WEBVTT

00:00:01.992 --> 00:00:03.317
Vous ne les connaissez pas.

00:00:04.150 --> 00:00:05.436
Vous ne les voyez pas.

00:00:06.405 --> 00:00:08.408
Mais elles sont toujours là,

00:00:09.404 --> 00:00:11.084
chuchotant

00:00:11.108 --> 00:00:12.922
fomentant des plans secrets,

00:00:13.700 --> 00:00:17.382
formant des armées de millions de soldats.

00:00:18.826 --> 00:00:20.617
Et quand elles décident d’attaquer,

00:00:21.435 --> 00:00:23.697
elles attaquent toutes en même temps.

00:00:27.130 --> 00:00:28.909
Je parle des bactéries.

NOTE Paragraph

00:00:28.933 --> 00:00:30.258
(Rires)

NOTE Paragraph

00:00:30.282 --> 00:00:32.137
De qui croyez-vous que je parlais ?

NOTE Paragraph

00:00:34.401 --> 00:00:37.595
Les bactéries vivent en communauté
comme les humains.

00:00:37.619 --> 00:00:38.892
Elles ont de la famille,

00:00:38.916 --> 00:00:40.067
elles se parlent,

00:00:40.091 --> 00:00:41.933
et elles planifient leurs activités.

00:00:41.957 --> 00:00:44.614
Et comme les humains,
elles trompent, dupent,

00:00:44.638 --> 00:00:46.772
et certaines se trompent même entre elles.

00:00:48.127 --> 00:00:51.974
Et si je vous disais que nous pouvons
écouter les conversations des bactéries

00:00:51.998 --> 00:00:55.572
et les traduire en langage humain ?

00:00:56.255 --> 00:01:01.053
Et si je vous disais que ces traductions 
pourraient sauver des vies ?

00:01:02.519 --> 00:01:04.290
J’ai un doctorat en nanophysique,

00:01:04.314 --> 00:01:08.690
et j’ai utilisé la nanotechnologie pour
développer un traducteur en temps réel

00:01:08.714 --> 00:01:11.033
qui peut espionner
les communautés bactériennes

00:01:11.057 --> 00:01:13.973
et enregistrer ce que les bactéries font.

NOTE Paragraph

00:01:16.123 --> 00:01:17.719
Les bactéries sont partout.

00:01:17.743 --> 00:01:20.072
Elles sont dans le sol, sur nos meubles

00:01:20.096 --> 00:01:21.407
et dans notre corps.

00:01:22.083 --> 00:01:26.622
En fait, 90 % des cellules vivantes 
dans cette pièce sont des bactéries.

00:01:27.915 --> 00:01:29.514
Il y a des bactéries utiles ;

00:01:29.538 --> 00:01:32.750
elles nous aident à digérer
ou produisent des antibiotiques.

00:01:32.774 --> 00:01:34.866
Et il y a des bactéries nuisibles ;

00:01:34.890 --> 00:01:36.794
elles provoquent des maladies et la mort.

00:01:37.794 --> 00:01:40.210
Pour remplir toutes leurs fonctions,

00:01:40.234 --> 00:01:42.306
elles doivent être capables
de s'organiser,

00:01:42.330 --> 00:01:44.371
et elles le font comme les humains :

00:01:44.395 --> 00:01:45.554
en communiquant.

00:01:46.751 --> 00:01:48.226
Mais au lieu des mots,

00:01:48.250 --> 00:01:51.192
elles utilisent des signaux moléculaires.

00:01:52.083 --> 00:01:53.340
Quand elles sont peu,

00:01:53.364 --> 00:01:56.107
les molécules de signalisation s’écoulent
tout simplement,

00:01:56.131 --> 00:01:58.636
comme les cris d'un homme 
seul dans le désert.

00:01:59.518 --> 00:02:03.510
Mais quand il y a beaucoup de bactéries,
les molécules s'accumulent,

00:02:03.534 --> 00:02:06.526
et les bactéries sentent
qu'elles ne sont pas seules.

00:02:07.309 --> 00:02:08.743
Elles s’écoutent mutuellement.

00:02:09.459 --> 00:02:12.275
De cette façon, elles peuvent savoir
combien elles sont

00:02:12.299 --> 00:02:15.620
et lorsqu’elles sont assez nombreuses
pour lancer une nouvelle action.

00:02:16.575 --> 00:02:20.432
Et lorsque les molécules de signalisation
atteignent un certain seuil,

00:02:20.456 --> 00:02:23.577
toutes les bactéries sentent
au même moment qu’elles doivent agir

00:02:23.601 --> 00:02:24.919
de la même manière.

NOTE Paragraph

00:02:25.967 --> 00:02:30.293
Une conversation bactériologique consiste 
en une initiative et une réaction :

00:02:30.317 --> 00:02:33.389
la production d’une molécule
et la réponse qu’elle provoque.

00:02:35.094 --> 00:02:38.434
Dans mes recherches, je mets l’accent 
sur les communautés bactériennes

00:02:38.458 --> 00:02:39.861
dans le corps humain.

00:02:40.343 --> 00:02:41.588
Comment ça marche ?

00:02:42.385 --> 00:02:44.300
Nous avons un échantillon d’un patient.

00:02:44.324 --> 00:02:46.862
Soit du sang ou de la salive.

00:02:47.304 --> 00:02:49.841
Nous injectons des électrons 
dans l’échantillon,

00:02:49.865 --> 00:02:53.785
les électrons interagissent 
avec les molécules présentes,

00:02:53.809 --> 00:02:56.190
et cette interaction 
nous donne des informations

00:02:56.214 --> 00:02:58.105
sur l’identité de la bactérie,

00:02:58.129 --> 00:02:59.800
le type de communication

00:02:59.824 --> 00:03:02.117
et le nombre d’infos qu’elles partagent

NOTE Paragraph

00:03:04.269 --> 00:03:06.590
Mais à quoi ressemble 
cette communication ?

00:03:07.747 --> 00:03:11.507
Avant que je ne développe 
cet outil de traduction,

00:03:11.531 --> 00:03:15.377
ma première hypothèse était que
les bactéries avaient un langage primitif,

00:03:15.401 --> 00:03:18.579
comme les bébés qui n’utilisent pas
de mots ni de phrases.

00:03:19.208 --> 00:03:22.129
Ils rient, ils sont heureux ;
ils pleurent, ils sont tristes.

00:03:22.153 --> 00:03:23.303
C’est simple.

00:03:24.008 --> 00:03:28.123
Mais les bactéries se sont révélées
être tout le contraire.

00:03:28.615 --> 00:03:30.855
Une molécule n’est pas juste une molécule.

00:03:30.879 --> 00:03:33.633
Elle peut signifier différentes choses
selon le contexte,

00:03:34.404 --> 00:03:37.346
tout comme un bébé pleure
pour plusieurs raisons :

00:03:37.370 --> 00:03:39.140
parfois, le bébé a faim,

00:03:39.164 --> 00:03:40.358
parfois, il a fait pipi,

00:03:40.382 --> 00:03:42.401
parfois, il a mal ou il a peur.

00:03:42.425 --> 00:03:44.775
Les parents savent décoder ces pleurs.

00:03:45.624 --> 00:03:47.506
Et pour être un vrai traducteur,

00:03:47.530 --> 00:03:50.503
il doit être capable de décoder 
ces molécules de signalisation

00:03:50.527 --> 00:03:54.588
et les traduire selon le contexte.

00:03:55.497 --> 00:03:56.648
Et qui sait ?

00:03:56.672 --> 00:03:58.833
Google Traduction l’adoptera peut-être.

NOTE Paragraph

00:03:58.857 --> 00:04:01.226
(Rires)

NOTE Paragraph

00:04:02.386 --> 00:04:04.104
Prenons un exemple.

00:04:04.128 --> 00:04:07.717
J’ai amené des données bactériennes
un peu difficiles à comprendre

00:04:07.741 --> 00:04:08.892
pour les novices,

00:04:08.916 --> 00:04:10.261
mais essayez quand même.

NOTE Paragraph

00:04:11.548 --> 00:04:13.467
(Rires)

NOTE Paragraph

00:04:14.959 --> 00:04:18.436
Voici une famille heureuse de bactéries
qui a infecté un patient.

00:04:20.261 --> 00:04:22.294
Appelons-les les Montaigu.

00:04:23.920 --> 00:04:27.381
Elles partagent des ressources,
elles se reproduisent et grandissent.

00:04:28.294 --> 00:04:30.273
Un jour, un nouveau voisin arrive,

00:04:32.746 --> 00:04:34.513
la famille Capulet.

NOTE Paragraph

00:04:34.537 --> 00:04:35.687
(Rires)

NOTE Paragraph

00:04:36.157 --> 00:04:38.947
Tout va bien,
du moment qu’elles travaillent ensemble.

00:04:40.377 --> 00:04:43.383
Mais un imprévu arrive.

00:04:44.449 --> 00:04:48.667
Roméo Montaigu a une relation 
avec Juliette Capulet.

NOTE Paragraph

00:04:48.691 --> 00:04:49.841
(Rires)

NOTE Paragraph

00:04:50.978 --> 00:04:53.873
Eh oui, elles partagent 
du matériel génétique.

NOTE Paragraph

00:04:53.897 --> 00:04:56.006
(Rires)

NOTE Paragraph

00:04:58.630 --> 00:05:01.381
Ce transfert peut être 
dangereux pour les Montaigu

00:05:01.405 --> 00:05:05.471
qui ont l’ambition d’être la seule famille
dans le patient qu’ils ont infecté.

00:05:05.495 --> 00:05:06.919
Le partage de gènes a permis

00:05:06.943 --> 00:05:09.777
aux Capulet d’être résistants
aux antibiotiques.

00:05:11.747 --> 00:05:16.392
Alors les Montaigu commencent à discuter
pour se débarrasser de l’autre famille

00:05:16.416 --> 00:05:18.138
en libérant cette molécule.

NOTE Paragraph

00:05:18.688 --> 00:05:19.838
(Rires)

NOTE Paragraph

00:05:20.700 --> 00:05:22.062
Et avec des sous-titres :

NOTE Paragraph

00:05:22.372 --> 00:05:23.978
[Planifions une attaque.]

NOTE Paragraph

00:05:24.002 --> 00:05:25.293
(Rires)

NOTE Paragraph

00:05:25.639 --> 00:05:27.430
Planifions une attaque.

00:05:29.148 --> 00:05:32.248
Tout le monde répond comme un seul homme

00:05:32.272 --> 00:05:36.595
en libérant un poison 
qui va tuer l’autre famille.

NOTE Paragraph

00:05:36.619 --> 00:05:38.387
[Éliminez !]

NOTE Paragraph

00:05:40.129 --> 00:05:42.261
(Rires)

NOTE Paragraph

00:05:43.338 --> 00:05:47.731
Les Capulet contre-attaquent.

NOTE Paragraph

00:05:47.755 --> 00:05:48.911
[Contre-attaque !]

NOTE Paragraph

00:05:48.935 --> 00:05:50.360
Et ils se battent.

NOTE Paragraph

00:05:52.090 --> 00:05:56.708
Voici une vidéo d’un vrai duel bactérien
avec des organites en forme d’épées,

00:05:56.732 --> 00:05:58.345
où ils essaient de se tuer

00:05:58.369 --> 00:06:01.207
en se poignardant
et en se déchiquetant littéralement.

00:06:02.784 --> 00:06:06.745
La famille qui gagne cette bataille 
devient la bactérie dominante.

NOTE Paragraph

00:06:08.360 --> 00:06:11.639
Je peux alors détecter
les conversations bactériennes

00:06:11.663 --> 00:06:13.695
qui mènent à ces comportements collectifs

00:06:13.719 --> 00:06:15.154
comme le combat.

00:06:15.633 --> 00:06:18.550
J’ai espionné les communautés bactériennes

00:06:18.574 --> 00:06:20.617
à l’intérieur du corps

00:06:20.641 --> 00:06:22.357
de patients à un hôpital.

00:06:22.737 --> 00:06:25.207
J’ai suivi 62 patients 
dans une expérience,

00:06:25.231 --> 00:06:28.979
où j’ai testé les échantillons des patients
pour une infection particulière,

00:06:29.003 --> 00:06:32.332
sans connaitre les résultats 
du test diagnostique traditionnel.

NOTE Paragraph

00:06:32.356 --> 00:06:36.576
Pour les diagnostics bactériens,

00:06:36.600 --> 00:06:38.581
un échantillon est étalé sur une plaque,

00:06:38.605 --> 00:06:41.729
et si la bactérie se développe 
dans les cinq jours,

00:06:41.753 --> 00:06:44.117
on considère que le patient est infecté.

00:06:45.842 --> 00:06:48.661
Quand j’ai fini l’étude et
comparé les résultats de l’outil

00:06:48.685 --> 00:06:51.923
avec ceux des diagnostics traditionnels
et des tests de validation,

00:06:51.947 --> 00:06:53.347
j’étais choquée.

00:06:53.371 --> 00:06:57.082
C’était beaucoup plus surprenant 
que je ne l’avais anticipé.

NOTE Paragraph

00:06:58.011 --> 00:07:00.150
Avant de vous dire 
ce que l’outil a révélé,

00:07:00.174 --> 00:07:03.168
j’aimerais vous parler 
d’un patient que j’ai suivi -

00:07:03.192 --> 00:07:04.359
une jeune fille.

00:07:04.803 --> 00:07:06.253
Elle avait la mucoviscidose,

00:07:06.277 --> 00:07:10.017
une maladie génétique qui rendait ses
poumons plus vulnérables aux infections.

00:07:10.837 --> 00:07:13.233
Elle ne faisait pas partie
de l’essai clinique.

00:07:13.257 --> 00:07:16.084
Je l’ai suivie parce que je savais,
par son dossier médical,

00:07:16.108 --> 00:07:18.208
qu’elle n’avait jamais eu
une infection avant.

00:07:19.453 --> 00:07:21.558
Chaque mois, elle s’est rendue à l’hôpital

00:07:21.582 --> 00:07:24.236
pour fournir un échantillon de crachat.

00:07:24.916 --> 00:07:28.042
Cet échantillon était transféré
pour la recherche de bactéries

00:07:28.066 --> 00:07:29.996
au laboratoire central

00:07:30.020 --> 00:07:33.486
afin que les médecins puissent agir
rapidement en cas d’infection.

00:07:34.099 --> 00:07:36.973
Cela m’a permis de tester
mon appareil sur ses échantillons.

NOTE Paragraph

00:07:37.355 --> 00:07:40.767
Les deux premiers crachats
étaient négatifs.

00:07:41.794 --> 00:07:42.961
Mais dans le troisième,

00:07:42.985 --> 00:07:45.641
il y avait des ragots bactériens.

00:07:46.473 --> 00:07:49.585
Les bactéries voulaient endommager
son parenchyme pulmonaire.

00:07:50.534 --> 00:07:54.545
Mais les diagnostics traditionnels
n’ont montré aucune bactérie.

00:07:55.711 --> 00:07:57.630
J’ai mesuré à nouveau le mois suivant,

00:07:57.654 --> 00:08:01.282
et les conversations bactériennes
étaient encore plus intenses.

00:08:02.167 --> 00:08:04.919
Les diagnostics traditionnels
ne montraient toujours rien.

00:08:06.456 --> 00:08:10.100
Six mois après la fin de l’étude,
je me suis renseignée

00:08:10.124 --> 00:08:13.365
pour voir si les bactéries avaient disparu

00:08:13.389 --> 00:08:15.404
sans aucune intervention médicale.

00:08:16.350 --> 00:08:17.500
Ce n’était pas le cas.

00:08:18.020 --> 00:08:22.533
Mais on a diagnostique à la fille
d’une infection bactérienne mortelle.

00:08:23.511 --> 00:08:27.589
C’était les mêmes bactéries que
mon outil avait découvertes plus tôt.

00:08:28.537 --> 00:08:31.033
Et malgré un traitement 
antibiotique bien conduit,

00:08:31.057 --> 00:08:33.586
il était impossible d’éradiquer
l’infection.

00:08:34.816 --> 00:08:37.898
Les médecins ont estimé
qu’elle ne passerait pas la vingtaine.

NOTE Paragraph

00:08:40.404 --> 00:08:42.509
Lors de l’étude de ses échantillons,

00:08:42.533 --> 00:08:44.732
mon outil en était encore à ses débuts.

NOTE Paragraph

00:08:44.756 --> 00:08:47.455
Je ne savais même pas
si ma méthode fonctionnait,

00:08:47.479 --> 00:08:49.626
j’avais donc un accord avec les médecins

00:08:49.650 --> 00:08:51.511
de ne pas communiquer mes résultats

00:08:51.535 --> 00:08:53.675
pour ne pas compromettre leur traitement.

00:08:54.111 --> 00:08:56.914
Quand j’ai vu ces résultats
qui n’étaient même pas valides,

00:08:56.938 --> 00:08:58.290
je n’ai pas osé en parler

00:08:58.314 --> 00:09:01.121
car, traiter un patient 
sans une infection déclarée

00:09:01.145 --> 00:09:03.755
a également des conséquences 
négatives pour le patient

00:09:05.092 --> 00:09:06.714
Aujourd'hui, nous en savons plus

00:09:06.738 --> 00:09:10.137
et il y a de nombreux jeunes garçons
et filles qui peuvent être sauvés

00:09:11.172 --> 00:09:14.596
parce que, malheureusement,
ce scénario arrive très souvent.

00:09:14.620 --> 00:09:16.163
Les patients sont infectés,

00:09:16.187 --> 00:09:19.664
les bactéries n’apparaissent pas 
au test traditionnel de diagnostic,

00:09:19.688 --> 00:09:23.540
et d’un coup, l’infection se déclare chez
le patient avec de graves symptômes.

00:09:23.564 --> 00:09:25.722
Et à ce moment-là, il est déjà trop tard.

NOTE Paragraph

00:09:27.219 --> 00:09:30.773
Le résultat surprenant obtenu
du suivi des 62 patients était

00:09:30.797 --> 00:09:33.340
que mon outil repérait
des conversations bactériennes

00:09:33.364 --> 00:09:35.580
dans plus de la moitié des échantillons

00:09:35.604 --> 00:09:38.535
provenant de patients avec un diagnostic
traditionnel négatif.

00:09:39.501 --> 00:09:43.055
En d’autres termes, plus de la moitié
de ces patients sont repartis

00:09:43.079 --> 00:09:44.764
pensant être sains,

00:09:44.788 --> 00:09:47.536
alors qu’ils étaient porteurs 
de bactéries dangereuses.

00:09:49.257 --> 00:09:51.554
À l’intérieur de ces patients 
faux négatifs,

00:09:51.578 --> 00:09:54.598
des bactéries coordonnaient une attaque.

00:09:55.530 --> 00:09:57.850
Elles se parlaient en chuchotant.

00:09:57.898 --> 00:09:59.523
Les « bactéries chuchoteuses »

00:09:59.547 --> 00:10:02.551
sont des bactéries non détectées
par les méthodes habituelles.

00:10:03.383 --> 00:10:07.326
Seul l’outil peut détecter
ces chuchotements.

00:10:08.364 --> 00:10:11.767
Je crois que le temps pendant lequel
les bactéries chuchotent

00:10:11.791 --> 00:10:14.778
est un moment opportun
pour un traitement ciblé.

00:10:15.608 --> 00:10:18.741
Si la fille avait été traitée
durant cet intervalle de temps,

00:10:18.765 --> 00:10:21.266
il aurait été possible
d’éliminer les bactéries

00:10:21.290 --> 00:10:22.755
précocement,

00:10:22.779 --> 00:10:24.885
avant la propagation de l’infection.

NOTE Paragraph

00:10:27.131 --> 00:10:31.102
Mon expérience avec cette adolescente
m’a poussée à faire tout ce que je peux

00:10:31.126 --> 00:10:33.331
pour introduire cet outil
dans les hôpitaux.

00:10:34.212 --> 00:10:35.363
Avec les médecins,

00:10:35.387 --> 00:10:38.356
je travaille déjà pour introduire
cet outil dans les cliniques

00:10:38.380 --> 00:10:40.202
pour diagnostiquer tôt les infections.

NOTE Paragraph

00:10:41.319 --> 00:10:44.563
Bien qu’on ne sache pas encore
comment les patients vont être traités

00:10:44.587 --> 00:10:46.400
durant la phase de chuchotement,

00:10:46.424 --> 00:10:50.127
cet outil peut aider à surveiller
les patients à risque.

00:10:50.548 --> 00:10:53.830
Il pourrait aider à vérifier si
un traitement était efficace ou pas,

00:10:53.854 --> 00:10:56.618
et à répondre à de simples questions :

00:10:56.642 --> 00:10:58.372
le patient est-il infecté ?

00:10:58.396 --> 00:11:00.206
Que mijotent les bactéries ?

NOTE Paragraph

00:11:00.958 --> 00:11:02.745
Les bactéries se parlent,

00:11:02.769 --> 00:11:04.795
elles fomentent des plans

00:11:04.819 --> 00:11:07.642
et s'envoient des informations secrètes
les unes aux autres.

00:11:08.253 --> 00:11:10.932
Outre la détection de leur chuchotement,

00:11:10.956 --> 00:11:13.423
nous pouvons apprendre leur langage secret

00:11:13.447 --> 00:11:16.326
et devenir nous-mêmes
des chuchoteurs bactériens.

00:11:16.973 --> 00:11:18.687
Comme diraient les bactéries :

00:11:19.656 --> 00:11:22.754
« 3-oxo-C12-aniline. »

NOTE Paragraph

00:11:23.763 --> 00:11:24.931
(Rires)

NOTE Paragraph

00:11:24.955 --> 00:11:26.040
(Applaudissements)

NOTE Paragraph

00:11:26.064 --> 00:11:27.248
Merci.