GenBank a conquis la biologie comme référence de données en obtenant des revues qu'elles refusent les articles sans son identifiant

À la fin des années 1970, le séquençage des gènes produisait plus de données que les revues ne pouvaient en imprimer. Une réunion tenue en 1979 à l'université Rockefeller posa la question de la gestion de ce flux ; de retour à Los Alamos, le physicien Walter Goad commença à collecter des séquences et à écrire des logiciels d'analyse. En 1982, les NIH financèrent sa proposition, et GenBank vit le jour. À la fin de 1983, elle contenait plus de 2 000 séquences — environ deux millions de paires de bases, selon la notice nécrologique de Goad publiée par Los Alamos.

Le choix décisif fut institutionnel, non technique. Les déposants recevaient un numéro d'accession unique, et les revues imposèrent l'habitude : comme le formule l'article de Nucleic Acids Research rédigé par le NCBI lui-même, « de nombreuses revues exigent des auteurs disposant de données de séquences qu'ils soumettent ces données à une base de données publique de séquences comme condition de publication ». Pas de numéro, pas d'article — chaque chercheur déposait donc avant de citer.

L'ouverture ôta à tout rival sa raison d'exister. Les données de GenBank étaient gratuites et sans restriction, et grâce au partenariat INSDC avec l'ENA européenne et la DDBJ japonaise, les trois archives échangeaient des données quotidiennement — un dépôt, où que ce soit, servait le monde entier.

Le cercle vertueux tourna pendant des décennies. Los Alamos comptait environ 9 millions de séquences (10 milliards de bases) en 2000 ; les notes de version de GenBank (version 273.0) recensent aujourd'hui 267 millions d'enregistrements traditionnels contenant 8,2 billions de bases, plus 6,4 milliards d'enregistrements ensemblistes contenant 51,8 billions de bases.

Faire de l'identifiant de la base de données un sésame pour la publication

Les revues ont assuré l'application : pas de numéro d'accession, pas de publication, si bien que la conformité ne coûtait presque rien aux éditeurs et aux chercheurs.

Le numéro d'accession faisait aussi office de référence de citation permanente, rendant les articles qui utilisaient GenBank plus utiles, et pas seulement conformes.

La redistribution gratuite et sans restriction élimina les frictions de prix et de licence qu'une archive commerciale aurait rencontrées.

L'échange quotidien avec l'ENA et la DDBJ via l'INSDC signifiait qu'un seul dépôt atteignait le monde entier, ne laissant aucune niche aux rivaux régionaux.

Intégrez votre artefact dans un flux de travail que les gens ne peuvent pas contourner. Une norme qui devient une exigence de citation s'applique d'elle-même — sans équipe commerciale ni contrat de verrouillage.

GenBank est devenue la mémoire par défaut de la biologie moléculaire : les séquenceurs, les pipelines et les articles présupposent son existence. La version 273.0 (2026) recense 267 millions d'enregistrements traditionnels totalisant 8,2 billions de bases, et l'obligation imposée par les revues, qu'elle a été la première à instaurer, est devenue le modèle du dépôt de données dans toutes les sciences — des structures protéiques aux essais cliniques.