Le 16 août 2026, la revue Bioengineering a publié un éditorial de Daniele Giansanti intitulé « When Bioengineering Met Artificial Intelligence: From Machine Learning to Intelligent Bioengineering Systems ». Il y examine la convergence progressive de deux domaines qui ont longtemps évolué en parallèle, mais qui s'entrecroisent désormais activement.
L'auteur note que l'intelligence artificielle et la bio-ingénierie ont initialement suivi des voies distinctes : la première par le biais des algorithmes et des données, la seconde par celui des matériaux physiques et biologiques. Cependant, leurs intérêts convergent de plus en plus dans les tâches de modélisation de systèmes biologiques complexes, de conception de biomatériaux et de création de dispositifs médicaux adaptatifs.
L'article souligne le passage de l'apprentissage automatique traditionnel à des formes plus avancées, telles que les architectures neuronales hybrides, les modèles génératifs et les approches multimodales. Ces méthodes permettent non seulement d'analyser les données, mais aussi de générer de nouvelles solutions en temps réel, en tenant compte de la dynamique des systèmes vivants.
Une attention particulière est accordée aux défis : la nécessité de disposer de jeux de données biomédicales vastes et de qualité, les questions d'interprétabilité des modèles dans un contexte clinique et les aspects éthiques de l'application de l'IA en bio-ingénierie. Giansanti souligne que de nombreuses approches actuelles restent limitées à des tâches étroites et nécessitent une adaptation significative aux conditions biologiques réelles.
Par rapport aux travaux antérieurs sur l'application de l'IA en médecine, cette publication se distingue par l'accent mis sur le niveau systémique : il ne s'agit pas d'outils isolés, mais de la création de « systèmes bio-ingénieriques intelligents » capables d'auto-apprentissage et d'adaptation. Cela la différencie des revues hautement spécialisées sur l'apprentissage profond dans l'imagerie ou le diagnostic.
Le développement de tels systèmes ouvre de nouvelles voies de recherche, allant de la conception d'organes sur puce dotés d'une IA intégrée aux bioprothèses personnalisées réagissant aux changements dans l'organisme du patient. Toutefois, une adoption généralisée nécessite des validations indépendantes et une standardisation des protocoles d'évaluation.
Il reste incertain à quelle vitesse le fossé entre les résultats de laboratoire et la pratique clinique pourra être comblé, et quels nouveaux risques apparaîtront lors de la mise à l'échelle des biosystèmes intelligents. La communauté se concentrera probablement sur la création de benchmarks ouverts et de collaborations interdisciplinaires.
La conclusion clé de l'article est que la véritable valeur de cette convergence ne résidera pas dans des percées isolées, mais dans la capacité à créer des cycles fermés de conception, de test et d'optimisation de solutions biologiques grâce à l'IA.
