Claude vient de faire une véritable découverte en biologie, et pas une simple prédiction. Le 23 septembre, 950 agents d’IA Claude Mythos ont fouillé une base de données génomique pendant 21 heures d’affilée. L’un d’eux a repéré dans l’ADN d’un virus un mécanisme qu’aucun laboratoire au monde n’avait identifié. Ce système a une structure proche de celle de CRISPR, l’outil d’édition génétique récompensé par un prix Nobel et à l’origine d’une industrie de plusieurs milliards de dollars.
Wall Street n’a pas attendu la relecture par les pairs. Le jour de l’annonce, CRISPR Therapeutics a perdu plus de 5 % et Prime Medicine près de 12 %. Le plus troublant reste pourtant la manière dont l’IA y est parvenue. Et personne n’a réussi à reproduire son exploit.
CRISPR, une invention de la nature
L’ADN est le code source du vivant. Tout ce qui vit ou a vécu sur Terre est écrit avec le même alphabet de quatre lettres : A, T, C et G. Les protéines sont la main-d’œuvre de l’organisme : elles construisent, réparent et transportent. L’ADN, lui, leur sert de plan de construction. En 2012, l’humanité a compris qu’elle pouvait réécrire ce code grâce à CRISPR. Cette découverte a valu le prix Nobel 2020 à Emmanuelle Charpentier et Jennifer Doudna.
À l’origine, CRISPR est un système immunitaire bactérien. Les bactéries sont elles aussi attaquées par des virus, les phages, dans une guerre qui dure depuis des milliards d’années. Pour se défendre, elles stockent dans leur ADN un fragment du code de l’envahisseur, comme un souvenir de l’infection. Si le virus revient, la bactérie le reconnaît et envoie une protéine découper son ADN. Les scientifiques ont ensuite programmé cette protéine pour cibler n’importe quelle séquence. Ils ont ainsi obtenu un outil d’édition génétique universel.
La nature a des milliards d’années d’avance en recherche et développement. Elle cache donc sûrement d’autres machines de ce genre dans les données génomiques déjà séquencées. Le problème, c’est l’échelle : ces bases doublent de volume tous les quatre ans et renferment des milliards de séquences jamais analysées. Les programmes classiques sont déterministes : ils ne trouvent que ce qu’on leur a appris à chercher. Tout ce qui sort du cadre leur échappe, alors que c’est souvent là que se cachent les vraies nouveautés. Seul un expert humain intrigué par une anomalie peut les repérer, et il n’y en aura jamais assez.
950 agents lâchés dans l’ADN
Au printemps 2026, l’entreprise américaine Anthropic a monté un vrai laboratoire de biologie moléculaire, avec paillasses, blouses blanches et chercheurs humains. Elle avait auparavant racheté Coefficient Bio pour 400 millions de dollars. Elle a aussi recruté John Jumper, colauréat du prix Nobel de chimie 2024 pour ses travaux sur AlphaFold. Une question guidait l’entreprise : un modèle d’IA généraliste peut-il accélérer la découverte biologique ?
Pour y répondre, Anthropic a mobilisé 950 agents Claude autonomes. Tous tournaient sur Mythos 5, son modèle le plus puissant, auquel seule une poignée d’élus a accès. Leur mission : dénicher des exemples intéressants de transcriptase inverse. Cette enzyme fait le chemin inverse de la transcription habituelle : au lieu de copier l’ADN en ARN, elle reconvertit l’ARN en ADN. C’est l’outil de base des rétrovirus comme le VIH, qui insèrent ainsi leur séquence dans le génome de leur hôte. On en connaît des milliers, et la plupart n’ont rien de remarquable.
Sur 200 000 candidats, les agents en ont jugé 3500 inhabituels, puis 20 vraiment intéressants. L’un d’eux se trouvait dans un phage géant, bourré de matériel génétique. Sa structure singulière avait déjà été repérée par d’autres chercheurs, sans qu’ils puissent en tirer de conclusion. L’IA a vu ce qui leur avait échappé : un long réseau de séquences d’ADN répétées à intervalles réguliers. Cet agencement régulier, espacé et non codant n’existe que dans une poignée de systèmes biologiques. Tous sont programmables, c’est-à-dire capables de couper, copier ou coller de l’ADN.
Ce n’est pas CRISPR : les fragments intercalés entre les répétitions mesurent de 120 à 220 lettres, contre une trentaine chez CRISPR. Mais l’architecture en reprend furieusement la signature. Anthropic a baptisé ce système ART, pour Array Reverse Transcriptase, puis l’a testé en laboratoire. Les répétitions sont bien actives : elles produisent de petits ARN en quantité, dont la fonction reste à établir. Feng Zhang, l’un des pionniers de CRISPR au MIT, a qualifié la découverte de « génialement intrigante ». Le génome de ce phage avait été publié en 2021 et l’enzyme était connue. Mais personne n’avait vu son lien avec le gène partenaire et le réseau de répétitions.
Une IA qui voit avant de parler
L’opération a duré 21 heures et produit plus de 210 millions de tokens. On est pourtant loin de la force brute des 10 000 agents lancés par OpenAI sur le problème de Navier-Stokes, pour des dizaines de millions de dollars. Au moment décisif, l’agent n’utilise aucun logiciel d’analyse. Il charge simplement dans sa fenêtre de contexte un morceau d’ADN brut de 2900 lettres, sans la moindre annotation, et le lit. Les journaux de session sont formels : aucun outil n’a tourné entre la récupération de la séquence et le repérage du motif.
L’agent qualifie la région de « spectaculaire », puis écrit dans sa chaîne de raisonnement : « Je vois à l’œil nu un réseau de répétitions en tandem… de type CRISPR ?! » Le motif est une séquence de 16 lettres commençant par CATGTG. Elle revient 14 fois à une lettre près, avec 100 à 200 lettres d’écart à chaque fois. L’agent compare avec les systèmes connus, hésite, consulte la littérature scientifique, puis rédige son rapport.
Le résultat le plus contre-intuitif est ailleurs. Quand Anthropic a donné davantage d’outils au modèle, le taux de détection est tombé à 32 % dans certaines configurations. Avec l’ADN brut seul, il remontait à 90 %. L’entreprise a donc réexaminé la session avec ses outils d’interprétabilité. Elle a constaté que quelque chose s’activait dans le réseau neuronal du modèle au passage des répétitions, avant même qu’il ne les nomme. Ce type de signal caractérise normalement les modèles entraînés uniquement sur de l’ADN. Mythos 5, modèle généraliste, l’a développé tout seul. C’est un effet secondaire de son entraînement sur à peu près tout ce que l’humanité a écrit.
Enfin, Anthropic a relancé dix fois la même campagne, avec les mêmes consignes, la même base et le même nombre d’agents. Aucune relance n’a retrouvé les répétitions. Un seul agent sur 950 a creusé là où les autres ne regardaient pas. Fleming avait découvert la pénicilline en remarquant un détail bizarre sur une boîte de Petri oubliée. La chance garde sa part dans les découvertes, même quand c’est une IA qui les fait.
La recherche change d’échelle
Au tarif public de Mythos 5, l’opération représente entre 3000 et 5000 dollars, sans doute un peu plus en réalité. Ce sont des milliers de dollars, pas des millions, pour trouver en moins d’une journée ce que la littérature scientifique avait laissé passer. Anthropic renvoie à Machines of Loving Grace, l’essai publié en octobre 2024 par son PDG Dario Amodei. Il y affirmait que l’IA pourrait comprimer 50 à 100 ans de progrès en biologie en 5 à 10 ans. Cette mécanique devient concrète : les agents trient les données et proposent des pistes, puis les chercheurs gardent le dernier mot. Beaucoup de pistes mèneront à des impasses. Mais à ce prix, on peut en lancer des dizaines de milliers en parallèle.
Depuis avril et l’arrivée des IA de niveau Mythos, les découvertes se multiplient en mathématiques, en physique, en biologie et en chimie. L’IA ne remplace pas les scientifiques, qui mènent toujours les expériences en laboratoire. Elle prend en charge l’exploration et la détection de motifs dans des données trop vastes pour un cerveau humain, en une fraction du temps et du coût. Nous vivons la dernière époque où la recherche scientifique repose uniquement sur l’intelligence humaine.
Source : Vision IA
