Le 23 septembre 2026, Anthropic a présenté les premiers travaux de son laboratoire de biologie assisté par IA. L’entreprise affirme qu’un ensemble d’agents Claude a identifié, dans des données génomiques, un système associant une transcriptase inverse à des répétitions d’ADN qui rappellent certaines caractéristiques de CRISPR. Le résultat est intéressant, mais sa fonction biologique, sa nouveauté exacte et son utilité restent à établir : que démontre réellement cette expérience sur la capacité de l’IA à accélérer la découverte scientifique ?
Ce qu’Anthropic a réellement annoncé
Anthropic a créé au printemps 2026 une équipe de recherche en sciences du vivant et un laboratoire expérimental dans la baie de San Francisco. Son objectif est d’utiliser Claude pour explorer des bases de données biologiques, générer des hypothèses et les soumettre ensuite à des expériences réalisées en laboratoire.[1]
Pour son premier programme rendu public, l’entreprise a demandé à Claude de rechercher des exemples inhabituels de transcriptases inverses. Ces enzymes copient de l’ARN en ADN et interviennent dans plusieurs mécanismes biologiques. Les agents ont repéré un ensemble comprenant une transcriptase inverse, une longue série de répétitions d’ADN non codant et une protéine voisine dont la fonction reste inconnue. Anthropic a nommé cet ensemble ART, pour array-associated reverse transcriptases.[1][2]
Le système a été observé dans des bactériophages, des virus qui infectent les bactéries. La comparaison avec CRISPR vient principalement de l’organisation répétitive des séquences et de la présence d’un système enzymatique associé. Anthropic précise toutefois ne pas connaître la fonction principale d’ART. Il n’est donc pas établi qu’il s’agisse d’un mécanisme d’édition génétique, ni qu’il puisse devenir un outil médical.
Ce qui est réellement nouveau
La transcriptase inverse repérée dans le phage concerné n’était pas totalement inconnue. Elle figurait déjà dans une étude de génomique comparative publiée en 2021 sur trois bactériophages géants infectant Staphylococcus aureus.[7] La contribution attribuée à Claude consiste plutôt à avoir relié cette enzyme à une structure plus large, comprenant les répétitions d’ADN et un gène accessoire.
La nouveauté scientifique potentielle porte donc sur la caractérisation d’un système génétique jusqu’alors peu étudié. La nouveauté méthodologique paraît plus nette : des agents généralistes, capables d’écrire du code, d’interroger des bases et de réorienter leur recherche, ont parcouru un espace de données qu’une équipe humaine aurait difficilement pu examiner de manière exhaustive dans le même délai.
Cette distinction est essentielle. Découvrir qu’un élément existe, proposer une fonction, démontrer son mécanisme et transformer ce mécanisme en outil sont quatre étapes différentes. À ce stade, ART constitue surtout un objet biologique prometteur à étudier.
Comment Claude a participé au travail scientifique
La prépublication décrit une exploration portant sur environ 1,9 milliard de groupes de protéines. Près de 950 agents Claude ont travaillé pendant un peu plus de 21 heures et consommé environ 210 millions de tokens. Ils ont d’abord identifié plus de 200 000 transcriptases inverses candidates, puis réduit progressivement cet ensemble pour isoler des familles inhabituelles.[1][2][3]
Les agents ne se sont pas contentés de résumer des articles. Ils ont exécuté des analyses bioinformatiques, comparé des séquences, examiné le voisinage génomique des gènes et produit des pistes de recherche. Un agent a finalement signalé la présence d’une répétition régulière d’ADN à proximité d’une famille particulière de transcriptases inverses.
L’expression « découverte autonome » doit donc être employée avec prudence. L’autonomie se concentre dans l’exploration computationnelle. Les humains ont défini l’objectif, construit l’environnement, réalisé les expériences et décidé de la manière dont le résultat devait être interprété et communiqué.[4]
Pourquoi cette méthode peut compter pour la biologie
La biologie contemporaine produit davantage de séquences, de structures et de mesures qu’une communauté de chercheurs ne peut en examiner manuellement. L’enjeu n’est plus seulement de générer des données, mais d’identifier dans ces volumes les motifs rares qui méritent une attention expérimentale.
Des agents IA peuvent contribuer à élargir cette attention scientifique. Ils peuvent parcourir plusieurs bases, tester des regroupements, documenter des anomalies et proposer des candidats à examiner. Dans le cas d’ART, la valeur la plus crédible de Claude réside dans cette capacité à filtrer un espace très vaste et à faire émerger un signal interprétable.[5]
Cette capacité ne s’étend pas automatiquement à toute la science. Elle est particulièrement adaptée aux domaines riches en données numérisées et en outils d’analyse. Elle est moins immédiatement transposable aux questions qui exigent des observations longues, des expériences coûteuses, des échantillons rares ou une connaissance contextuelle difficile à formaliser.
Le chiffre de 21 heures doit également être interprété avec son coût de calcul. Deux cent dix millions de tokens, près d’un millier d’agents et l’intervention d’une équipe spécialisée représentent des ressources importantes. Sans comparaison avec une méthode conventionnelle, il est impossible de convertir ce délai en gain net de productivité, de coût ou de qualité.
Ce que les résultats permettent réellement d’affirmer
La prépublication rapporte que les répétitions associées à ART sont exprimées pendant l’infection d’un phage et apparaissent sous forme d’unités d’ARN distinctes. Ce résultat suggère l’existence d’un système fonctionnel organisé, mais ne révèle pas encore son rôle biologique précis.[2]
Le document est une prépublication et n’a pas encore été évalué par les pairs. Les commentaires recueillis par Nature et WIRED reconnaissent l’intérêt de la méthode, tout en soulignant que la signification du système et son éventuelle activité d’édition génétique restent à démontrer.[3][5]
L’expérience permet donc d’affirmer que des agents IA peuvent repérer rapidement une organisation génétique intéressante dans un corpus massif. Elle ne permet pas encore d’affirmer que Claude a découvert un nouvel équivalent de CRISPR ou produit une avancée thérapeutique.
Reproductibilité, attribution et biosécurité
Une recherche assistée par agents doit rendre sa trajectoire suffisamment documentée. La version du modèle, les prompts, les bases interrogées, le code exécuté, les critères de sélection, les interventions humaines et les résultats négatifs sont nécessaires pour permettre l’évaluation et la reproduction. Un article final qui ne publierait que le candidat retenu masquerait la manière dont des milliers d’autres pistes ont été écartées.
La provenance des idées devient également un enjeu. Des chercheurs ont interrogé le degré de nouveauté du résultat et l’origine de certaines similarités avec des travaux antérieurs ou non publiés. Aucune preuve publique n’établit que ces travaux auraient été utilisés par Anthropic. L’entreprise affirme que Claude n’est pas entraîné sur les conversations de ses utilisateurs et que son équipe de biologie n’y a pas accès.[5][6] La controverse montre néanmoins la nécessité de mécanismes d’attribution et de traçabilité adaptés à la recherche assistée par IA.
Sur le plan de la biosécurité, Anthropic indique que son laboratoire travaille aux niveaux BSL-1 et BSL-2, sans manipuler d’agents pathogènes capables d’infecter l’être humain, et que les expériences sont effectuées par des scientifiques.[4] Ces limites réduisent certains risques immédiats. Elles n’épuisent pas la question du double usage, surtout si de futurs systèmes peuvent concevoir des expériences ou piloter directement des équipements.
La responsabilité scientifique reste humaine et institutionnelle. Un modèle peut proposer une analyse, mais il ne peut pas garantir l’intégrité des données, consentir à un protocole, assumer une erreur ou répondre d’une communication excessive.
Ce qu’il faudra observer maintenant
La première étape sera l’évaluation par les pairs, suivie d’une reproduction indépendante. Les chercheurs devront déterminer le substrat d’ART, son mécanisme, son rôle chez les bactériophages et la possibilité éventuelle de le programmer.
Il faudra aussi comparer le dispositif à des méthodes plus classiques. Combien de candidats pertinents produit-il ? Quel est son taux de faux positifs ? Quelle quantité de travail humain économise-t-il après prise en compte de la vérification, du calcul et des expériences nécessaires ? Ces mesures permettront d’évaluer l’accélération réelle plutôt que la seule vitesse d’exécution.
Enfin, la communauté devra définir des standards de publication pour les découvertes assistées par agents : journaux d’activité accessibles aux évaluateurs, déclaration des interventions humaines, provenance des données et règles d’attribution. Le NIH a d’ailleurs renforcé en 2026 ses initiatives consacrées à la réplication et à la reproductibilité de la recherche biomédicale.[8]
Le cas ART ne démontre pas encore qu’une IA peut remplacer le raisonnement et l’expérimentation scientifiques. Il montre quelque chose de plus précis : lorsqu’un problème peut être formulé, instrumenté et documenté, des agents peuvent élargir considérablement l’espace que les chercheurs sont capables d’explorer. La prochaine étape ne sera pas seulement de trouver plus vite, mais de prouver mieux.
Pour aller plus loin
Pour approfondir les liens entre intelligence artificielle, données biologiques, santé et méthode scientifique, découvrez également ces analyses du blog aivancity.
Sources
[1] Anthropic. (23 septembre 2026). Claude discovers a novel enzyme system with CRISPR-like repeats. Consulter la source
[2] Yoon, P. H. et al. (2026). Autonomous AI agents discover reverse transcriptases with tandem repeat arrays. Prépublication. Consulter la prépublication
[3] Nature. (25 septembre 2026). Anthropic’s AI biolab finds ‘CRISPR-like’ DNA in viruses. What’s next? Consulter l’article
[4] TechCrunch. (23 septembre 2026). Anthropic says its biology lab has already found something big. Consulter l’article
[5] WIRED. (29 septembre 2026). Anthropic Says It Discovered a Crispr-Like System. Now What? Consulter l’article
[6] The Atlantic. (4 octobre 2026). AI’s Real Gift to Science. Consulter l’article
[7] Korn, A. M. et al. (2021). Comparative Genomics of Three Novel Jumbo Bacteriophages Infecting Staphylococcus aureus. Journal of Virology. Consulter l’étude
[8] National Institutes of Health. (2026). Strengthening Replication and Reproducibility of NIH-funded Research. Consulter la source