# COMPASS, l'algorithme qui pourrait dire à un malade si son traitement va marcher

> Il y a quelque chose de presque poétique dans le nom que des chercheurs de la Harvard Medical School ont donné à

- Auteur: Maxime Marquette
- Publication: MadMax (https://mad-max.co)
- Rubrique: Reportage
- Publié: 2026-07-06
- Adresse à citer: https://mad-max.co/fr/article/compass-l-algorithme-qui-pourrait-dire-a-un-malade-si-son-traitement-va-marcher

## Introduction : une boussole numérique dans le brouillard de l'**oncologie**

### Un nom qui n'a rien d'un hasard

Il y a quelque chose de presque poétique dans le nom que des chercheurs de la **Harvard Medical School** ont donné à leur nouvelle création: **COMPASS**. Une boussole, littéralement, pour orienter les **oncologues** dans l'une des zones les plus incertaines de la médecine moderne, celle de l'**immunothérapie** contre le **cancer**. Publiée le **3 juillet 2026** dans la revue **Nature Medicine**, cette étude ne promet rien de miraculeux, mais elle offre un outil concret à un problème très réel selon **Harvard** Medical School.

Le problème en question tient en une phrase simple: la majorité des **patients** traités par **inhibiteurs de point de contrôle immunitaire** (les fameux **ICI**) ne répondent tout simplement pas au **traitement**. Et jusqu'ici, personne ne pouvait vraiment prédire à l'avance qui allait bénéficier de ces médicaments coûteux et parfois lourds en effets secondaires.

### Le talon d'Achille de l'**immunothérapie** moderne

Les **inhibiteurs de point de contrôle** ont révolutionné le **traitement** de plusieurs **cancers** depuis une décennie, en réactivant le système immunitaire du patient contre sa propre **tumeur**. Mais cette révolution a un angle mort majeur: les **biomarqueurs** actuels, comme le **PD-L1** ou la **charge mutationnelle tumorale**, restent imparfaits pour prédire qui répondra réellement au traitement.

C'est précisément ce vide que **COMPASS** tente de combler, en misant sur une approche radicalement différente: analyser l'ensemble de l'activité génique de la **tumeur** plutôt qu'un seul marqueur isolé.

*Je ne suis pas oncologue, et je me méfie instinctivement des annonces à sensation en santé. Mais quand un modèle publié dans Nature Medicine bat la meilleure méthode existante de 8,5%, ça mérite qu'on s'y attarde sans céder à l'emballement.*

## Comment fonctionne réellement cette **intelligence artificielle**

### Une architecture pensée pour comprendre, pas juste prédire

Ce qui distingue **COMPASS** des outils précédents, c'est sa structure interne baptisée **architecture à goulot d'étranglement conceptuel**. Concrètement, le modèle traduit l'activité génique de chaque **tumeur** en **44 concepts immunitaires** compréhensibles, comme l'état des cellules immunitaires, les interactions avec le microenvironnement tumoral ou l'activation de certaines voies de signalisation, selon les données publiées par l'équipe de recherche.

Cette approche règle un problème récurrent avec les modèles d'**intelligence artificielle** en médecine: la fameuse boîte noire. Plutôt que de simplement cracher une probabilité, **COMPASS** explique le raisonnement biologique derrière chaque **prédiction**, ce qui permet aux **cliniciens** de comprendre pourquoi un patient est jugé susceptible de répondre, ou non.

### Un entraînement sur une base de données considérable

Le modèle a été entraîné sur des données provenant de plus de **10 000 tumeurs** couvrant **33 types de cancers** différents, avant d'être validé sur **16 cohortes cliniques indépendantes** représentant sept **cancer**s et six thérapies distinctes selon la **publication scientifique**. Cette ampleur de validation est significative dans un domaine où beaucoup d'outils prédictifs échouent justement à généraliser au-delà de leur échantillon d'origine.

La **chercheuse principale**, **Marinka Zitnik**, professeure agrégée d'informatique biomédicale à l'institut Blavatnik de **Harvard**, résume l'objectif ainsi: identifier qui répondrait le mieux à un inhibiteur donné avant même que le patient ne le reçoive.

*Le détail qui me rassure le plus, c'est justement cette explicabilité. Une IA qui dit «oui» ou «non» sans justification, je m'en méfierais. Une IA qui montre son raisonnement biologique, ça change la donne pour la confiance des médecins.*

## Le chiffre qui change la donne: 8,5% de mieux

### Une amélioration modeste en apparence, énorme en pratique

Sur le papier, un gain de **8,5%** en précision par rapport à la meilleure méthode existante peut sembler modeste. Mais en **oncologie de précision**, où chaque point de pourcentage se traduit par des vies et des traitements évités inutilement, cette amélioration est loin d'être anecdotique selon les données de l'étude publiée dans Nature Medicine.

Les chercheurs rapportent également une hausse de **12,3%** du coefficient de corrélation de Matthews et de **15,7%** de l'aire sous la courbe précision-rappel, deux mesures statistiques qui confirment la robustesse du modèle au-delà du simple chiffre médiatisé.

### Un lien direct avec la **survie** des **patients**

Plus frappant encore: l'analyse de **survie** montre que les **patients** classés comme **répondants** par **COMPASS** vivent significativement plus longtemps, avec un **rapport de risque de 4,7** et une valeur de probabilité inférieure à 0,0001, un seuil statistique très solide selon les données publiées. Ce n'est donc pas qu'une question de précision technique abstraite, c'est un lien direct avec le pronostic vital réel des patients.

Ce genre de résultat, quand il est corroboré par des **essais cliniques** indépendants, commence à ressembler à un véritable outil d'aide à la décision plutôt qu'à un simple exercice académique.

*Un rapport de risque de 4,7, ça devrait faire dresser l'oreille à n'importe quel patient en attente d'un traitement. Mais je le répète: ce sont des données rétrospectives, pas encore un essai clinique prospectif. La nuance compte.*

## Ce que cela signifie concrètement pour un patient

### Éviter les traitements inutiles et leurs effets secondaires

Pour un patient atteint de **cancer**, la promesse pratique de **COMPASS** est simple à comprendre: éviter de subir des mois de traitement par **immunothérapie**, avec ses effets secondaires parfois sévères, quand les chances de réponse sont statistiquement faibles. À l'inverse, identifier plus rapidement les candidats les plus prometteurs à un **inhibiteur de point de contrôle** spécifique.

Cette logique de **médecine de précision** n'est pas nouvelle en soi, mais l'ampleur et la généralisation de cet outil à travers autant de types de **cancer**s représentent un pas concret vers une application clinique plus large que les **biomarqueurs** actuels.

### Un potentiel aussi pour la recherche de nouveaux médicaments

Au-delà du soin individuel, les chercheurs soulignent que **COMPASS** pourrait aussi accélérer le recrutement pour les **essais cliniques** de nouvelles thérapies, en ciblant plus efficacement les patients susceptibles d'y répondre, et même révéler de nouvelles cibles thérapeutiques à explorer selon **Harvard** Medical School.

Cette double utilité, à la fois clinique et pour la recherche fondamentale, explique en partie l'enthousiasme mesuré qui entoure cette publication depuis début juillet 2026.

*Ce qui me frappe, c'est que cet outil pourrait autant aider le patient d'aujourd'hui que le patient de demain, en accélérant la découverte de nouveaux traitements. C'est le genre de double bénéfice qu'on voit rarement aussi clairement documenté.*

## Le parcours scientifique derrière cette découverte

### Une genèse qui remonte à plus d'un an

Le projet **COMPASS** n'est pas né du jour au lendemain. Une version préliminaire de cette recherche avait déjà circulé sous forme de prépublication dès **mai 2025**, avant de passer par un long processus de révision scientifique par les pairs jusqu'à sa publication définitive dans **Nature Medicine** en juillet 2026. Ce délai, loin d'être un signe de faiblesse, illustre plutôt la rigueur du processus de validation exigé pour ce type d'outil destiné à influencer des décisions médicales réelles.

L'équipe de recherche, rattachée au **département d'informatique biomédicale** de Harvard et à des collaborateurs incluant le **Boston Children's Hospital** et le **Broad Institute**, a mobilisé des ressources considérables pour cette validation multi-**cohortes**.

### Une approche inspirée des grands modèles de langage

Fait intéressant sur le plan technique: la stratégie d'entraînement de **COMPASS** s'inspire directement de la méthode utilisée pour les grands modèles de langage comme ceux qui alimentent les **chatbots** conversationnels. Le modèle apprend d'abord la biologie fondamentale du **cancer** à partir d'un vaste ensemble de données transcriptomiques, avant d'être affiné pour la tâche spécifique de **prédiction** de réponse immunothérapeutique.

Cette parenté méthodologique avec l'**intelligence artificielle générative** grand public illustre à quel point les avancées technologiques d'un domaine peuvent irriguer des secteurs aussi différents que l'**oncologie** de précision.

*Voir les techniques de l'IA générative grand public transposées avec autant de rigueur en **oncologie**, ça devrait nous rappeler que cette technologie n'est pas qu'un outil de divertissement ou de productivité de bureau.*

## Les limites qu'il faut nommer honnêtement

### Une validation rétrospective, pas encore prospective

Il serait malhonnête de présenter **COMPASS** comme un outil déjà prêt pour la pratique clinique quotidienne. Les chercheurs eux-mêmes sont clairs: ces résultats doivent encore être validés dans le cadre d'**essais cliniques prospectifs** avant que l'outil puisse influencer directement les décisions de traitement selon les auteurs de l'étude.

La distinction entre validation rétrospective, sur des données déjà collectées, et validation prospective, sur de nouveaux patients suivis en temps réel, est fondamentale en **recherche médicale**. Beaucoup d'outils prometteurs sur le papier échouent à ce dernier test.

### Le risque de sur-promettre à des patients vulnérables

Dans un domaine aussi chargé émotionnellement que le **cancer**, le risque de sur-interpréter une **avancée scientifique** réelle mais encore préliminaire est constant. Des patients en fin de parcours thérapeutique, à la recherche du moindre espoir, pourraient mal interpréter la portée actuelle de cet outil s'il est présenté de façon trop optimiste par les médias.

C'est pourquoi il est essentiel de répéter, sans complaisance, que **COMPASS** demeure à ce stade un outil de recherche prometteur, pas un traitement, ni même un test diagnostique approuvé pour usage clinique généralisé.

*Je refuse de vendre du rêve sur un sujet aussi sensible que le cancer. Cet outil est prometteur, point. Il n'est pas encore une solution, et quiconque le présente autrement manque de rigueur, ou pire, exploite l'espoir de gens vulnérables.*

## La compétition mondiale de l'IA appliquée à la santé

### Les États-Unis en position de force, pour l'instant

Cette avancée s'inscrit dans un contexte plus large où les **États-Unis**, via des institutions comme **Harvard**, le **MIT** ou le **Broad Institute**, conservent un leadership significatif dans l'application de l'**intelligence artificielle** à la recherche biomédicale de pointe. Cette position n'est pas garantie éternellement, dans un monde où la **Chine** investit massivement dans ses propres capacités de recherche en IA médicale.

Maintenir cet avantage occidental dans un domaine aussi stratégique que la **santé publique** et la recherche contre le cancer n'est pas qu'une question de prestige académique: c'est une question de capacité à soigner plus efficacement des millions de patients à travers le monde occidental et au-delà.

### L'importance de la collaboration internationale ouverte

Il faut néanmoins souligner que la recherche en oncologie de précision bénéficie généralement d'une collaboration scientifique internationale relativement ouverte, contrairement à d'autres domaines technologiques plus directement sécuritaires ou militaires. Les publications comme celle de **Nature Medicine** sont accessibles à la **communauté scientifique** mondiale, ce qui accélère potentiellement les progrès pour l'ensemble des patients, peu importe leur pays d'origine.

Cette dynamique de partage scientifique reste l'un des mécanismes les plus efficaces pour transformer une découverte de laboratoire en bénéfice concret pour les patients à l'échelle mondiale.

*Dans un monde de plus en plus fragmenté géopolitiquement, la recherche contre le cancer reste l'un des rares domaines où la collaboration internationale continue de primer sur la compétition. Il faut protéger ça.*

## Ce que les oncologues sur le terrain en pensent

### Un accueil prudent mais globalement positif

Sans pouvoir citer de témoignage direct non vérifié, il est possible de documenter que la **communauté scientifique** en oncologie accueille généralement ce type d'outil avec un optimisme mesuré, reconnaissant l'ampleur de la validation multi-**cohortes** tout en insistant sur la nécessité d'**essais cliniques** prospectifs avant toute adoption clinique large, une position exprimée à plusieurs reprises par les chercheurs eux-mêmes dans leurs publications et communications.

Cette prudence méthodologique, loin d'être un frein, constitue justement la garantie que les outils qui finiront par arriver au chevet des patients auront traversé un processus de validation rigoureux plutôt qu'une adoption précipitée basée sur un seul article scientifique.

### Le défi de l'intégration dans les hôpitaux réels

Au-delà de la **validation scientifique** pure, il reste un défi pratique majeur: intégrer un outil comme **COMPASS** dans le flux de travail quotidien des **hôpitaux**, qui nécessite du séquençage génomique rapide, une infrastructure informatique adéquate et une formation du personnel médical à l'interprétation de ces résultats.

Ce genre de défi logistique, souvent sous-estimé dans la couverture médiatique des avancées en **intelligence artificielle** médicale, peut retarder de plusieurs années l'adoption clinique généralisée d'un outil pourtant scientifiquement validé.

*On oublie souvent que la barrière entre un laboratoire et un hôpital n'est pas que scientifique, elle est aussi logistique, financière et humaine. Cet outil pourrait être parfait sur papier et prendre des années avant de vraiment aider un patient dans une salle d'attente.*

## L'écosystème plus large de l'IA en oncologie

### **COMPASS** n'est pas seul dans cette course

Il serait inexact de présenter **COMPASS** comme une percée isolée. Plusieurs équipes de recherche à travers le monde développent en parallèle des approches similaires combinant **intelligence artificielle** et données multi-omiques pour prédire la réponse aux traitements contre le **cancer**, certaines combinant imagerie, génomique et **données cliniques** dans des modèles intégrés selon des publications scientifiques récentes sur le sujet.

Cette effervescence de recherche parallèle est plutôt encourageante: elle suggère que la **communauté scientifique** converge collectivement vers une meilleure compréhension des mécanismes de réponse et de résistance à l'**immunothérapie**, peu importe quel outil spécifique finira par dominer la pratique clinique.

### Une accessibilité en ligne pour la communauté scientifique

Fait notable, l'équipe derrière **COMPASS** a rendu son code et certains modèles pré-entraînés accessibles publiquement, permettant à d'autres chercheurs de tester, valider ou améliorer l'outil de façon indépendante, une pratique de **science ouverte** qui accélère généralement la validation croisée et la confiance scientifique envers ce type d'outil.

Cette transparence méthodologique contraste avec certaines critiques adressées à d'autres outils d'**intelligence artificielle** en santé, dont les mécanismes internes restent parfois propriétaires et difficiles à auditer de façon indépendante.

*Rendre le code accessible, ce n'est pas un détail technique anodin. C'est un choix qui invite à la vérification indépendante plutôt qu'à la confiance aveugle. Ça mérite d'être souligné positivement.*

## Les questions éthiques que soulève cette technologie

### Qui décide, au final, du traitement à administrer

Un outil comme **COMPASS**, aussi précis soit-il statistiquement, soulève une question éthique de fond: jusqu'à quel point une recommandation algorithmique doit-elle influencer la décision finale d'un **oncologue** et de son patient? La **médecine de précision** ne doit jamais devenir une médecine dictée uniquement par un **algorithme**, aussi sophistiqué soit-il.

Les chercheurs eux-mêmes insistent sur le caractère d'aide à la décision de cet outil, et non de substitut au jugement clinique humain, une distinction essentielle qui doit rester au cœur de toute discussion sur l'intégration de l'**intelligence artificielle** en médecine.

### L'équité d'accès, un enjeu à ne pas négliger

Enfin, il faut nommer un risque réel: que ce type d'outil de pointe, une fois validé cliniquement, demeure accessible seulement dans les grands centres hospitaliers universitaires des pays riches, creusant davantage les inégalités d'accès à une **médecine de précision** de qualité entre patients selon leur localisation géographique ou leur statut socio-économique.

Cette question d'équité doit accompagner, dès maintenant, le développement de tout outil d'intelligence artificielle destiné à transformer la pratique oncologique à grande échelle.

*Un outil extraordinaire qui ne profite qu'à une minorité de patients privilégiés ne résout qu'une partie du problème. L'équité d'accès doit faire partie de la conversation dès aujourd'hui, pas après coup.*

## Le contexte plus large de la recherche contre le cancer en 2026

### Une année marquée par plusieurs avancées convergentes

La publication de **COMPASS** s'inscrit dans une année 2026 particulièrement dense en avancées liées à l'application de l'**intelligence artificielle** à la recherche contre le **cancer**, incluant des progrès parallèles en imagerie diagnostique assistée par IA, en découverte de médicaments accélérée par des plateformes génératives, et en séquençage génomique à coût réduit.

Cette convergence de technologies, prise dans son ensemble, dessine une transformation progressive mais réelle de la façon dont la médecine oncologique sera pratiquée dans la prochaine décennie, à condition que la validation clinique rigoureuse continue d'accompagner chaque étape de cette transformation.

### Un espoir mesuré plutôt qu'une révolution instantanée

Le message le plus honnête à retenir de cette avancée n'est pas celui d'une révolution instantanée qui changerait demain la vie des patients atteints de **cancer**, mais celui d'un progrès méthodique, rigoureusement documenté, qui s'ajoute à une accumulation de petites victoires scientifiques qui, mises bout à bout, améliorent réellement les perspectives de **survie** et de qualité de vie des patients au fil des années.

C'est cette forme d'espoir mesuré, sans promesse miracle, qui semble la plus fidèle à la réalité scientifique documentée par cette étude publiée dans Nature Medicine début juillet 2026.

*Je préfère mille fois cet espoir mesuré et documenté à n'importe quelle promesse spectaculaire non vérifiée. C'est moins vendeur, mais c'est honnête, et c'est ce que les patients méritent qu'on leur dise.*

## Ce que cela change pour les essais cliniques futurs

### Un outil de stratification plus fin pour les phases précoces

Un des usages les plus prometteurs de **COMPASS** pourrait se situer en amont même du traitement des patients: dans la conception des **essais cliniques de phase précoce**, où stratifier plus finement les participants selon leur probabilité de réponse pourrait accélérer considérablement l'évaluation de nouvelles thérapies expérimentales.

Les chercheurs rapportent d'ailleurs des résultats encourageants sur l'adaptabilité du modèle à de petites **cohortes**: une précision de **73,7%** obtenue pour l'atézolizumab dans le cancer du rein, avec seulement quelques dizaines de patients pour l'affinage du modèle, un gain de 13% par rapport aux approches limitées à une seule cohorte selon les données publiées par l'équipe de recherche.

### Une promesse pour accélérer, prudemment, la recherche

Cette capacité à généraliser rapidement à de nouveaux contextes cliniques avec des données limitées pourrait, si elle se confirme dans des essais prospectifs futurs, réduire significativement le temps et le coût nécessaires pour tester de nouvelles combinaisons thérapeutiques en **immuno-oncologie**.

C'est peut-être là, davantage que dans le soin immédiat d'un patient individuel, que se situe le potentiel transformateur le plus tangible à moyen terme de cette technologie développée à Harvard.

*Accélérer la recherche elle-même, c'est peut-être l'impact le plus sous-estimé de cet outil. Moins spectaculaire qu'un miracle individuel, mais potentiellement plus profond à l'échelle de milliers de patients futurs.*

## Le financement et les enjeux industriels derrière cette recherche

### Qui paie pour ce genre de recherche fondamentale

Le développement d'un outil comme **COMPASS** repose sur un financement combinant des subventions publiques américaines, notamment via les **National Institutes of Health**, et des ressources internes de **Harvard Medical School**. Ce modèle hybride, typique de la recherche biomédicale occidentale, permet de financer des travaux à long terme sans dépendre uniquement des impératifs commerciaux d'un investisseur privé pressé de voir un retour rapide.

Cette indépendance relative par rapport aux cycles de rentabilité immédiate est précisément ce qui permet à des laboratoires universitaires comme celui de **Marinka Zitnik** de publier leurs données en **libre accès**, une pratique qui accélère la validation par la communauté scientifique internationale et distingue ce type de recherche des développements propriétaires fermés que l'on voit ailleurs.

### La concurrence entre laboratoires publics et géants technologiques

Cette **recherche universitaire** s'inscrit dans un paysage plus large où des entreprises technologiques privées investissent aussi massivement dans l'IA appliquée à l'oncologie, avec des ressources financières souvent bien supérieures à celles des laboratoires académiques. La différence tient cependant à la transparence méthodologique: **COMPASS** a été publié dans une revue à comité de lecture, avec un code source disponible sur **GitHub**, ce qui permet à d'autres chercheurs de vérifier, reproduire et améliorer les résultats.

Cette culture de l'ouverture scientifique, ancrée dans les institutions universitaires occidentales, demeure un avantage comparatif important face à des approches plus fermées, même si elle s'accompagne d'un rythme de développement parfois plus lent que celui d'une entreprise privée motivée par la pression des marchés financiers.

Cette préférence pour la **transparence scientifique** plutôt que pour le secret commercial reflète une valeur que je défends ouvertement dans ma couverture de ces dossiers technologiques.

## Les prochaines étapes annoncées par l'équipe de recherche

### Vers des essais cliniques prospectifs

L'équipe de **Marinka Zitnik** a indiqué vouloir maintenant pousser cette recherche vers des **essais cliniques prospectifs**, l'étape logique et nécessaire pour transformer une validation rétrospective solide en un véritable outil d'aide à la décision clinique reconnu par les autorités réglementaires de santé.

Ce type de processus, de la **publication scientifique** à l'approbation clinique effective, prend généralement plusieurs années dans le domaine médical, un délai qui reflète la prudence nécessaire face à des décisions qui touchent directement la vie des patients.

### Un suivi à faire dans les prochains mois

Ce dossier scientifique mérite d'être suivi attentivement dans les prochains mois et années, notamment pour voir si les résultats prometteurs observés en rétrospectif se confirment dans le cadre d'essais cliniques prospectifs annoncés par l'équipe de recherche de Harvard.

C'est ce type de suivi rigoureux, sans emballement prématuré, qui permettra de déterminer si **COMPASS** deviendra un jour un outil standard dans les hôpitaux traitant des patients atteints de cancer à travers le monde occidental et au-delà.

*Je note cette date dans mon calendrier personnel de suivi journalistique. Ce genre de dossier mérite qu'on y revienne dans un an ou deux, pour voir si la promesse tient la route face à l'épreuve des essais cliniques réels.*

## Conclusion : une avancée réelle, un chemin encore long

### Un progrès documenté sans être miraculeux

L'histoire de **COMPASS** illustre bien ce que devrait être, idéalement, la couverture médiatique des avancées scientifiques en santé: ni un enthousiasme aveugle qui promet des miracles imminents, ni un scepticisme systématique qui minimise des progrès réels et rigoureusement documentés. Cette IA développée à **Harvard** représente un pas concret et mesurable vers une **médecine de précision** plus efficace contre le cancer.

Le gain de **8,5%** en précision prédictive, corroboré par une analyse de survie robuste sur seize cohortes cliniques indépendantes, mérite d'être salué pour ce qu'il est: une **avancée scientifique** solide qui doit maintenant franchir l'étape décisive des essais cliniques prospectifs avant de transformer réellement la pratique clinique quotidienne.

### L'espoir mesuré comme seule position honnête

Pour les patients et leurs familles qui suivent ce genre de nouvelle avec un mélange d'espoir et de méfiance bien compréhensible, le message le plus honnête demeure celui d'un progrès réel mais encore préliminaire, qui s'ajoute à des décennies d'efforts scientifiques cumulatifs contre une maladie qui continue de toucher des millions de personnes chaque année à travers le monde.

C'est cette honnêteté, plus que n'importe quelle promesse spectaculaire, qui doit continuer de guider la façon dont on raconte les avancées de la science médicale au grand public en 2026.

*Si cet article laisse le lecteur avec un espoir mesuré plutôt qu'une promesse creuse, j'aurai fait mon travail correctement. C'est tout ce que je peux offrir honnêtement sur un sujet aussi délicat.*

### Un dernier mot sur la valeur de la patience scientifique

Dans un monde médiatique où chaque nouvelle avancée technologique risque d'être présentée comme révolutionnaire du jour au lendemain, la patience méthodologique exigée par la **recherche médicale** sérieuse mérite d'être défendue et expliquée, plutôt que sacrifiée sur l'autel du sensationnalisme journalistique facile.

**COMPASS** nous rappelle que les vraies avancées en médecine se construisent patiemment, cohorte après cohorte, validation après validation, et que c'est précisément cette rigueur qui, à terme, sauve des vies de façon durable et fiable.

*La science qui avance lentement mais sûrement bat toujours, à long terme, la promesse spectaculaire qui s'effondre au premier essai clinique raté. C'est une leçon que je garde en tête à chaque nouvelle annonce du genre.*

**Signé Maxime Marquette, chroniqueur**

## Encadré de transparence du chroniqueur

### Positionnement éditorial

Je ne suis pas journaliste, mais **chroniqueur et analyste**. Mon expertise réside dans l'observation et l'analyse des dynamiques géopolitiques, économiques et stratégiques qui façonnent notre monde. Mon travail consiste à décortiquer les stratégies politiques, à comprendre les mouvements économiques globaux, à contextualiser les décisions des acteurs internationaux et à proposer des perspectives analytiques sur les transformations qui redéfinissent nos sociétés.

Je ne prétends pas à l'objectivité froide du journalisme traditionnel, qui se limite au rapport factuel. **Je prétends à la lucidité analytique**, à l'interprétation rigoureuse, à la compréhension approfondie des enjeux complexes qui nous concernent tous. Mon rôle est de donner du sens aux faits, de les situer dans leur contexte historique et stratégique, et d'offrir une lecture critique des événements.

### Méthodologie et sources

Ce texte respecte la distinction fondamentale entre **faits vérifiés et analyses interprétatives**. La règle de méthode est constante : une information factuelle n'est publiée que si une source vérifiable la porte, et les sources effectivement utilisées par cet article sont listées sous **Sources**, jamais ici.

**Familles de sources primaires** retenues par la publication, quand le dossier en comporte : communiqués officiels des gouvernements et institutions internationales, déclarations publiques des dirigeants politiques, rapports d'organisations intergouvernementales, dépêches d'agences de presse internationales reconnues.

**Familles de sources secondaires** : publications spécialisées, médias d'information reconnus internationalement, analyses d'institutions de recherche établies, rapports d'organisations sectorielles.

Quand un article cite des données statistiques, économiques ou géopolitiques, elles proviennent d'institutions productrices de données (organisations intergouvernementales, banques centrales, instituts statistiques nationaux), et l'institution exacte est nommée sous **Sources**.

### Nature de l'analyse

Les analyses, interprétations et perspectives présentées dans les sections analytiques de cet article constituent une **synthèse critique et contextuelle** basée sur les informations disponibles, les tendances observées et les commentaires d'experts cités dans les sources consultées.

Mon rôle est d'interpréter ces faits, de les contextualiser dans le cadre des dynamiques géopolitiques et économiques contemporaines, et de leur donner un sens cohérent dans le grand récit des transformations qui façonnent notre époque. Ces analyses reflètent une expertise développée à travers l'observation continue des affaires internationales et la compréhension des mécanismes stratégiques qui animent les acteurs globaux.

Cet article décrit un état documenté à sa date de publication, et non une prédiction : une évolution ultérieure peut en déplacer les perspectives. Aucune mise à jour n'est promise d'avance; lorsqu'un article est corrigé ou complété, la modification est datée dans le texte.

## Sources

### Sources primaires

- Harvard Medical School — AI tool improves prediction of who will respond to cancer immunotherapy drugs, 3 juillet 2026

- PubMed — Generalizable AI predicts immunotherapy outcomes across cancers and treatments, 2025-2026

- National Cancer Institute — Cancer Currents Blog

### Sources secondaires

- OncoDaily — Can AI Predict Immunotherapy Response Across Multiple Cancers, 5 juillet 2026

- GitHub — COMPASS: Generalizable AI predicts immunotherapy outcomes across cancers and treatments

- Zitnik Lab, Harvard — COMPASS: Immunotherapy Outcome Prediction

- News-Medical.net — Couverture de la publication COMPASS, juillet 2026

---

Source : Maxime Marquette, MadMax. Pour citer ce texte, nommer l’auteur et lier https://mad-max.co/fr/article/compass-l-algorithme-qui-pourrait-dire-a-un-malade-si-son-traitement-va-marcher