Depuis qu’AlphaFold de Google DeepMind a résolu le problème du repliement des protéines vieux d’un demi-siècle en 2021, le rôle de l’IA dans la science a généralement été caractérisé en termes de grandes avancées similaires : prouver que les machines peuvent résoudre des problèmes que les humains ne peuvent pas résoudre. Mais Anthropic propose une idée différente. Cela signifie que les agents d’IA pourraient jouer un rôle plus important dans le travail peu glamour entre découverte et découverte.
Dans une interview exclusive annonçant un nouveau partenariat avec l’Allen Institute et le Howard Hughes Medical Institute, Jonah Kuhl, directeur des sciences de la vie chez Anthropic, et Grace Hine, directrice exécutive des applications d’IA à l’Allen Institute, ont déclaré que des laboratoires scientifiques d’élite utilisent des agents d’IA propulsés par Claude pour résoudre les goulots d’étranglement en matière d’analyse, d’annotation et de coordination qui peuvent allonger les délais de recherche de plusieurs années.
« 21e siècle compressé »
Kuhl, biologiste cellulaire, généticien et leader technologique, a déclaré à Fortune qu’il avait été inspiré par l’essai de 2024 du PDG d’Anthropic, Dario Amodei, « The Machine of Loving Grace ». L’article affirme que « la biologie et la médecine basées sur l’IA permettront de compresser les progrès que les biologistes humains réaliseront au cours des 50 à 100 prochaines années en 5 à 10 ans ».
L’idée, qu’Amodei décrit comme un « 21e siècle comprimé », pourrait tout permettre, depuis la prévention quasi universelle des maladies infectieuses et des réductions significatives de la mortalité par cancer jusqu’au traitement efficace des troubles génétiques, de la maladie d’Alzheimer et d’autres maladies chroniques. Amodei a également suggéré que l’IA pourrait permettre des traitements hautement personnalisés, étendre le contrôle humain sur la biologie elle-même et même prolonger considérablement la durée de vie en bonne santé.
Pour Cool, cette vision se traduit directement par l’utilisation d’agents d’IA en science. Il permet aux humains de potentiellement faire ces nouvelles découvertes importantes, non pas comme un outil révolutionnaire, mais comme un système qui prend en charge les tâches fastidieuses d’analyse, de coordination et d’expérimentation qui ralentissent les découvertes dans les laboratoires.
« Ce qu’AlphaFold a accompli est incroyable », a déclaré Kuhl, faisant référence à la solution du système à un problème de repliement des protéines de longue date. « Mais ce dont nous parlons ici est différent. Il s’agit de collaborer avec des équipes tout au long du processus scientifique et d’intégrer l’IA dans le travail quotidien. »
Huynh a déclaré que l’évolution vers les agents d’IA à l’Allen Institute, une organisation de recherche en biosciences à but non lucratif fondée en 2003 par le co-fondateur de Microsoft, Paul Allen, est basée sur un outil que de nombreux chercheurs utilisent déjà, en particulier le Code Claude d’Anthropic, qui est devenu populaire parmi les biologistes computationnels. En outre, elle a déclaré que l’objectif n’était pas d’appliquer l’IA partout, mais de se concentrer sur des parties spécifiques du processus de recherche, telles que les tâches d’analyse de données qui peuvent prendre des mois, où les agents peuvent avoir l’impact le plus pratique et accélérer de manière significative la recherche scientifique.
Un chercheur ne peut pas vérifier toutes les connexions
« Nous commençons à arriver au point où la « grande science » devient la norme », a-t-elle déclaré. Aujourd’hui, les scientifiques génèrent tellement de données, depuis la génomique unicellulaire et les ensembles de données d’images à grande échelle jusqu’à la connectomique, l’étude de la façon dont les neurones du cerveau et du système nerveux sont connectés, qu’un seul chercheur ne peut plus tout garder en tête ni voir chaque connexion.
Kuhl a noté que l’Allen Institute et le Howard Hughes Medical Institute sont des partenaires idéaux précisément en raison du rôle qu’ils jouent déjà dans l’élaboration de la science moderne. L’Institut Allen produit certains des ensembles de données biologiques les plus utilisés au monde, notamment des cartes détaillées du cerveau de souris qui montrent où les gènes sont actifs dans les tissus réels. Ces ressources sont devenues des outils standards pour les chercheurs dans divers domaines, pas seulement en neurosciences. Récemment, la résolution de ces cartes a été augmentée à des cellules uniques, augmentant considérablement leur valeur scientifique tout en rendant leur analyse beaucoup plus complexe.
Le campus de recherche Janelia de HHMI a également développé des outils fondamentaux tels que des indicateurs de calcium comme GCaMP qui permettent aux scientifiques d’observer le déclenchement des neurones en temps réel, ainsi que des progrès en microscopie à super-résolution qui aident à repousser les limites physiques de l’imagerie optique. Kuhl a déclaré que c’est cette concentration sur les outils et les ensembles de données qui fait de ces agences un terrain fertile pour les agents d’IA. L’accélération de l’analyse, de l’annotation et de l’ajustement n’aide pas seulement un laboratoire, elle a également des répercussions sur l’ensemble de la science.
« La science est une pratique fascinante mais très répétitive et souvent très ennuyeuse », explique-t-il. « Dans le domaine scientifique, de nombreux travaux croissants sont liés à l’analyse et à la transformation d’ensembles de données », a-t-il déclaré. « Je pense que nous approchons en quelque sorte d’un monde dans lequel nous avons encore beaucoup de travail à faire, mais… nous pouvons passer aux prochaines étapes et expérimenter beaucoup plus rapidement. »
Un avenir où l’IA soutient la création d’hypothèses
Kuhl a également décrit un avenir dans lequel les agents d’IA pourraient non seulement analyser les résultats, mais également aider les scientifiques à décider quelles hypothèses poursuivre, réduire les centaines d’expériences possibles à quelques-unes qui valent la peine d’être menées, et même suggérer de nouvelles conceptions d’ADN basées sur des modèles que les humains seuls ne peuvent pas facilement voir.
En nous appuyant sur les connaissances dont disposent déjà les humains, « nous nous dirigeons vers des modèles qui nous aident à formuler des hypothèses », a-t-il déclaré. « Nous commençons par dire : « Aidez-moi à prioriser les hypothèses que j’ai », car mes ressources sont limitées. J’aimerais faire les 100 expériences, mais je n’ai que l’argent pour 10. »
