Technicien examinant une boîte de Pétri au microscope dans un laboratoire de biologie moléculaire.

Claude découvre un système enzymatique inédit en biologie

Anthropic a dévoilé les premiers résultats d’une initiative de recherche en sciences de la vie où son modèle Claude a permis une découverte biologique significative. L’entreprise a créé un nouveau groupe de recherche et un laboratoire dédié à l’exploration de la biologie fondamentale grâce à l’IA. Dans ce cadre, Claude a identifié un système enzymatique inédit dont les propriétés rappellent celles de CRISPR, et ce, avec une direction très limitée de la part des scientifiques.

La découverte, formalisée dans un pré-print, concerne des « reverse transcriptases associées aux répétitions d’arrays » (ART). Ces systèmes sont basés sur des enzymes qui copient l’ARN en ADN. Claude a été le premier à repérer la configuration spécifique de ce système : une répétition d’ADN non codante associée à une protéine accessoire dont la fonction reste inconnue. Ce résultat est le fruit d’une recherche menée par environ 950 agents sur une base de 210 millions de jetons, après 21 heures de balayage d’une base de données génomique massive.

Pour situer cette avancée, on se souvient que des révolutions en biologie, comme l’identification des enzymes de restriction ou l’avènement de PCR grâce à la Taq polymérase, ont souvent débuté par une observation inattendue de la diversité moléculaire naturelle. Ici, le processus repose sur la capacité de l’IA à traiter l’immense volume de données brutes génomiques, une tâche que les humains ne pourraient pas aborder à cette échelle.

Structure d'ADN complexe mise en valeur par un éclairage dramatique.

L’IA au cœur des outils scientifiques

Le travail repose sur une approche où Claude est sollicité pour analyser des séquences d’ADN sans fonction connue. Les scientifiques fournissent l’instruction initiale, et les agents de Claude examinent les familles de protéines, jugent les candidats intéressants et guident l’équipe vers le système ART. Feng Zhang, pionnier de l’édition du génome CRISPR, a salué cette démarche, déclarant : « C’est un exemple passionnant de la manière dont les agents IA peuvent contribuer à la découverte biologique » (Feng Zhang, The Broad Institute).

Anthropic précise que, bien que Claude ait effectué le détective génomique, toutes les étapes de validation en laboratoire sont menées par des scientifiques humains. Ces derniers travaillent dans un laboratoire respectant les niveaux de biosécurité BSL-1 et BSL-2.

Vers des modèles capables de raisonner en laboratoire

Cette initiative s’inscrit dans une tendance plus large : l’intégration des capacités cognitives des modèles d’IA dans des processus scientifiques complexes. D’autres acteurs du domaine explorent cette voie. Par exemple, Deep Principle présente Hydrogen-1.0, un modèle entraîné sur des données de laboratoire et des trajectoires de découverte en chimie et sciences des matériaux. Ce modèle est présenté comme capable de transformer une question scientifique en un flux de simulation exécutable, par exemple, en écrivant le code Python nécessaire pour simuler la fusion d’un polyéthylène.

Ces développements soulignent un point de friction actuel : les avancées majeures en découverte scientifique assistée par IA, comme celle d’Anthropic, reposent souvent sur des modèles propriétaires. Deep Principle rappelle que « L’établissement d’une découverte scientifique comparable, reproductible de manière indépendante avec des modèles open-weight généralistes reste un aspect important » (Deep Principle).

À titre de comparaison, Kimi introduit son modèle Kimi K3, un modèle open de 2,8 trillions de paramètres. Ce dernier montre des performances compétitives dans des tâches de codage et de raisonnement scientifique, capable, par exemple, de reproduire des pipelines de recherche complexes en quelques heures, ce qui représente un gain de temps significatif par rapport aux semaines nécessaires en recherche traditionnelle.

L’enjeu désormais n’est plus seulement de voir ce que l’IA peut trouver, mais comment elle peut partager son processus de découverte pour que la science puisse l’adopter.

Sources