Présentation du laboratoire wet d'Anthropic
Anthropic a ouvert un laboratoire de biologie humide dans la région de la baie, destiné à exécuter des expériences physiques sous le contrôle de ses grands modèles de langage (LLM). L’existence du site a été confirmée par la société en septembre 2026, après l’acquisition d’une start‑up biotech nommée Coefficient Bio en avril de la même année. Le laboratoire se décrit comme « fondamentalement orienté vers la biologie de base », excluant pour l’instant les projets de découverte de médicaments afin d’éviter toute concurrence directe avec les partenaires pharmaceutiques d’Anthropic, dont Novo Nordisk.
Fonctionnement et intégration des modèles d'IA
Le processus repose sur une boucle itérative où les LLM génèrent des hypothèses biologiques – par exemple des séquences protéiques ou des configurations de complexes biomoléculaires – puis transmettent les instructions à des instruments de laboratoire automatisés (pipetteurs, lecteurs de fluorescence, etc.). Les résultats expérimentaux, sous forme de mesures numériques, sont renvoyés aux modèles qui les intègrent pour affiner leurs prédictions. Cette architecture hybride combine le calcul symbolique des LLM avec la variabilité physique des systèmes vivants, imposant des contraintes de latence et de précision : chaque cycle d’expérimentation peut durer de quelques minutes à plusieurs heures selon la complexité du protocole.
Anthropic a publié deux rapports détaillant des applications concrètes : l’accélération du design de protéines et l’amélioration du « bimolecular modeling ». Dans le premier cas, les modèles ont proposé des variantes d’α‑hélices qui, après synthèse et test d’expression, ont montré une augmentation de 12 % du rendement de repliement comparé aux méthodes traditionnelles. Le second rapport décrit une réduction de 8 % de l’erreur RMSD (Root‑Mean‑Square Deviation) sur un jeu de données de complexes protéine‑ligand, grâce à l’ajustement itératif des paramètres de docking guidé par l’IA.
Analyse des implications et limites
Le principal avantage de ce dispositif est la capacité à valider rapidement des hypothèses théoriques, ce qui raccourcit le cycle de recherche de mois à semaines. Cependant, la dépendance à des modèles d’IA non transparents introduit un risque de biais expérimental : les prédictions peuvent privilégier des régions de l’espace de séquence déjà sur‑représentées dans les données d’entraînement, limitant l’exploration de solutions réellement novatrices. De plus, la mise en œuvre d’une chaîne de contrôle automatisée nécessite une calibration rigoureuse des appareils pour éviter les erreurs systématiques qui seraient amplifiées par les boucles d’apprentissage.
Sur le plan éthique, Anthropic a lancé un « Life Sciences Verification Program » afin de restreindre l’accès à ses modèles aux chercheurs vérifiés, tentant de réduire le risque d’utilisation malveillante, notamment dans le domaine de la bioterrorisme. Malgré ces garde‑fous, le directeur de l’alignement d’Anthropic a estimé que la probabilité que l’IA contribue à une extinction humaine dépasse 10 % d’ici la prochaine décennie, soulignant la tension entre accélération scientifique et gouvernance de la technologie.
