Le Décalage
Plus tôt aujourd’hui, j’ai nourri une IA de toute ma bibliothèque de recherche. 6 576 papiers. Je lui ai posé une question que je mâchais depuis des années.
Les vocabulaires officiels destinés à coder mon domaine correspondent-ils réellement à la façon de penser des praticiens?
J’étudie les retombées zoonotiques. Comment les maladies passent des animaux aux humains. Comme la plupart des domaines, nous avons des ontologies formelles, des catalogues de concepts organisés destinés à nous organiser. Je les soupçonnais d’être maigres.
Alors j’ai arrêté de discuter et je l’ai testé.
Le système a lu 490 de ces documents. Juste sur les retombées et l’émergence. Il a extrait les affirmations causales du texte, assemblé un vocabulaire de bas en haut et l’a comparé à la norme officielle.
L’écart était énorme.
Sur les 915 relations utilisées à plusieurs reprises dans la littérature, 864 n’avaient aucune contrepartie dans le schéma de référence. Douze cents catégories conceptuelles sont apparues dans mon petit échantillon mais nulle part dans les cartes formelles. Principalement regroupés autour des facteurs environnementaux et de l’écologie. La langue de travail réelle d’une fraction de mon domaine est quatre fois plus riche que la langue officielle.
L’expérience a coûté 26 $et le changement.
Un Harnais, Pas un Modèle
C’était un essai routier de Claude Science. Anthropique l’a lancé aujourd’hui. Leur objectif? Faire pour le laboratoire ce que Claude Code a fait pour les développeurs de logiciels.
C’est un pari ambitieux. Il y a six mois, Zubair Jandali a affirmé que l’IA pouvait aider aux tâches numériques dans les sciences de la vie. Aujourd’hui, le ton a changé. Il peut exécuter le travail.
Voici le piège. Claude La science n’est pas un nouveau modèle.
Anthropique est franc à ce sujet. Il fonctionne sur Claude Opus 4. Même moteur que tout le monde loue. Pas de poids secrets. Pas d’accès spécial. L’intelligence est identique.
Ce qui change, c’est le * harnais*.
En termes d’IA, le harnais est l’échafaudage. Il transforme un modèle général en un outil. Connexions de données, exécution de code, mémoire, contrôles de sécurité. Un modèle nu pourrait raisonner sur une protéine. Une version exploitée extrait les données de structure, plie une variante sur un cluster GPU, restitue l’image et enregistre chaque étape pour plus de reproductibilité.
Claude Science est un harnais substantiel.
- Il se connecte à plus de soixante bases de données scientifiques.
- Navires avec des compétences prédéfinies pour la génomique, la chimie et la biologie structurale.
- Gère les tâches sur votre ordinateur portable ou sur les GPU cloud loués.
- Chaque sortie porte sa provenance complète, le code, l’environnement et l’historique des conversations regroupés pour une régénération ultérieure.
Cela rend-il le modèle plus intelligent?
Non. Cela le rend utile. Ce qui est beaucoup plus précieux.
Une biologiste informatique aurait pu en construire la moitié elle-même en utilisant Claude Code et GitHub en quelques semaines. Mais cela suppose que chaque laboratoire dispose de la bande passante nécessaire pour câbler son propre outil à partir de zéro. Anthropic fait le pari que la curation bat la duplication. Transformer la capacité brute en science fiable.
Pharma D’Abord, Tout Le Reste Plus Tard
La démonstration était axée sur la découverte de médicaments.
À partir d’une seule phrase, Claude a planifié une campagne pour stabiliser une enzyme derrière la phénylcétinurie. Il a examiné 2 200 molécules sur 80 GPU. Les a réduits à quatre candidats. Produit un mémo go/no-go.
Ensuite, il a exécuté le même processus sur 100 maladies rares simultanément.
Pourquoi s’arrêter là, a demandé le présentateur. Pourrait faire 10 000.
Impressionnant? Oui.
Moléculairement limité? Absolument.
Chaque base de données et modèle de partenaire pointe vers la science pharmaceutique. Gènes, protéines, petites structures. Où est l’argent. OpenAI et Google visent la même cible.
Mais le reste de la science est grand ouvert.
Sciences de la terre. Données atmosphériques. Écologie. Sciences sociales. Une grande partie de l’épidémiologie.
Rien de tout cela n’est configuré au lancement. Les données sur lesquelles s’appuient ces champs, les enregistrements de biodiversité du GBIF, la réanalyse du climat, les données de recensement, la télédétection, sont absentes des soixante bases de données initiales. Le travail de” laboratoire sec”, écologie de terrain et dynamique des populations, reste une frontière inexploitée.
C’est facile à visualiser, cependant.
Imaginez un harnais comme celui-ci pointé vers la zoonose. Il tire des enregistrements d’occurrence d’espèces. Superpose la réanalyse climatique. Correspond à un modèle de distribution. Drapeaux des comtés où un pathgen transmis par les tiques est susceptible de se propager la saison prochaine.
Rédige le dossier de surveillance. Génère la figure.
Compresse des semaines de réunion en un après-midi pour un service de santé publique. L’intelligence existe pour le faire. Ce qui manque, c’est le câblage. Les connecteurs. Mon expérience à 26 $est une petite preuve de concept.
Jugement Sur La Génération
La technologie est rapide. Ça va tout accélérer.
Mais cela clarifie l’importance des scientifiques humains.
Une fois que la génération devient bon marché, le * jugement* devient le goulot d’étranglement. Auditer, valider, corriger. Ce sont les étapes de limitation de débit pour tout travail se déplaçant à travers un écran.
C’est juste de la bonne science de toute façon.
Claude Science est livré avec un agent “réviseur” pour signaler les mauvaises citations et les numéros incompatibles. Pour l’instant, c’est le même modèle qui vérifie sa propre sortie, pas un oracle indépendant. Mais la direction semble juste.
Le vrai risque est la régression vers la médiocrité.
Les modèles formés sur la littérature existante excellent à refléter cette littérature. Ils se parlent à eux-mêmes.
Mais le même outil qui cartographie le consensus peut également cartographier les lacunes. Des relations que personne n’a testées. Concepts utilisés partout mais définis nulle part.
J’ai dépensé 26 finding pour trouver les bords de ce qui est déjà écrit. Trouver ce qui n’a pas encore été imaginé? C’est le problème le plus difficile.
Il semble également que ce soit le seul qu’il reste à résoudre.
