Anthropic : Claude a conçu 318 484 protéines en 64 heures, 17 ont passé la validation en laboratoire

Anthropic a publié une étude en biologie dans laquelle Claude a généré 318 484 variantes de protéines en 64 heures. Leur rôle : se lier à une neurotoxine du venin de scorpion. La validation en laboratoire a confirmé le fonctionnement de 17 candidats. Cela représente environ 0,005% du nombre total de designs, et ce chiffre seul suffit à faire sous-estimer le résultat. L'important est ailleurs : l'IA appliquée au développement de médicaments est sortie du calcul pour arriver jusqu'à l'expérience.

Problème et échelle

Pour justifier ce sujet, Anthropic s'appuie sur l'épidémiologie. Selon l'entreprise, environ 1,2 million de personnes sont piquées chaque année par des scorpions. Le venin contient des neurotoxines : trouver une protéine qui s'y lie de façon fiable fournirait la base d'un antivenin ou d'un outil de diagnostic.

La vitesse de génération impressionne. 318 484 designs en 64 heures, cela fait en moyenne environ 4 976 variantes par heure, soit plus de 80 par minute. Une équipe humaine n'examinerait que quelques candidats dans le même temps. Ici, le modèle en a produit près d'un tiers de million, et c'est ensuite que la sélection commence.

Comment lire les chiffres

Le ratio de 17 sur 318 484 paraît modeste, mais le comparer à une proportion de « bonnes » réponses n'a pas de sens. La conception de protéines fonctionne comme un entonnoir : une génération peu coûteuse en très grand nombre, puis un filtrage, puis une synthèse et un test en laboratoire, eux coûteux. Seule une petite partie des variantes arrive généralement jusqu'à l'éprouvette. Le fragment disponible ne permet pas de savoir combien de candidats ont réellement été synthétisés et testés. Le vrai taux de réussite en dépend : si des centaines de variantes ont été testées, le résultat est plus solide qu'il n'y paraît au regard du dénominateur global.

Données clés de la publication :

• Durée de génération : 64 heures.
• Volume : 318 484 designs de protéines.
• Confirmés expérimentalement : 17 candidats.
• Molécule cible : une neurotoxine du venin de scorpion.
• Ampleur du problème selon Anthropic : environ 1,2 million de victimes par an.
• Part des candidats confirmés parmi l'ensemble des designs générés : de l'ordre de 0,005%.

Ce que le matériau source ne dit pas : quelle toxine précise a été choisie, quelle méthode de validation a été employée, quelle affinité les meilleurs candidats ont affichée, comment ils se comportent sur des systèmes vivants. On ignore aussi si Claude a travaillé seul ou avec des modèles spécialisés de prédiction de structure. Ce sont les questions clés pour évaluer ce travail.

Ce que cela dit de la trajectoire

Pour Anthropic, c'est un pas notable vers la science appliquée. Jusqu'ici, Claude apparaissait surtout dans des histoires de code et de tâches bureautiques. Ici, le modèle est intégré à un processus dont le résultat est jugé par le monde physique : la protéine se lie à sa cible, ou elle ne s'y lie pas. Ce type de validation se prête mal à une interprétation marketing, ce qui donne aux 17 candidats confirmés plus de poids qu'un benchmark textuel.

Pour l'industrie, c'est un signal : les modèles de langage et généralistes commencent à concurrencer des systèmes étroits et spécialisés sur un terrain qui leur était réservé. L'avantage ira à celui qui bouclera le plus vite et au moindre coût le cycle « idée — synthèse — test ».

Ce qu'il faudra surveiller

Tant que la publication complète n'est pas disponible, les conclusions restent provisoires. Voici ce qu'il faudra vérifier quand les détails paraîtront :

• Le taux de réussite parmi les variantes réellement synthétisées, et non parmi l'ensemble des variantes générées.
• L'affinité et la spécificité des meilleures protéines de liaison : la solidité et la sélectivité avec lesquelles elles s'accrochent à la toxine.
• La neutralisation du venin sur des cellules ou dans des modèles in vivo. Une liaison en éprouvette ne signifie pas encore antivenin.
• Le coût et la durée d'un cycle de validation : c'est là, et non dans la génération, que se situe généralement le principal goulot d'étranglement.

Les équipes de biotech gagneraient à définir leurs propres métriques d'efficacité de l'entonnoir et à y comparer toutes les approches d'IA. Le nombre de designs par heure ne convient pas pour cela : il faut mesurer le nombre de candidats confirmés par dollar dépensé et par semaine de laboratoire.