Les données biologiques pour l’IA deviennent un actif de sécurité nationale

Les États-Unis veulent traiter les données biologiques pour l’IA comme une infrastructure stratégique. OpenAI a annoncé son soutien à trois propositions de loi bipartites visant à organiser l’accès aux données du vivant, leur normalisation et leur emploi sécurisé dans des outils de recherche. L’enjeu n’est pas seulement d’empêcher un modèle avancé d’aider à concevoir un agent pathogène : il est aussi de donner aux défenseurs les moyens de détecter, mesurer et contrer cette menace.

Cette position place l’entreprise au cœur d’un débat où les intérêts industriels et les impératifs de sécurité se recoupent. Les grands laboratoires d’IA disposent des modèles susceptibles d’abaisser certaines barrières techniques en biologie. Ils ont donc un intérêt direct à ce que les critères d’évaluation des risques, les données de référence et les procédures de sûreté soient définis rapidement par les autorités américaines.

Les textes soutenus sont le Web of Biological Data Act, l’AI-Ready Bio-Data Standards Act et le SCALE Biology Act. Les deux premiers ont été déposés dans les deux chambres du Congrès, tandis que le troisième a été introduit à la Chambre des représentants. Ils ne constituent pas une réglementation générale des modèles d’IA : ils organisent plutôt le socle informationnel et métrologique sur lequel pourraient reposer les contrôles futurs.

Les données biologiques pour l’IA au centre du dispositif

Le Web of Biological Data Act chargerait le département de l’Énergie de créer une ressource centralisée pour faciliter l’accès aux données biologiques. L’objectif est de remédier à une fragmentation ancienne : séquences génétiques, données expérimentales, résultats cliniques et informations sur les pathogènes sont aujourd’hui produits par des institutions, des laboratoires et des bases aux formats hétérogènes.

L’AI-Ready Bio-Data Standards Act confierait au National Institute of Standards and Technology (NIST) l’élaboration d’un cadre permettant de rendre les données financées par des fonds fédéraux réellement exploitables par les systèmes d’IA. Le SCALE Biology Act, de son côté, créerait au NIST un programme consacré aux standards de mesure pour les données biologiques et à des lignes directrices destinées à sécuriser le développement des biotechnologies.

Cette architecture répond à une limite opérationnelle : sans données comparables, traçables et documentées, il est difficile de tester sérieusement les capacités d’un modèle à produire des séquences biologiques dangereuses ou à contourner les contrôles existants. Les données biologiques pour l’IA ne servent donc pas uniquement à accélérer la recherche ; elles permettent aussi de construire des bancs d’essai, d’établir des seuils d’alerte et d’évaluer les contre-mesures.

Le NIST, futur arbitre technique de la biosécurité

Le choix du NIST est politique autant que technique. L’institut fédéral n’est pas un régulateur au sens classique, mais il produit des normes et des méthodes de référence qui structurent ensuite les achats publics, les pratiques industrielles et les exigences de conformité. En matière de cybersécurité, ses référentiels ont déjà servi de langage commun entre administrations et entreprises. Washington cherche à transposer cette fonction à la rencontre de l’IA et des sciences du vivant.

Ce déplacement du débat vers les standards évite, pour l’heure, une opposition frontale entre moratoire et poursuite de l’innovation. Il permet aux autorités de financer une capacité défensive sans interdire par principe les applications scientifiques des modèles. Mais il donne aussi aux acteurs déjà capables de produire, d’annoter et de sécuriser de vastes corpus une position privilégiée dans la définition des futurs critères.

Les inquiétudes ne sont pas théoriques. Des travaux de recherche ont montré que des outils computationnels pouvaient assister la conception de nouveaux virus, tandis que plusieurs entreprises du secteur ont signalé des tentatives d’usage de leurs modèles dans des recherches sur des agents pathogènes. L’IA n’élimine pas la nécessité d’un laboratoire, de matériaux, de compétences expérimentales et de chaînes d’approvisionnement. Elle peut toutefois réduire le temps consacré à l’exploration de pistes biologiques et élargir l’accès à des savoirs auparavant réservés à des équipes spécialisées.

De la prévention au rapport de force technologique

Le cœur de la stratégie américaine consiste à faire des données biologiques pour l’IA un bien gouverné par l’État, sans les soustraire entièrement à l’écosystème privé. Les données fédérales, les standards du NIST et les capacités de calcul des entreprises doivent former un dispositif où l’administration conserve une fonction de cadrage et de vérification.

La National Security Commission on Emerging Biotechnology, organe créé par le Congrès, appuie également ces textes. Son argument est explicite : une donnée biologique de qualité, lisible par les machines et convenablement protégée doit être considérée comme une ressource nationale. Cette approche rapproche la biologie des politiques déjà menées sur les semi-conducteurs, le cloud ou les minerais critiques : la souveraineté ne se réduit plus à la propriété d’un outil, mais englobe les données, les normes et les procédures qui le rendent utilisable.

Pour les alliés européens des États-Unis, la séquence mérite attention. Les normes élaborées à Washington peuvent devenir, par les contrats de recherche, les coopérations scientifiques et les exigences de sécurité des entreprises américaines, des références de fait au-delà du territoire américain. La compétition porte dès lors sur la capacité à produire des jeux de données fiables, à conserver des infrastructures de recherche et à participer à l’écriture des critères de sûreté.

Les données biologiques pour l’IA deviennent ainsi un terrain de double usage : elles alimentent la médecine, la découverte de molécules et la surveillance épidémiologique, mais aussi les outils d’évaluation du risque biologique. Les trois textes ne règlent pas à eux seuls le contrôle des modèles les plus puissants. Ils installent néanmoins l’infrastructure administrative et technique à partir de laquelle ce contrôle pourra être exercé — ou, à défaut, contourné par ceux qui maîtriseront les données et les standards.