Contexte et objectifs
Anthropic PBC a inauguré en septembre 2026 un laboratoire humide dans la région de la baie de San Francisco. Le site vise à exploiter l’intelligence artificielle pour accélérer des recherches en biologie, sans se concentrer exclusivement sur la découverte de médicaments. La société a indiqué que le laboratoire pourra également servir d’infrastructure pour des partenaires externes, ce qui suggère une stratégie de licence des découvertes plutôt que de commercialisation directe.
Architecture du laboratoire automatisé
Le cœur du dispositif repose sur des robots contrôlés par les modèles de langage Claude d’Anthropic. Les robots sont interfacés via le Model Hardware Standard (MHS), un protocole développé avec le centre de recherche médicale HHMI en Virginie. MHS permet à Claude de piloter les instruments, de détecter les erreurs d’expérimentation et de générer automatiquement les scripts d’automatisation. Cette couche d’abstraction élimine la programmation manuelle traditionnelle, où chaque instrument doit être synchronisé par des scripts écrits par les chercheurs.
Performances du modèle Claude Mythos 5.1
Avant la mise en service du laboratoire, Anthropic a testé Claude Mythos 5.1 sur la conception de molécules à haute affinité. Le modèle a produit douze candidats moléculaires. Le taux de réussite, mesuré comme « hit rate », s’est élevé à 50 %. Les projets de conception protéique classiques affichent généralement un hit rate compris entre 10 % et 15 %. Cette différence indique que le modèle peut identifier des liaisons potentielles plus efficacement, bien que le nombre absolu de molécules testées reste limité.
Perspectives et limites
L’utilisation de Claude pour orchestrer les robots ouvre la voie à des workflows entièrement automatisés, notamment la correction d’erreurs en temps réel et la rédaction de scripts d’équipement. Toutefois, la transparence des critères de sélection des molécules n’est pas détaillée, ce qui rend difficile d’évaluer la robustesse du processus de validation. De plus, le laboratoire ne se positionne pas comme un acteur de la découverte de médicaments, ce qui limite l’impact direct sur le marché pharmaceutique. La dépendance à des partenaires externes pour la réalisation de certaines expériences introduit une variable supplémentaire de coordination et de partage de données.
