Claude réduit l'isolement des particules protéiques vault de 3 jours à 90 minutes

Depuis quarante ans, les scientifiques étudient les particules vault, de grandes capsules protéiques creuses présentes à l'intérieur des cellules, sans avoir compris à quoi elles servent. Anthropic explique comment Claude a contribué à débloquer la situation : l'agent a analysé une base de 15 milliards de séquences protéiques et aidé à préparer les expériences. Résultat, l'isolement des particules en laboratoire est passé de 3 jours à 90 minutes.

Imaginez un build que l'on attendait trois jours et qui se termine désormais en une heure et demie : c'est à peu près le gain obtenu par des biologistes pour qui chaque essai coûte du temps et des réactifs onéreux. Pour ceux qui conçoivent des agents IA, c'est un cas rare où figurent côte à côte des chiffres solides et une liste honnête d'erreurs.

Que sont ces particules et pourquoi font-elles débat ?

Les particules vault ont été découvertes en 1986. Elles ressemblent à des capsules creuses et sont supposées intervenir dans le transport intracellulaire et la protection des cellules. Leur fonction exacte reste inconnue à ce jour.

Dans ce nouveau travail, les chercheurs ont reconstitué, avec Claude, la structure tridimensionnelle d'une particule de type vault trouvée chez des procaryotes, des organismes dépourvus de noyau cellulaire. Cela n'a pas élucidé son rôle : les auteurs écrivent explicitement que sa fonction biologique demeure une énigme. Mais connaître la forme et la composition est une première étape, sans laquelle on ne peut que spéculer sur son usage.

Ce que Claude a concrètement fait

Les tâches étaient variées. Claude a passé en revue 15 milliards de séquences protéiques, aidé à concevoir des constructions d'ADN, optimisé des procédures de laboratoire et traité des données de cryomicroscopie électronique, c'est-à-dire des images à partir desquelles on reconstruit le modèle 3D d'une protéine. Il a travaillé au sein d'un système multi-agents, lancé le logiciel spécialisé RELION et traité les données sur un cluster de calcul.

Les résultats en chiffres :

• l'isolement des particules a été accéléré de 3 jours à 90 minutes ;
• le premier modèle 3D a été obtenu en 34 heures, contre plusieurs semaines auparavant ;
• la structure identifiée comprend 96 copies de la protéine, pour une masse d'environ 9,5 mégadaltons (soit de l'ordre de 9,5 million de fois la masse d'un atome d'hydrogène) ;
• l'ensemble du cycle de recherche a duré moins de 4 mois.

Point important : l'agent ne se contentait pas de répondre dans un chat. Il était intégré au processus de travail : il interrogeait une base gigantesque, proposait des protocoles, lançait un logiciel professionnel et analysait les résultats. C'est précisément ce scénario que l'on cherche aujourd'hui à reproduire dans les agents commerciaux, avec ici un environnement plus coûteux et moins tolérant à l'erreur.

Où l'agent s'est trompé et ce qu'il faut en retenir

La partie la plus utile du rapport est celle consacrée aux défaillances. Une seule recommandation malheureuse de Claude a retardé les expériences de deux semaines. Une étape de traitement omise a conduit à une carte 3D incorrecte. En laboratoire, de telles erreurs ne s'annulent pas comme un commit dans un dépôt : elles consomment des semaines et du matériel.

La conclusion pratique est simple. Si un agent accélère la routine de plusieurs fois mais saute parfois une étape en silence, la valeur du système dépend aussi de la rapidité avec laquelle un humain repère l'oubli. Un beau modèle final ne prouve pas que toutes les étapes ont été respectées : il faut donc des points de contrôle après les étapes coûteuses et irréversibles, et pas seulement à la fin. La journalisation des actions de l'agent est aussi utile : elle permet de voir quelle étape a été omise.

Un second enseignement concerne l'économie du projet. Le principal gain tient à la compression de longues chaînes d'étapes routinières, et non à des réponses brillantes isolées. Donnez à l'agent de vrais outils et des ressources de calcul, mais gardez l'humain dans le rôle de vérificateur : Anthropic souligne que les agents IA effectuent une part importante du travail scientifique complexe sous le contrôle des chercheurs.

Il y a aussi des réserves. Il s'agit d'un rapport d'Anthropic sur son propre modèle, sans évaluation indépendante. Les comparaisons du type « contre plusieurs semaines » valent pour un projet précis, et il serait imprudent de les transposer à n'importe quel laboratoire. L'exemple offre en revanche un tableau réaliste : un agent peut accélérer la science de façon spectaculaire, mais il ne remplace pas le chercheur, qu'il transforme en relecteur et en contrôleur.