L'IA assemble les molécules avec 95,4 % des points, mais n'obtient qu'environ 50 % dans le choix des candidats-médicaments
OpenAI a présenté MedChemBench, un examen pour l'IA fondé sur des tâches de chimie médicinale : à partir de la structure d'une molécule et des résultats d'expériences, déterminer lequel de plusieurs composés proches est le meilleur et que synthétiser ensuite. Le modèle Astra a obtenu 95,4 % des points pour l'assemblage de molécules à partir de dessins, mais seulement environ la moitié pour le choix des composés et la prédiction de leurs propriétés. On peut donc déjà confier à l'IA la vérification des structures, tandis que le choix du candidat à tester en laboratoire reste, pour l'instant, mieux placé entre les mains d'un chimiste.
Traité par IA depuis OpenAI Blog ; édité par Hamidun News
Imaginez qu'un chimiste dispose de deux composés très proches. Le premier inhibe plus fortement une protéine liée à une maladie, mais il est mal absorbé. Le second agit moins fort, mais il franchit mieux la barrière cellulaire et se dégrade plus lentement dans le foie.
Lequel synthétiser et tester en priorité ? Ce sont précisément ces décisions que met à l'épreuve le nouveau benchmark d'OpenAI, MedChemBench, un ensemble de 99 tâches tirées de travaux scientifiques réels en chimie médicinale. Le résultat est contrasté : le modèle Astra a obtenu 95,4 % des points disponibles pour l'assemblage de molécules à partir de dessins et de fragments chimiques, mais seulement environ la moitié pour le choix des composés et la prédiction de leurs propriétés numériques.
Pour les développeurs d'outils d'IA en biotech, cela signifie que la vérification des structures et l'explication des données peuvent déjà être automatisées, mais qu'on ne peut pas encore laisser un modèle choisir seul le « meilleur candidat » sans le contrôle d'un chimiste.
Comment le test est construit
MedChemBench s'appuie sur 117 articles et brevets et comprend 761 structures moléculaires différentes. Dans la plupart des tâches, le modèle reçoit le contexte dont disposaient les chercheurs à l'étape retenue du projet : quelle protéine cible a été choisie, quels objectifs ont été fixés, quels composés ont déjà été étudiés et quels résultats ont été obtenus.
Quatre compétences sont évaluées :
- Structures moléculaires. Relier correctement les atomes et tenir compte de la disposition spatiale des groupes (la stéréochimie) dans des molécules à assembler à partir de dessins et de fragments chimiques.
- Raisonnement scientifique. Expliquer, par exemple, pourquoi un composé a été choisi plutôt qu'un autre, en s'appuyant sur les données de l'énoncé.
- Classement et sélection. Ordonner ou choisir des composés de façon à répondre aux exigences données.
- Prédiction de propriétés. Donner des valeurs numériques et des catégories qui coïncident avec les valeurs mesurées et calculées de la source. Des points partiels sont accordés pour la proximité avec la mesure réelle.
L'une des tâches repose sur une étude d'inhibiteurs de PRMT5, une protéine étudiée dans la recherche de médicaments anticancéreux. Le modèle doit prédire, pour trois composés apparentés, la force avec laquelle ils bloquent PRMT5 dans les cellules, la facilité avec laquelle ils franchissent la barrière cellulaire et la vitesse à laquelle les enzymes du foie les dégradent lors d'un test en laboratoire. Les expériences ultérieures, cachées au modèle, ont révélé un compromis : le composé 23 inhibait PRMT5 à plus faible concentration, tandis que le composé 24 pénétrait mieux la barrière et se dégradait plus lentement.
Ce que montrent les chiffres
OpenAI a fait passer le test à onze modèles GPT, avec différents réglages de profondeur de raisonnement. Dans le mode xhigh, commun à tous, GPT-6.2 Astra a obtenu 84,5 % des points disponibles, GPT-6 Astra 83,3 %, GPT-6.1 Sol 82,0 %, GPT-6.1 Terra 75,1 % et GPT-5.6 Sol 58,2 %. En mode max, GPT-6 Astra a atteint 83,8 %. Un raisonnement plus profond améliorait globalement le résultat, mais de gros écarts subsistaient entre les modèles.
Un exemple parlant : la tâche consistant à assembler une molécule à partir d'une structure centrale et de deux groupes rattachés, de manière à conserver un cycle de 18 atomes. GPT-6 Astra a réussi dans les dix réponses. GPT-5.6 Sol et GPT-5.6 Luna n'y sont parvenus aucune fois : la première a dessiné un cycle de 15 atomes, la seconde a scindé la molécule en deux fragments non reliés. En chimie, c'est critique : si le modèle a mal écrit la substance elle-même, toute conclusion ultérieure sur ses propriétés n'a aucun sens.
Par compétence, le tableau est inégal. En assemblage de structures, Astra en mode xhigh a obtenu 95,4 % des points. Elle a aussi bien expliqué les expériences : elle repérait les modifications de la structure et évaluait leur influence possible sur la liaison à la protéine, sur l'absorption et sur le métabolisme. En revanche, pour le choix des composés et la prédiction des propriétés numériques, elle n'obtenait qu'environ la moitié des points. OpenAI précise que ces catégories reposent sur des tâches et des règles de calcul différentes, mais la marge de progression est évidente.
Ce que cela change en pratique
La répartition du travail raisonnable aujourd'hui est la suivante : l'IA vérifie que la molécule est correctement écrite, aide à interpréter les données et formule des hypothèses, tandis que la décision sur le composé à fabriquer ensuite revient au chimiste et à l'expérience.
OpenAI souligne elle-même les limites. Le test ne prouve pas que les modèles sont capables de découvrir de nouveaux médicaments ou d'améliorer les décisions en laboratoire. On ne peut pas exclure que les modèles aient rencontré les publications sources pendant leur entraînement. Chaque réponse est une tentative unique, sans outils, sans retour et sans nouvelles expériences. Ce qui a été évalué, c'est un raisonnement sur des données historiques, et non une véritable recherche de médicaments. Reste que l'industrie dispose désormais d'une mesure commune, qui montre où les modèles sont déjà utiles et où leurs erreurs coûtent encore cher.
- 20 nov. 2026Nvidia a investi 58,1 milliards de dollars dans d'autres entreprises en neuf mois, soit 12 fois plus qu'un an plus tôt
- 20 nov. 2026METR met à jour son célèbre graphique sur l'IA : la durée des tâches double tous les 4 mois, mais le jugement reste à la traîne
- 20 nov. 2026OpenAI protège le raisonnement de GPT-6.2 Astra : le taux de réussite du vol passe de 54% à 0,2%
- 20 nov. 2026Nvidia serait proche de racheter Inception pour 500 millions de dollars afin de s'offrir des LLM de diffusion
Questions clés sur cet article
Comment le test est construit?
MedChemBench s'appuie sur 117 articles et brevets et comprend 761 structures moléculaires différentes. Dans la plupart des tâches, le modèle reçoit le contexte dont disposaient les chercheurs à l'étape retenue du projet : quelle protéine cible a été choisie, quels objectifs ont été fixés, quels composés ont déjà été étudiés et quels résultats ont été obtenus. Quatre compétences sont évaluées : Structures moléculaires.
Que sait-on sur Ce que montrent les chiffres ?
OpenAI a fait passer le test à onze modèles GPT, avec différents réglages de profondeur de raisonnement. Dans le mode xhigh, commun à tous, GPT-6.2 Astra a obtenu 84,5 % des points disponibles, GPT-6 Astra 83,3 %, GPT-6.1 Sol 82,0 %, GPT-6.1 Terra 75,1 % et GPT-5.6 Sol 58,2 %. En mode max, GPT-6 Astra a atteint 83,8 %. Un raisonnement plus profond améliorait globalement le résultat, mais de gros écarts subsistaient entre les modèles.
Que sait-on sur Ce que cela change en pratique ?
La répartition du travail raisonnable aujourd'hui est la suivante : l'IA vérifie que la molécule est correctement écrite, aide à interpréter les données et formule des hypothèses, tandis que la décision sur le composé à fabriquer ensuite revient au chimiste et à l'expérience. OpenAI souligne elle-même les limites. Le test ne prouve pas que les modèles sont capables de découvrir de nouveaux médicaments ou d'améliorer les décisions en laboratoire.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.