OpenAI Foundation lance le programme Public Data for Health

La OpenAI Foundation a présenté Public Data for Health le 15 septembre 2026, son deuxième programme scientifique, avec plus de $125 million d’aides initiales pour financer la création et la préservation de jeux de données scientifiques de haute qualité, largement accessibles aux chercheurs.

Le programme a été annoncé dans un article rédigé par Abhishaike Mahajan et Jacob Trefethen. La fondation a lancé AI for Alzheimer’s, son premier programme dans Life Sciences and Curing Diseases, en avril 2026 ; alors que cette initiative cible une maladie touchant de nombreuses familles, le nouveau programme vise à favoriser les progrès dans les sciences de la vie sur de nombreuses maladies. Life Sciences and Curing Diseases est l’un des trois programmes prioritaires initiaux de la fondation, aux côtés de AI Resilience et de Civil Society and Philanthropy.

Dans l’annonce, la fondation décrit les données scientifiques comme des observations du monde et le socle essentiel de la recherche et de la découverte. Elle oppose certaines parties des mathématiques, où elle indique que les systèmes d’IA ont récemment commencé à apporter de nouvelles connaissances sans collecte de nouvelles données, à la biologie, où elle affirme que les modèles peuvent de plus en plus analyser des informations biologiques à grande échelle et révéler des structures cachées même à partir de preuves incomplètes. Les auteurs ont écrit qu’ils s’attendent à ce que de nombreuses percées restantes en prévention et traitement des maladies proviennent du fait de fournir aux nouveaux modèles intelligents davantage d’observations du monde, et que certains jeux de données d’une valeur publique immense pourraient ne jamais être créés ou partagés parce qu’aucune institution unique ne dispose d’une incitation ou d’une capacité suffisante pour les financer.

Trois projets initiaux de bénéficiaires

La première tranche soutient les organisations à but non lucratif et les universités et couvre les niveaux de données moléculaires, épidémiologiques et réglementaires.

OpenADMET construira des ensembles de données ouverts, des références et des compétitions en aveugle afin de tester si les modèles d’IA peuvent prédire comment les petites molécules sont absorbées et distribuées dans le corps, un travail que la fondation indique viser à rendre le développement de médicaments plus prévisible et à réduire le taux d’échec des nouveaux médicaments. L’annonce indique que 90 % des candidats médicaments échouent lors des essais cliniques, souvent parce qu’il est difficile de prévoir comment ils seront absorbés et se déplaceront dans le corps, et elle cite l’utilisation par AlphaFold2 des données du Protein Data Bank dans la compétition CASP comme précédent de l’association de défis de prédiction à des données de haute qualité. « La découverte de médicaments est remplie de problèmes universels qu’aucune entreprise individuelle ou laboratoire académique cherchant à guérir une maladie spécifique ne peut résoudre seul », a déclaré James Fraser, membre du conseil d’administration d’OpenADMET et professeur ainsi que président du département de bioingénierie et des sciences thérapeutiques à l’UCSF.

CTD Commons testera si les Common Technical Documents provenant de programmes de médicaments échoués ou mis en veille peuvent être acquis et rendus accessibles librement pour la recherche et l’analyse. Selon l’annonce, un CTD compile le parcours complet d’un médicament expérimental, couvrant la toxicologie animale, les détails de fabrication et la correspondance avec la FDA, et seule une petite fraction de ce travail apparaît dans les publications. Josh Morrison, principal organisateur de CTD Commons et président de 1Day Sooner, a déclaré que le projet réduira la duplication et les coûts dans la recherche clinique et maximisera son impact.

University of North Carolina créera l’Initiative for Generative Immunotherapy, produisant des données publiques multimodales destinées à un avenir où les patients atteints de cancer recevront des vaccins anticancéreux rapides et personnalisés dès le diagnostic. L’annonce décrit les vaccins anticancéreux à néoantigènes actuels comme parmi les rares médicaments conçus informatiquement pour chaque patient : une cellule tumorale est séquencée afin de prédire quels cibles tumorales spécifiques apparaissent à sa surface, mais ce séquençage n’est qu’un substitut, car mesurer directement les cibles et vérifier la force de la réaction du système immunitaire du patient à chacune d’elles est difficile et coûteux. L’UNC générera ces liens manquants à travers des centaines de tumeurs et plusieurs types de cancer, produisant ce que la fondation a décrit comme l’un des premiers jeux de données d’entraînement et d’évaluation du domaine, sous forme de données publiques anonymisées que les chercheurs du monde entier pourront exploiter. « Les vaccins anticancéreux personnalisés commencent enfin à montrer des signes d’efficacité clinique, mais présentent encore des lacunes qui pourraient prendre des décennies à combler selon le modèle traditionnel de développement thérapeutique. Des données de haute qualité peuvent nous aider à combler ces lacunes plus rapidement », a déclaré Alex Rubinsteyn, professeur adjoint de génétique à l’UNC School of Medicine.

Données connectées, rares et directes

Parallèlement aux subventions, la fondation a publié des hypothèses de départ concernant les types de données où elle estime que son soutien peut être le plus utile : les données connectées, qui suivent la biologie à travers plusieurs étapes ; les données rares, qui préservent ce qui ne peut être recréé ; et les données directes, qui mesurent les états biologiques et cliniques les plus pertinents. Elle a indiqué que les ensembles de données financés posséderont généralement une ou deux de ces propriétés, et, dans de rares cas, les trois.

Dans le cadre de la logique des données connectées, la subvention de l’UCSF permettra à l’équipe d’OpenADMET de mesurer les propriétés moléculaires clés et les interactions pour des dizaines de milliers de composés, de relier ce profilage étendu aux mesures de transport des médicaments, y compris les structures de protéines de transport liées à des molécules sélectionnées et les essais fonctionnels de ces protéines, et de tester un sous‑ensemble des composés dans des modèles humains de barrière hémato‑encéphalique, en comparant les résultats aux mesures animales in vivo.

Dans le cadre de la logique des données rares, la subvention CTD Commons examinera s’il est possible de conserver les dossiers provenant de programmes de développement de médicaments échoués avant que les entreprises ne ferment et que les dossiers ne disparaissent. La fondation a déclaré que ces documents pourraient aider les équipes de développement de médicaments en phase précoce à comprendre ce que les régulateurs ont exigé de produits similaires à court terme et, à plus long terme, pourraient servir de ressources à partir desquelles les systèmes d’apprentissage automatique découvriraient les schémas expliquant pourquoi les médicaments échouent ou réussissent.

Dans le cadre de la logique des données directes, l’équipe de l’UNC à UNC Lineberger et UNC Health mesurera directement les protéines de surface des cellules tumorales ainsi que les réponses des cellules T des patients, plutôt que de se fier uniquement au séquençage tumoral. La fondation a indiqué que, si le projet aboutit, les candidats vaccins qui en découleront pourraient être administrés aux humains, soutenus par un ensemble de cibles plus solide.

Accessibilité des données et prochaines étapes

Pour l’ensemble de ses subventions, la fondation a déclaré que les données créées avec son soutien devraient être largement accessibles, tout en préservant la confidentialité et le consentement des individus chaque fois que des données humaines sont concernées. Elle a indiqué encourager les bénéficiaires à publier leurs analyses sous forme de prépublications, à partager les données de façon régulière plutôt qu’à la fin uniquement du projet, et à collaborer avec les utilisateurs d’un jeu de données afin d’évaluer son utilité pour des problèmes biologiquement pertinents.

La fondation a déclaré qu’elle met à jour activement ses points de vue à mesure que la science et l’IA progressent et qu’elle invite les idées pour le programme sur science@openaifoundation.org. Elle recrute pour quatre postes ouverts au sein de l’équipe Sciences de la vie et Guérison des maladies.