Anthropic a annoncé que son système d’IA Claude a identifié de manière autonome un système d’enzymes jusqu’alors inconnu, que l’entreprise compare à la machinerie moléculaire à la base de CRISPR, la technologie d’édition génétique qui a transformé la biologie moderne. Cette découverte ne provient pas d’un modèle unique exécutant une requête, mais d’un essaim coordonné de près de 950 agents Claude travaillant en parallèle dans une vaste base de données de séquences d’ADN. C’est ce que la plupart des articles passent sous silence, car l’histoire ici ne concerne pas seulement ce qui a été trouvé, mais la manière dont la recherche elle-même a été menée.
À quoi ressemblaient réellement 210 millions de tokens
Il convient de s’arrêter sur l’échelle de l’opération. En 21 heures, près de 950 agents Claude ont traité 210 millions de tokens, parcourant des données génétiques jusqu’à ce qu’un agent signale un motif répétitif inhabituel dans le jeu de données. Ce signal a déclenché une révision humaine. Des tests en laboratoire ont ensuite confirmé l’existence de ce qu’Anthropic décrit comme un “système d’enzymes non caractérisé auparavant, trouvé dans des bactériophages”, une classe de virus qui infectent les bactéries plutôt que les cellules humaines.
Le rôle humain dans ce processus a été délibérément limité. Anthropic affirme que ses scientifiques ont fourni le prompt initial et le travail de laboratoire subséquent. Tout ce qui s’est passé entre les deux, c’est-à-dire la recherche, la reconnaissance de motifs et le signalement, a été pris en charge par les agents eux-mêmes. Il s’agit d’une distinction importante. Ce n’est pas un cas où l’IA accélère une tâche qu’un humain effectuait déjà. C’est un cas où l’IA mène une recherche qu’il aurait été impraticable de mener à cette échelle par des moyens conventionnels.
Un résultat précoce, une réserve honnête
Anthropic fait preuve de transparence quant aux limites de ce qui a été découvert. L’entreprise indique qu’elle travaille encore pour comprendre ce que fait réellement ce système d’enzymes. Reste à savoir s’il aura des applications pratiques, et encore moins comparables à l’impact de CRISPR sur la médecine et la recherche. Anthropic elle-même reconnaît que cette annonce est prématurée selon les normes scientifiques conventionnelles.
Cette franchise est remarquable. L’entreprise présente cette divulgation précoce comme un choix délibéré, qui consiste à partager rapidement ses résultats pour démontrer les capacités de Claude et donner à la communauté scientifique plus large une visibilité sur son orientation de recherche. Le timing n’est pas non plus anodin. Anthropic se prépare à entrer en bourse et travaille activement pour attirer des scientifiques dans son laboratoire humide récemment lancé, avec des ambitions qui s’étendent à des domaines comme la découverte de médicaments. Cette annonce sert plusieurs objectifs à la fois, à savoir scientifiques, réputationnels et commerciaux.
C’est le contexte qui importe pour comprendre la comparaison avec CRISPR. CRISPR est l’un des outils biologiques les plus importants développés au cours des dernières décennies. Y faire référence place la barre très haut. Anthropic ne prétend pas l’avoir égalé. La comparaison se veut ambitieuse, signalant la catégorie de la découverte plutôt que sa signification confirmée.
Pourquoi l’architecture de la recherche est importante
La question plus profonde que cela soulève ne concerne pas les enzymes, mais le type de travail scientifique que les systèmes d’IA sont désormais capables de structurer et d’exécuter.
La découverte scientifique traditionnelle dépend de chercheurs humains qui formulent des hypothèses, conçoivent des expériences et interprètent les résultats. Ce processus est puissant, mais il est limité par le temps, l’attention et le volume pur de données qu’un individu ou une équipe peut réalistiquement traiter. Les bases de données génomiques, en particulier, ont connu une croissance beaucoup plus rapide que la capacité humaine à les analyser. Des motifs présents dans les données peuvent passer inaperçus simplement parce que personne n’a la bande passante nécessaire pour les examiner.
Ce qu’Anthropic a démontré ici est un modèle différent. Un grand nombre d’agents parcourent un jeu de données en parallèle, chacun traitant une portion de la recherche, et le système fait remonter des anomalies pour qu’un humain les évalue. L’humain n’est pas exclu du processus. C’est lui qui définit la direction et prend la décision finale. Cependant, le volume de terrain couvert entre ces deux interventions humaines est supérieur de plusieurs ordres de grandeur à ce qu’une équipe de recherche pourrait gérer seule.
C’est l’argument de l’augmentation rendu concret. La valeur ne réside pas dans le fait que l’IA remplace l’expertise scientifique. Elle réside dans le fait que l’IA peut gérer une échelle de recherche que l’expertise seule ne peut pas traiter. Un chercheur qui sait ce que peut signifier un motif répétitif inhabituel dans une séquence d’ADN reste essentiel. Ce qui change, c’est la proportion du jeu de données que ce chercheur peut examiner efficacement.
Les implications plus larges s’étendent au-delà de la biologie. Alors que les entreprises d’IA dirigent de plus en plus leurs modèles les plus performants vers des problèmes scientifiques, la question n’est plus de savoir si l’IA peut aider à la recherche, mais quels types de recherche deviennent soudainement réalisables lorsque l’espace de recherche peut être couvert à cette échelle.
En bref
Anthropic a déployé près de 950 agents Claude pendant 21 heures, traitant 210 millions de tokens pour identifier un système d’enzymes dans l’ADN de bactériophages qui n’avait pas été caractérisé auparavant. L’entreprise le compare à la machinerie liée à CRISPR tout en reconnaissant que la portée pratique de la découverte reste inconnue. Cet épisode illustre un modèle de recherche scientifique dans lequel l’IA gère le volume et la détection de motifs à une échelle que les humains ne peuvent pas égaler, tandis que le jugement humain reste le point d’entrée et le point de contrôle. Que cette découverte spécifique s’avère ou non significative, l’architecture qui se cache derrière mérite déjà d’être comprise.
D’après un reportage de The Verge.