L’intelligence artificielle étend son impacte : après avoir révolutionné le domaine mathématique, elle se positionne désormais comme actrice principale dans la conception moléculaire en chimie. Récemment, le modèle Claude, développé par Anthropic, a été utilisé de manière entièrement autonome pendant 48 heures pour relever l’un des défis les plus significatifs dans le développement de médicaments : la création de nouvelles protéines.
Cette expérience marque non seulement un progrès dans l’utilisation de l’IA pour la recherche scientifique, mais démontre également sa capacité à coordonner des outils et des ressources spécialisés, obtenant des résultats prometteurs dans la génération de molécules fonctionnelles.
Comment l’IA a réussi à orchestrer la création de nouvelles molécules
Le passage de l’IA à la chimie s’est concrétisé lorsque Anthropic a activé son programme Claude Science, permettant à Claude d’accéder à la littérature scientifique, à Internet et à du matériel avancé. De plus, le système a intégré des modèles spécifiques dédiés à la conception, à la séquençage et au repliement des protéines.
À partir des informations collectées, le modèle a identifié les points stratégiques pour intervenir dans la conception protéique, a généré plusieurs propositions, a optimisé les plus prometteuses et a écarté les moins viables. Ensuite, il a sélectionné les conceptions à envoyer aux laboratoires pour leur synthèse, exécutant tout ce processus sans intervention humaine directe.
L’étape suivante a été la validation expérimentale. Des entreprises pharmaceutiques telles qu’Adaptyv Bio et Twist Bioscience ont fabriqué en laboratoire les conceptions sélectionnées par Claude et ont évalué leur performance. Sur un total de 1 320 propositions, 354 protéines fonctionnelles ont été obtenues.
Les résultats ont indiqué que entre 22,6 % et 35,1 % des candidats ont été couronnés de succès, dépassant largement les pourcentages habituels pour ce type d’expérimentations, qui oscillent généralement entre 10 % et 15 %.
Dans ces essais, l’objectif principal n’était pas de développer directement un médicament, mais de créer des protéines capables de se lier avec précision à d’autres molécules cibles, connues sous le nom de liaisons protéiques (protein binders).
Ces protéines fonctionnent comme des clés qui s’adaptent à des serrures spécifiques, permettant de bloquer ou de modifier le comportement d’autres protéines. Bien qu’une liaison protéique ne soit pas équivalente à un médicament, sa découverte est une étape essentielle dans le développement de traitements médicaux plus avancés.
Outils scientifiques et coordination autonome avec l’IA
Contrairement à d’autres modèles conçus exclusivement pour des tâches scientifiques, Claude s’est distingué par sa capacité à agir comme coordinateur de divers outils déjà existants dans la communauté de la recherche.
Le modèle ne s’est pas limité à découvrir de nouvelles solutions par lui-même, mais a su identifier quand et comment utiliser chaque ressource disponible, en appliquant des stratégies basées sur les données et des logiciels spécialisés.
Dans l'une des expériences les plus pertinentes, dénommée RBX1, Claude a atteint un taux de réussite de 40 %, dépassant largement le 3,7 % obtenu par des participants humains lors d'une compétition précédente. De plus, l'un de ses designs a montré une affinité supérieure à celle des concurrents.
D'autre part, le modèle a également réussi à générer plusieurs binders contre TNFa, une protéine d'intérêt thérapeutique qui avait posé des difficultés à d'autres experts. Cependant, tous les essais n'ont pas été couronnés de succès : dans le cas de la protéine MBP, aucun des 90 designs générés par Claude n'a permis de produire un binder confirmé.
Automatisation des tâches d'analyse chimique par l'IA
Le potentiel de l'intelligence artificielle en chimie ne se limite pas à la conception moléculaire. Anthropic a soumis Claude à une seconde expérience, cette fois axée sur la synthèse et l'analyse de molécules. Lorsqu'un chimiste produit une molécule, il doit vérifier s'il a obtenu le composé souhaité et dans quelle proportion.
Pour cela, des techniques telles que la résonance magnétique nucléaire (RMN) et la chromatographie liquide couplée à la spectrométrie de masse (LC-MS) sont employées, fournissant des données brutes nécessitant une interprétation spécialisée.
Anthropic a fourni à Opus 5 les fichiers générés par ces techniques et lui a demandé d'effectuer l'analyse. Le modèle a mis seulement 20 minutes pour chaque tâche et a déterminé une pureté de 96,4 %, un chiffre pratiquement identique aux 96,33 % obtenus par des professionnels en laboratoire.
Ce résultat met en évidence la capacité de l'IA à automatiser des processus fastidieux qui dépendent traditionnellement de l'expérience humaine.