Anthropic et Claude Science pour accélérer la découverte

Quand une entreprise réputée pour l'IA conversationnelle commence à recruter des scientifiques de paillasse et à construire des laboratoires humides, cela attire l'attention. Anthropic est passée discrètement de la conception de modèles de chat à l'assemblage d'une boîte à outils pour la découverte de médicaments, dévoilant Claude Science lors de l'événement The Briefing : IA pour la science, selon The Verge.

Claude Science est présenté comme un espace de travail intégré : jeux de données, outils d'analyse et moteurs de visualisation réunis dans une interface unique afin que les chercheurs puissent voir des résultats complexes sous forme de graphiques et d'images clairs plutôt que des fichiers dispersés. L'idée est séduisante. Un environnement unique qui assemble les flux de travail computationnels pourrait faire gagner des semaines sur les analyses routinières et faire émerger des hypothèses plus rapidement.

Mais construire la plateforme et amener réellement une molécule en clinique sont des projets très différents. Anthropic indique qu'elle se concentrera sur les maladies négligées et cherchera à développer des thérapies sur mesure. À ce jour, les détails sont rares quant à la manière dont la société prévoit de mener des études animales, d'organiser des essais cliniques ou de s'associer à des fabricants établis. L'entreprise a toutefois recruté massivement dans les sciences de la vie au cours de l'année écoulée et aurait mis en place des laboratoires dédiés pour soutenir ses ambitions.

Anthropic entre dans un domaine déjà encombré. Les grandes entreprises technologiques et des startups spécialisées visent déjà à commercialiser la découverte de médicaments par calcul : OpenAI, Google et Amazon ont lancé des initiatives en sciences de la vie ; Insilico et Isomorphic Labs développent depuis des années des pipelines de conception de médicaments de bout en bout. Ce qui distingue Anthropic, c'est son pedigree en modèles de langage à grande échelle et son pari public que ces modèles peuvent accélérer de manière significative les flux de travail scientifiques lorsqu'ils sont associés à des données de domaine et à une infrastructure de laboratoire.

Les experts mettent en garde contre l'excès d'ambition. Des chercheurs, notamment à Cambridge et à l'UCL, soulignent que les outils d'IA sont utiles à de nombreuses étapes : de la proposition de nouveaux échafaudages moléculaires à l'analyse de données d'essais à haute dimensionnalité, mais ils ne remplacent pas le besoin de données expérimentales de haute qualité. En biologie, le signal est souvent bruyant. Des modèles en quête de jeux de données cohérents et bien annotés peuvent être entravés par la réalité fragmentaire et hétérogène des résultats expérimentaux.

Les méthodes computationnelles peuvent-elles éliminer les expérimentations pratiques ? Pas encore. Des chimistes d'Oxford et d'autres soulignent qu'un composé doit toujours être évalué pour son efficacité, sa toxicité et son mode d'administration dans des systèmes vivants. Les modèles prédictifs aident à prioriser les candidats. Ils ne suppriment pas, pour l'instant, l'exigence fondamentale de validation physique.

Il semble qu'Anthropic comprenne cette distinction ; son investissement dans des biologistes et des espaces de laboratoire suggère une approche hybride : l'IA pour générer des pistes, les humains et les expérimentations pour les valider.

À suivre : si Claude Science peut s'intégrer aux CRO externes et aux fabricants, dans quelle mesure Anthropic sera transparent sur les processus de validation, et si la plateforme génère des données précliniques reproductibles qui convaincront les régulateurs et les partenaires. Si la société parvient à rapprocher les mondes computationnel et expérimental, elle pourrait ajouter un nouvel acteur crédible au développement de médicaments piloté par l'IA, mais l'exécution fera toute la différence.