Analyse du laboratoire de biologie d’Anthropic : des médicaments par IA au-delà des API

Le laboratoire d’IA le plus intéressant cette semaine n’est pas une nouvelle fenêtre de chat avec une manière plus chaleureuse de vous répondre. C’est une pièce dans la région de la baie de San Francisco où l’on manipule la biologie, on la met en plaques, puis elle finit par dire au modèle si sa théorie élégante était du grand n’importe quoi avec une meilleure mise en forme.

Reuters rapporte qu’Anthropic a discrètement mis en place un laboratoire humide pour des travaux de biologie physique, alors que l’entreprise pousse ses ambitions en intelligence artificielle vers les sciences du médicament. C’est important, car cela fait passer le créateur de Claude au-delà de la couche d’abstraction bien propre des API de modèles, pour entrer dans les expériences, les installations, les partenaires, les achats, et tout le charmant chaos de cellules qui se comportent comme de minuscules gobelins syndiqués.

Reuters confirme que la paillasse est bien réelle

Selon Reuters, Anthropic a construit le laboratoire humide dans la région de la baie de San Francisco, et ses travaux en biologie ont dépassé les évaluations informatiques « in silico ». Eric Kauderer-Abrams, responsable des sciences de la vie chez Anthropic, a confirmé l’existence du laboratoire à Reuters et a déclaré : « Nous pensons que, pour faire de la biologie, le test final reste, et restera encore un moment, le travail en vrai laboratoire. »

Il a aussi indiqué à Reuters qu’Anthropic mène certains travaux dans ses propres installations et d’autres avec des partenaires externes, tandis qu’un porte-parole a ensuite précisé que le laboratoire n’est « pas destiné spécifiquement à la découverte de médicaments » et a refusé d’en dire davantage.

La lecture la plus étroite est simple : Anthropic veut une validation expérimentale pour ses travaux en biologie. La lecture plus large est plus utile : les entreprises d’IA de pointe découvrent que l’IA scientifique n’est pas seulement un problème de modèle, c’est un problème de système. Un modèle peut proposer, résumer, classer et raisonner, mais la biologie exige encore un contact avec le substrat physique désordonné, ce qui est une façon polie de dire que la soupe a son mot à dire.

TNW esquisse l’empilement vertical

TNW, citant le rapport de Reuters, a noté qu’Anthropic a confirmé l’existence du laboratoire, mais n’a pas voulu dire à quoi il sert, au-delà du fait d’exclure la découverte de médicaments comme objectif spécifique. TNW a également rapporté que les sciences de la vie font désormais partie des plus grands domaines d’Anthropic en termes d’effectifs et de dépenses, et que l’entreprise recrute un responsable des achats ainsi qu’un spécialiste en biochimie. Ce n’est pas ce que l’on fait quand toute sa stratégie se résume à un diaporama et à un graphique de benchmark basé sur des impressions.

Les mouvements autour de ce laboratoire le font moins ressembler à une quête secondaire qu’à une intégration verticale au ralenti. TNW a rapporté qu’Anthropic a acheté Coefficient Bio en avril, une startup de moins de dix employés, pour environ 400 millions de dollars en actions. Le même mois, son Long-Term Benefit Trust a ajouté Vas Narasimhan, directeur général de Novartis, à son conseil d’administration, et en juin Anthropic a lancé Claude Science, un outil logiciel conçu pour la recherche en laboratoire plutôt que pour les applications de chat. TNW a aussi rapporté que Novo Nordisk a accepté de tester Claude Science deux jours avant l’annonce du laboratoire.

SiliconANGLE souligne la couche d’automatisation

SiliconANGLE a rapporté que le laboratoire humide d’Anthropic dans la région de la baie utilisera des robots pour automatiser certaines tâches scientifiques, ces robots étant alimentés par la série de grands modèles de langage Claude. SiliconANGLE a aussi noté que les projets de recherche que le laboratoire poursuivra restent flous, tout en reprenant la déclaration d’Anthropic à Reuters selon laquelle l’installation n’est « pas destinée spécifiquement à la découverte de médicaments ».

Le point important n’est pas que Claude se soit soudain transformé en blouse de laboratoire avec un budget de jetons. C’est que l’entreprise semble intégrer des modèles dans un flux de travail où des suggestions logicielles peuvent rencontrer une exécution robotisée et des mesures physiques.

Pour les créateurs de produits, voici la leçon clé : l’IA de domaine ne devient pas précieuse simplement parce que quelqu’un affine un modèle sur du texte spécialisé. L’avantage durable pourrait venir de la fermeture de la boucle entre la génération d’hypothèses, l’exécution d’expériences, la mesure et l’amélioration du modèle. Dans les sciences du médicament, cette boucle est plus lente, plus chère et plus réglementée qu’une invite de chatbot, mais elle peut créer un retour d’information propriétaire que les données publiques du web ne peuvent pas simplement recracher après le déjeuner.

Ce que les lecteurs devraient surveiller ensuite

Reuters présente le laboratoire comme une partie de la poussée d’Anthropic dans les sciences du médicament et ses ambitions en matière de traitement des maladies rares, tout en notant aussi que l’entreprise n’a pas révélé d’objectif précis pour le laboratoire, au-delà de la clarification selon laquelle il n’est pas destiné spécifiquement à la découverte de médicaments. Cette ambiguïté mérite d’être surveillée sans la transformer en spectacle de machine à fumée.

La question utile n’est pas de savoir si chaque laboratoire d’IA va construire un laboratoire humide, car la plupart devraient probablement commencer par étiqueter correctement leurs évaluations. La question utile est de savoir où les entreprises de modèles décident que les API sont trop superficielles et commencent à posséder les machines de génération de données qui se trouvent en dessous.

Si vous construisez avec l’IA, suivez les interfaces qui relient les modèles à la vérification dans le monde réel : outils de laboratoire, logiciels de flux de travail, robotique, données d’essais et partenaires externes. Si vous investissez dans des systèmes d’IA ou en achetez, demandez d’où vient la boucle de rétroaction et qui la contrôle.

Le prochain produit d’IA défendable dans la science ressemblera peut-être moins à un chatbot qu’à une machine à café très coûteuse pour cellules, sauf que l’expresso, ce sont des preuves.