Regina Barzilay

Une informaticienne qui travaille sur les langues ? J'ai déjà quelques noms.

HAL ! L'halicine ! Attends, ça vient du MIT, ça…

Regina Barzilay !

Son parcours commence en 1970 à Chișinău, en Moldavie soviétique, avant Israël puis les États-Unis.

En 2026, elle porte le titre de « professeure distinguée de l'École d'ingénierie du MIT pour l'IA et la santé ». Elle est aussi « AI Faculty Lead » du Jameel Clinic.

Selon le Jameel Clinic, Mirai était déployé dans plus de soixante hôpitaux en août 2025. Cette année-là, TIME l'a aussi retenue dans son classement des cent personnalités les plus influentes de l'IA.

Sa famille est marquée par l'histoire. Son père est né en Sibérie pendant l'évacuation de la Seconde Guerre mondiale, et sa mère vient de l'ouest de l'Ukraine.

Elle parle des quotas qui fermaient de nombreuses professions aux Juifs. Et de ce qu'on attendait d'elle, selon ses mots : « le plus important était de se marier et de trouver le bon mari ».

Elle y apprend l'hébreu dans un kibboutz.

Elle découvre le traitement automatique du langage presque par hasard, quand on lui impose de choisir un sujet de mémoire.

Puis survient un tournant personnel. Elle a raconté qu'en 2014, à quarante-trois ans, elle avait appris qu'elle avait un cancer du sein, le premier cas dans sa famille.

En 2019, sur NPR, elle raconte : « À chaque étape de mon traitement, il y avait un point d'incertitude. » Puis : « Mon Dieu, si seulement nous avions la technologie pour le résoudre. »

Elle oriente alors ses recherches vers la médecine avec Connie Lehman, qui dirigeait le centre d'imagerie mammaire du Massachusetts General Hospital.

Elle a ensuite appliqué le modèle à ses mammographies antérieures. En 2020, elle disait : « Dans mon cas, cela aurait été visible deux ans avant. »

En 1997, elle suit son mari d'alors à Ithaca, où se trouve Cornell. Elle résume : « Et j'étais une épouse. » Puis elle entre en doctorat à Columbia.

Non ?!

Ce n'était pas la fin. En 2010, avec son doctorant Ben Snyder et Kevin Knight, elle conçoit un système qui déchiffre en quelques heures une grande partie de l'ougaritique en le comparant à l'hébreu.

Côté médecine, il y a aussi Sybil, présenté en 2023 : il estime le risque de cancer du poumon sur six ans à partir d'un seul scanner thoracique.

Et puis il y a l'halicine, en 2020, avec Jim Collins. C'était une molécule déjà étudiée contre le diabète, et le modèle l'a repérée parmi environ six mille composés.

Chez la souris, une pommade à l'halicine a éliminé en vingt-quatre heures une infection à A. baumannii résistante à tous les antibiotiques connus. Les travaux chez l'humain restaient précliniques en 2024.

En 2018, elle observe que l'apprentissage automatique transforme presque tout, sauf ce qui « nous touche le plus ». Pour le Jameel Clinic : « Le but du centre est de changer cela. »

Elle exige aussi de l'équité : « Il est essentiel que ces outils soient vraiment équitables. »

Dès 2010, elle disait de l'ougaritique : « C'est un outil puissant qui peut aider le déchiffrement humain. »

Il faut aussi regarder les limites. Dans les sources examinées, aucune controverse personnelle n'apparaît : les débats concernent les performances et le déploiement des modèles.

Mirai distinguait mieux les femmes à risque. Son calibrage global était bon pour l'ensemble des cancers du sein, mais il surestimait le risque chez les femmes à faible risque. Pour le cancer invasif, cette surestimation concernait toute l'échelle.

L'halicine a été très médiatisée, mais les travaux de 2024 restaient précliniques. En octobre 2026, ClinicalTrials.gov ne recensait aucun essai sur cette molécule.

Ma question, plus complexe : si un modèle distingue mieux les femmes à risque mais surestime le risque de certaines d'entre elles, faut-il le déployer ?

Là encore, Lia formule une hypothèse à partir de déclarations publiques.

Lia, ta boule de cristal ?

Moi, je retiens qu'une bonne prédiction ne suffit pas : il faut des essais, de la confiance et un système qui suit.