Il n'y a ni silicium, ni transistor, ni courant électrique. Juste un tube contenant de l'eau salée et quelques dizaines de types de brins d'ADN synthétiques. Et pourtant, selon les travaux relayés par la revue Nature et repris par le site chinois ScienceNet, une équipe de l'université de Maynooth, en Irlande, affirme avoir fait fonctionner le calculateur moléculaire le plus complexe et le plus rapide décrit jusqu'ici : un dispositif capable d'enchaîner des additions, des multiplications et des divisions à partir des seules interactions entre molécules d'ADN.
L'annonce a de quoi intriguer, et aussi de quoi semer la confusion. Non, personne ne fabriquera bientôt un téléphone à ADN. Mais l'expression « ordinateur moléculaire » recouvre une idée précise, vieille d'une trentaine d'années, qui n'a jamais cessé de progresser en silence pendant que l'informatique électronique occupait tout le terrain médiatique.
Comment une molécule peut-elle calculer ?
Tout repose sur une propriété élémentaire de l'ADN : la complémentarité des bases. Un A se lie à un T, un G se lie à un C. Une séquence donnée ne s'apparie donc qu'avec sa séquence miroir. Cette spécificité, que la biologie utilise pour copier des gènes, peut être détournée pour encoder de l'information : un brin d'ADN devient un signal, sa présence ou son absence dans la solution devient un 0 ou un 1.
Le mécanisme central des architectures modernes s'appelle le déplacement de brin assisté par un point d'ancrage — en anglais, toehold-mediated strand displacement. Imaginez un double brin partiellement ouvert, avec une petite extrémité libre de quelques bases. Un brin entrant vient s'accrocher à cette extrémité, puis déloge progressivement, comme une fermeture éclair, le brin qui occupait la place. Le brin expulsé devient à son tour le signal d'entrée d'une autre réaction. En chaînant ces réactions, on construit des portes logiques ET, OU, NON, puis des circuits complets. Le calcul n'est plus une suite d'impulsions électriques cadencées par une horloge, mais une cascade chimique qui se propage dans un liquide.
L'acte de naissance du domaine remonte à 1994, quand l'informaticien Leonard Adleman publiait dans Science une expérience restée célèbre : résoudre un problème de chemin hamiltonien sur sept villes en laissant des brins d'ADN s'apparier au hasard dans un tube, puis en filtrant les bonnes réponses. La démonstration était laborieuse — des jours de manipulation pour un problème qu'un ordinateur portable règle instantanément —, mais elle prouvait le principe : la chimie peut incarner un algorithme.
Trente ans de montée en complexité
La suite s'est jouée surtout dans quelques laboratoires, au California Institute of Technology, à Harvard, à Oxford, en Chine. En 2011, Lulu Qian et Erik Winfree montraient dans Science qu'on pouvait construire des circuits numériques à plusieurs dizaines de portes grâce à des cascades de déplacement de brins, avec une architecture modulaire baptisée seesaw gates. La même année, avec Jehoshua Bruck, ils publiaient dans Nature un réseau de neurones artificiel entièrement moléculaire, capable de « deviner » un scientifique auquel l'expérimentateur pensait à partir de réponses codées en brins d'ADN.
En 2018, toujours dans Nature, Kevin Cherry et Lulu Qian franchissaient un cap en faisant reconnaître à une soupe d'ADN des chiffres manuscrits simplifiés, sur le principe d'un réseau dit « le gagnant rafle tout ». En 2019, une équipe menée par l'informaticien Damien Woods — aujourd'hui installé précisément à Maynooth, où il dirige l'un des rares groupes européens entièrement consacrés au calcul moléculaire — démontrait dans Nature qu'un même jeu de tuiles d'ADN autoassemblées pouvait exécuter vingt et un algorithmes différents simplement en changeant la séquence d'amorçage. C'était l'équivalent moléculaire d'une machine reprogrammable plutôt que d'un circuit figé.
C'est dans cette lignée que s'inscrit le travail annoncé cette semaine. L'enjeu n'est pas de faire une opération arithmétique — un boulier y arrive — mais de tenir un circuit profond, à nombreuses étapes successives, sans que le signal se noie dans le bruit. Chaque étage d'une cascade chimique introduit des fuites : des réactions parasites qui libèrent un brin sans qu'aucune entrée l'ait commandé. Plus le circuit est profond, plus ces fuites s'accumulent, et plus le résultat devient illisible. La vitesse pose le même problème : les circuits à ADN des années 2010 mettaient couramment plusieurs heures, parfois une journée, à converger vers une réponse stable.
Ce que ces machines savent faire — et ce qu'elles ne feront jamais
Il faut dire les choses franchement : sur le terrain du calcul généraliste, l'ADN a perdu d'avance. Un processeur courant exécute des milliards d'opérations par seconde et affiche son résultat immédiatement. Un circuit moléculaire travaille à l'échelle de la minute ou de l'heure, doit être lu par fluorescence ou par séquençage, et se consomme lui-même en calculant : les brins réactifs sont détruits par la réaction, si bien que la plupart de ces dispositifs sont à usage unique. Recharger un tube revient à refabriquer le circuit.
Le véritable argument est ailleurs, et il tient en trois points.
D'abord, le parallélisme. Un microlitre de solution contient des milliards de milliards de copies du même circuit, qui réagissent toutes en même temps. Pour des problèmes combinatoires où l'on cherche une aiguille dans une botte de foin, la chimie explore l'espace des solutions simultanément plutôt que séquentiellement.
Ensuite, l'énergie. Une réaction d'hybridation consomme une fraction infime de ce que coûte un basculement de transistor. Les estimations issues des travaux d'Adleman évoquaient des gains de plusieurs ordres de grandeur en opérations par joule. À l'heure où la consommation électrique des centres de données devient un sujet politique, l'argument n'est pas anecdotique — même s'il reste théorique tant que les débits sont si faibles.
Enfin, et c'est probablement l'usage le plus crédible : l'ADN calcule là où l'électronique ne peut pas aller. Un circuit moléculaire fonctionne dans une goutte de sang, dans une cellule, dans un échantillon environnemental. Il peut prendre comme entrées des micro-ARN, des marqueurs tumoraux ou des séquences virales, effectuer une logique du type « si ce marqueur et celui-là sont présents, mais pas ce troisième, alors libérer telle molécule », et produire une sortie directement chimique — un médicament, un signal fluorescent. C'est un diagnostic embarqué à l'échelle du nanomètre, sans batterie ni antenne. Plusieurs équipes explorent aussi les nanorobots à ADN, capables de s'ouvrir seulement en présence d'une signature moléculaire donnée.
Le cousin plus avancé : le stockage
La branche voisine, le stockage d'information dans l'ADN, a pris plus d'avance. En 2012, l'équipe de George Church à Harvard publiait dans Science l'encodage d'un livre entier dans de l'ADN synthétique. En 2017, Yaniv Erlich et Dina Zielinski décrivaient dans la même revue une méthode, la « DNA Fountain », approchant la limite théorique de densité — de l'ordre de plusieurs centaines de pétaoctets par gramme, avec une durée de conservation se comptant en siècles dans de bonnes conditions. Là encore, le verrou n'est pas la physique mais l'économie : synthétiser de l'ADN reste lent et coûteux, et la lecture exige un séquenceur.
Le calcul moléculaire suit la même trajectoire. Chaque publication repousse le plafond de complexité et réduit les temps de réaction, sans jamais prétendre concurrencer le silicium sur son terrain. L'annonce de Maynooth doit se lire ainsi : non comme l'arrivée d'un rival des ordinateurs, mais comme la preuve qu'une chimie programmable de plus en plus fiable devient envisageable. Le vrai débouché ne se trouve pas dans un boîtier posé sur un bureau, mais dans un tube, une cellule ou un capteur — là où aucun transistor ne pourra jamais entrer.