hugging Face annonce un score moyen de 66,7 % sur cinq tests de référence ADN, soit 27 points de plus que le Qwen3-14B d'origine, et affirme que Carbon-X arrive en tête de tous les modèles testés sur BioReason Coding et la prédiction de la prochaine base, pour un coût par problème d'environ 1/1 800e de celui de GPT-6.1 Sol. Deux des cinq tests (FrontierVEP, NextBase) ont été conçus par Hugging Face elle-même. Le modèle tient sur un seul GPU de 80 Go ; l'équipe a délibérément exclu les séquences virales de l'entraînement pour limiter les usages dangereux.

Les développeurs ne cachent pas les limites : les prédictions de Carbon-X n'ont pas encore été validées par des expériences en laboratoire, donc ni leur exactitude ni un usage clinique ne peuvent être garantis. « Nous avons débloqué une nouvelle capacité des modèles de langage, qui consiste fondamentalement à pouvoir discuter avec l'ADN », a déclaré à WIRED Lewis Tunstall, chercheur scientifique senior. À l'inverse, AlphaGenome de Google DeepMind, lancé l'an dernier, produit des prédictions dans un format numérique et exige davantage de puissance de calcul.