Claude a conçu des protéines capables de se fixer à 14 cibles sur 15 : ce que l’expérience démontre vraiment

Le bilan global communiqué par le laboratoire Adaptyv Bio est comparable : 354 des 1 320 designs se sont liés à la cible, soit un taux moyen de 26,8 %. Une seule cible évaluée n’a produit aucun binder.

Ces chiffres ne constituent toutefois pas un taux de réussite universel. Les performances ont fortement varié selon les cibles, de 0 à 90 % dans les résultats rapportés. Une campagne où Mythos a travaillé 24 heures sur chaque cible prise séparément a atteint le meilleur taux annoncé, 35,1 %. Les campagnes menées simultanément sur plusieurs cibles ont obtenu des résultats inférieurs.

Ce que Claude a réellement réalisé

L’expérience ne montre pas un modèle de langage inventant de toutes pièces une nouvelle discipline scientifique. Un spécialiste humain de la conception protéique a d’abord fourni une consigne d’environ 30 000 tokens, décrivant le processus à suivre. Claude a ensuite fonctionné avec très peu d’interventions humaines supplémentaires.

Dans ce cadre, Claude a :

• étudié les cibles sélectionnées ;
• choisi les zones auxquelles les protéines candidates devaient se fixer ;
• installé et coordonné des outils publics de prédiction structurale et de conception protéique ;
• généré des séquences candidates ;
• filtré, classé et amélioré ces candidats ;
• choisi les designs à envoyer pour les essais en laboratoire.

La nuance est essentielle. La réussite principale tient à la capacité de l’IA à gérer une chaîne de travail longue, à utiliser différents outils et à prendre les décisions de sélection des candidats. Elle ne réside pas dans l’invention de chacune des méthodes informatiques employées.

Les cibles comprenaient par ailleurs des références déjà utilisées dans des compétitions de conception protéique, ainsi que de nouvelles cibles issues de compétitions plus récentes. Cela rend l’expérience plus instructive qu’un exercice purement théorique, même si la familiarité avec certaines références peut avoir influencé les performances.

Pourquoi les essais en laboratoire changent la portée du résultat

Un modèle informatique peut prédire qu’une protéine devrait se fixer à une cible sans que cette protéine soit effectivement produite, correctement repliée ou active dans un test. Anthropic a donc transmis ses designs à des partenaires chargés de les fabriquer et de les tester.

Adaptyv Bio a reçu les séquences sans savoir quel modèle les avait produites. Son laboratoire automatisé a suivi le processus complet : passage de la séquence numérique à la synthèse de l’ADN, expression des protéines, mesure de la liaison et contrôle qualité. La liaison a été mesurée par résonance plasmonique de surface, une technique qui permet d’évaluer l’interaction entre deux molécules. Le laboratoire a recensé 354 binders parmi 1 320 designs.

Twist Bioscience a également produit et testé les designs de manière indépendante. Selon Anthropic, les résultats comprennent des binders à forte affinité pour au moins six cibles, ainsi que des binders égalant ou dépassant la meilleure affinité précédemment publiée pour au moins quatre cibles.

Cette étape apporte un niveau de preuve supérieur à un simple benchmark fondé sur des structures prédites ou des explications générées par un modèle. Elle répond cependant à une question précise : la protéine conçue se lie-t-elle à la cible dans les conditions du test ? Elle ne permet pas encore de conclure qu’il s’agit d’un traitement utile.

Le cas RBX1 et les performances les plus remarquables

L’une des comparaisons mises en avant par Anthropic concerne RBX1. L’entreprise rapporte un taux de réussite d’environ 40 % pour les designs de Claude, contre 3,7 % chez les participants de précédentes compétitions. Elle affirme également que son système a dépassé le meilleur design antérieur pour cette cible.

Anthropic rapporte aussi des résultats d’affinité particulièrement élevés pour certains candidats : quelques designs se seraient liés plusieurs fois plus fortement que les meilleurs résultats publiés auparavant. Ces observations sont encourageantes, mais elles restent des résultats communiqués par l’entreprise à propos d’une seule campagne. Elles ne démontrent pas une supériorité générale sur toutes les tâches de conception protéique.

Un binder n’est pas un médicament

Un binder est une molécule conçue pour s’attacher à une cible biologique. Cette propriété peut être utile pour les médicaments, les outils de diagnostic ou les réactifs de recherche. Elle ne représente toutefois qu’une première étape.

Pour devenir un candidat thérapeutique viable, une molécule doit aussi présenter les bonnes caractéristiques en matière de :

• sélectivité pour la cible visée ;
• effet fonctionnel, par exemple bloquer ou activer une voie biologique ;
• stabilité et facilité de fabrication ;
• capacité à atteindre le tissu ou la cellule concernés ;
• propriétés pharmacocinétiques ;
• compatibilité avec le système immunitaire ;
• toxicité.

Anthropic présente elle-même cette expérience comme une étape précoce vers des molécules ressemblant à des médicaments, et non comme une démonstration complète de découverte pharmaceutique. La campagne n’a montré ni efficacité clinique, ni innocuité chez l’être humain, ni progression réussie dans le parcours de développement d’un médicament.

Les limites et les critiques principales

Le choix des cibles constitue une limite importante. Les binders protéiques sont généralement plus faciles à concevoir contre des cibles accessibles, notamment extracellulaires, que contre des protéines situées à l’intérieur des cellules.

Martin Shkreli a estimé que les affinités rapportées étaient trop faibles pour justifier les implications pharmaceutiques avancées et a souligné l’absence de cibles intracellulaires difficiles.

Ces critiques n’annulent pas le résultat expérimental : de nombreux designs se sont effectivement liés à leurs cibles. Elles en réduisent toutefois la portée. L’expérience montre que Claude peut produire un nombre important de binders confirmés en laboratoire dans le cadre d’un protocole défini. Elle ne montre pas que le système peut créer de manière fiable des traitements intracellulaires, ni qu’il surpasse les méthodes établies de développement pharmaceutique pour des cibles cliniquement importantes.

Les données restent en outre partiellement communiquées par Anthropic. La synthèse et les essais ont été réalisés par des organisations externes, ce qui renforce la crédibilité du résultat. Une réplication indépendante sur un ensemble plus large de cibles, notamment moins familières et plus difficiles, serait néanmoins nécessaire pour établir la généralité de la méthode.

L’ambition plus large d’Anthropic dans le médicament

Anthropic présente la conception de binders comme un élément d’une ambition plus vaste : créer un système capable, à terme, de couvrir différentes modalités et d’accélérer l’ensemble du développement pharmaceutique, tout en analysant des données chimiques et biologiques.

Son initiative Claude Science regroupe des flux de recherche, des outils informatiques et des capacités d’analyse de données scientifiques. La campagne sur les protéines montre comment un agent pourrait relier ces fonctions à des expériences en laboratoire.

Anthropic indique que ses capacités les plus avancées en sciences de la vie ne sont pas encore accessibles sans restriction. L’entreprise a fait d’un programme d’accès destiné aux scientifiques une priorité et affirme qu’Opus 5 est actuellement son modèle généralement disponible le plus performant pour la recherche en sciences de la vie.

La promesse concrète n’est donc pas de supprimer le laboratoire. Il s’agit plutôt de réduire le temps consacré à l’étude des cibles, à l’exécution des logiciels, au tri des candidats et au choix d’un nombre limité de designs méritant d’être testés expérimentalement.

Pourquoi ces capacités restent limitées

Le processus présente un risque de double usage. La même capacité à étudier des systèmes biologiques, concevoir des protéines et coordonner des outils spécialisés peut accélérer une recherche bénéfique, mais aussi réduire l’expertise et le temps nécessaires à certains travaux biologiques dangereux.

Anthropic affirme que la conception protéique et les autres capacités biologiques à double usage restent indisponibles au grand public sur ses systèmes les plus avancés. L’entreprise envisage plutôt un accès contrôlé ou réservé à des scientifiques qualifiés. Son objectif déclaré est de soutenir la recherche thérapeutique légitime tout en limitant l’aide susceptible de contribuer à la conception d’agents pathogènes, à des travaux liés aux toxines ou à d’autres usages biologiques dangereux.

Cette politique est directement liée au résultat technique. Plus un modèle peut passer seul d’une question biologique à des designs moléculaires candidats, plus il devient nécessaire d’évaluer non seulement l’efficacité des designs, mais aussi les personnes autorisées à utiliser le processus, les garde-fous mis en place et la manière dont les usages sont surveillés.

En résumé

La démonstration d’Anthropic montre que Claude Mythos Preview et Claude Opus 4.8 peuvent coordonner de manière autonome des outils existants de conception protéique et produire des binders confirmés expérimentalement, avec des taux de réussite annoncés de 22,6 % à 35,1 %. Sur 1 320 designs, 354 se sont liés à leur cible et 14 des 15 cibles évaluées ont produit au moins un binder.

Il s’agit d’un résultat important pour la conception protéique assistée par IA au tout début du processus de recherche. Mais ce n’est ni un système autonome de découverte de médicaments, ni une solution au ciblage intracellulaire, ni un substitut aux longues étapes d’optimisation, de toxicologie, d’essais cliniques et d’évaluation réglementaire.

Le prochain test sera de voir si ces performances se reproduisent sur des cibles plus difficiles et moins familières — et si ces capacités peuvent devenir réellement utiles aux chercheurs sans rendre l’assistance biologique dangereuse accessible à tous.