L’enfant de Daniel McKinnon était porteur d’une mutation génétique que les laboratoires cliniques n’avaient absolument pas détectée. Pourquoi ? L’analyse génomique standard ne vérifie que les variants situés à environ 1 kilobase de la région régulatrice d’un gène. La délétion de son fils Owen se trouvait un million de bases en amont, bien au-delà de la zone de recherche.

Ce compromis est logique quand des humains examinent les variants manuellement. Impossible de tout vérifier. Mais McKinnon, qui développe des outils d’IA pour la génomique des maladies rares, voyait les choses autrement.

Un spécialiste a fini par trouver manuellement le variant d’Owen. Des années plus tard, le prototype d’IA de McKinnon a retrouvé cette même mutation passée inaperçue, en exécutant des boucles récursives. Première boucle : les régions codantes. Deuxième boucle : les éléments régulateurs. Troisième boucle : élargir le rayon de recherche jusqu’à ce qu’un résultat apparaisse.

L’idée clé : la plupart des chaînes d’analyse génomique ne font qu’un seul passage. Son système, lui, itère. S’il rate quelque chose, il élargit l’espace de recherche et relance l’analyse. C’est ainsi qu’on repère les cas atypiques qui échappent aux heuristiques conventionnelles.

L’architecture est essentiellement la suivante : lancer l’analyse → signaler les ambiguïtés → élargir les paramètres de recherche → recommencer. Le concept est simple, mais c’est ce qui fait la différence entre « nous avons vérifié les suspects habituels » et « nous avons cherché jusqu’à trouver ».

Voilà ce qui se passe quand quelqu’un qui a un intérêt personnel dans l’affaire crée l’outil.