Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

La revendication du laboratoire d'IA d'Anthropic divise les biologistes sur la découverte de protéines

Anthropic affirme que ses agents Claude ont repéré un motif génétique encore non répertorié après 21 heures de travail. Les biologistes contestent que cela constitue une découverte scientifique.

SciencesAnalyseAmélie BernardPublié le: 29 septembre 20267 min de lectureSources 4
La revendication du laboratoire d'IA d'Anthropic divise les biologistes sur la découverte de protéines

Le laboratoire de biologie moléculaire d'Anthropic, composé d'agents Claude, a signalé un motif répété autour d'une enzyme connue. L'entreprise affirme que ce motif n'avait jamais été répertorié. L'annonce date de la semaine dernière et MIT Technology Review l'a décortiquée le 28 septembre. Elle est devenue la controverse publique la plus vive sur ce qu'une IA peut légitimement revendiquer avoir découvert en sciences de la vie.

MIT Technology Review décrit le système comme 950 agents ayant travaillé pendant 21 heures. Leur production n'est pas une nouvelle séquence d'ADN, rapporte le média. Ils ont trouvé un motif répété autour d'une enzyme connue. L'annonce d'Anthropic l'a qualifié de « rappelant » les travaux qui ont mené à CRISPR. Ce choix de mot a porté beaucoup de poids, et c'est là que les ennuis ont commencé.

Le problème du seuil

La critique est venue vite, et de l'intérieur du domaine. Le biologiste Lucas Harrington a publié un texte devenu viral, ensuite approuvé par le président-directeur général d'Eli Lilly. Il y soutient que « trouver un étrange amas de gènes et de répétitions est souvent la partie facile. La partie difficile, celle d'où viennent les vraies découvertes, c'est de comprendre ce que le système fait réellement. » MIT Technology Review cite le texte directement. Selon le média, Harrington suggère que les entreprises d'IA devraient « fixer la barre haut dès maintenant, pour que lorsqu'une IA découvrira réellement un mécanisme biologique fondamentalement nouveau, tout le monde mesure l'ampleur de l'événement. »

Ensuite, l'affaire s'est compliquée. Mario Rodríguez Mestre, biologiste à l'université de Copenhague, a déclaré le week-end dernier que son équipe avait déjà trouvé le même motif, selon le New York Times, relayé par MIT Technology Review. Mestre utilisait régulièrement Claude dans son travail. Il demande si l'équipe d'Anthropic a appris quelque chose de ses conversations. Anthropic le nie. Mestre dit avoir arrêté d'utiliser Claude malgré tout.

« La partie difficile, celle d'où viennent les vraies découvertes, c'est de comprendre ce que le système fait réellement. »

Rien de tout cela ne signifie que le travail de fond était sans valeur. MIT Technology Review note que réduire 200 000 candidats à une poignée méritant des tests est un vrai travail scientifique. Qu'un chatbot généraliste y parvienne est notable, même avec des humains qui orientent et réalisent les expériences. Le problème, c'est le cadrage. Dès que la question devient de savoir si Claude a lui-même fait une découverte, il ne reste que deux réponses : percée ou échec. Tout ce qui se situe entre les deux est aplati.

À quoi ressemble vraiment le travail sur les protéines aujourd'hui

La querelle Anthropic dépasse une seule entreprise. C'est dans la découverte de protéines et de matériaux que l'IA accumule discrètement des résultats réels et vérifiables. Le schéma général est moins spectaculaire qu'un communiqué et plus utile.

Parmi les titres récents relevés aux côtés de la couverture d'Anthropic figurent des travaux sur des vaccins à ARNm encapsulés dans des nanoparticules lipidiques thermostables, à partir de ce que Nature décrit comme une IA économe en données, publiés le 28 septembre. Séparément, des chercheurs ont rapporté l'usage de la prédiction de structure par IA pour accélérer la découverte de colles moléculaires. Ce sont de petites molécules capables de rapprocher des protéines d'une manière qui traite la maladie. Aucune de ces annonces ne repose sur une IA créditée d'un saut conceptuel. Toutes reposent sur une IA qui cherche et classe beaucoup plus vite que des humains.

Cette distinction résume tout le débat. Les systèmes d'IA excellent dans la partie de la science qui relève du tri, et le domaine a mis du temps à le dire clairement. MIT Technology Review relève la même dynamique en mathématiques. Plus tôt en septembre, OpenAI a affirmé que ses agents avaient résolu un problème à un million de dollars. En deux semaines, la discussion a glissé vers la question de savoir si ce problème était celui qui intéressait les mathématiciens. Le média précise que la critique ne contestait pas la justesse de la solution d'OpenAI, seulement le fait que le résultat n'était peut-être pas le résultat important. Un mathématicien a aussi accusé les modèles d'avoir utilisé une partie de son travail sans le créditer.

Le différend ne porte donc pas vraiment sur l'exactitude. Il porte sur l'importance, et sur qui décide de l'importance. C'est plus difficile à trancher en public qu'une mauvaise réponse.

La vérification arrive d'une autre direction

Pendant que le débat sur le crédit des découvertes se poursuit, d'autres équipes s'attaquent à un problème plus prosaïque : peut-on faire confiance à la biologie produite par IA ? Les titres de la semaine dernière évoquent DeepMind qui appose des filigranes sur des protéines pour que les laboratoires puissent vérifier ce qu'ils ont sous les yeux. D'autres travaux portent sur les filigranes SynthID Bio pour les protéines conçues par IA. Il s'agit de rendre la production d'IA traçable, pas de la rendre célèbre.

Le versant commercial avance au même rythme sans éclat. Hansa Biopharma annonce un partenariat avec Cradle sur la conception et l'ingénierie de protéines assistées par IA. C'est de la prestation, pas une revendication de percée. Voilà sans doute un meilleur indicateur de l'état réel de la technologie que n'importe quelle annonce d'agents découvrant quelque chose.

Le cadrage d'Anthropic fait partie du problème, selon MIT Technology Review. Le média soutient que les entreprises d'IA ne présentent pas leurs systèmes comme des outils, à la manière d'un microscope ou d'un supercalculateur. Elles affirment que les systèmes font eux-mêmes des découvertes. Cela cadre mal avec la façon dont la science produit d'ordinaire du savoir : par la collaboration et un ensemble d'instruments toujours plus large. Ce décalage n'agace pas seulement les biologistes. Il rend les vrais progrès plus difficiles à reconnaître quand ils surviennent, parce que les seuls verdicts disponibles sont les deux extrêmes.

Le reste du dossier scientifique

Ailleurs, l'actualité de la recherche de la semaine est inhabituellement concrète. Des scientifiques du Harrington Discovery Institute des University Hospitals et de la Case Western Reserve University ont publié des résultats dans Cell Reports. Ils décrivent un mécanisme moléculaire qui pourrait expliquer pourquoi le poids perdu revient. Le travail porte sur l'asprosine, une hormone libérée par le tissu adipeux qui signale au cerveau de stimuler l'appétit. Chez la souris, l'obésité modifiait l'activité des cellules graisseuses de façon à maintenir l'asprosine élevée après la perte de poids. Les chercheurs appellent cet effet mémoire de l'obésité. Un autre laboratoire, dirigé par Seth J. Field, a confirmé que le changement cellulaire persistait, selon SciTechDaily. Les auteurs préviennent que les preuves humaines proviennent de jeux de données publics et demandent encore une confirmation directe.

L'astronomie a produit une première plus nette. Un article soumis à arXiv le 15 septembre rapporte la première détection directe d'une émission radio aurorale provenant d'une exoplanète. La cible est la planète géante beta Pictoris b, observée avec le réseau MeerKAT. Les auteurs, Kevin N. Ortiz Ceballos, Edo Berger et Yvette Cendes, signalent des sursauts rapides, récurrents et fortement polarisés circulairement à des fréquences de 0,85 à 3,5 GHz. Ils identifient l'émission comme un rayonnement maser à cyclotron électronique. Cela implique un champ magnétique d'au moins 1,25 kG au niveau de la planète. Le résumé indique clairement qu'aucune détection radio n'avait auparavant été localisée sans ambiguïté sur une planète extrasolaire plutôt que sur son étoile hôte.

Voilà à quoi ressemble une revendication de découverte quand la mesure fait l'argumentation. Il y a un signal, un mécanisme physique qui l'explique, et un nombre qui découle du mécanisme. Personne n'a besoin d'être convaincu.

Pourquoi la querelle Anthropic ne se réglera pas de sitôt

La raison est structurelle : les entreprises d'IA sont en course les unes contre les autres. MIT Technology Review conclut son analyse en notant que Sam Altman et Dario Amodei se livrent concurrence. Relever la barre de ce qui compte comme percée scientifique de l'IA est probablement le dernier de leurs soucis. Des barres plus basses font un meilleur marketing. La proposition de Harrington demande aux entreprises de tenir la barre haut pour qu'un vrai résultat soit reçu à sa mesure. Cela suppose d'agir contre leurs propres intérêts.

Le bruit a aussi un coût pratique. Un résultat de recherche de motifs est présenté comme un moment d'ampleur CRISPR. Les biologistes qui auraient pu s'intéresser à l'outil doivent ensuite passer leur temps à expliquer pourquoi ce n'en est pas un. La réaction de Mestre a été d'abandonner Claude à cause d'une question non résolue sur l'usage de ses conversations pour alimenter le système. C'est un petit indice de la vitesse à laquelle la confiance s'effrite.

Pour l'instant, le résumé honnête reste étroit. Les systèmes d'IA produisent des résultats utiles et vérifiables dans le travail sur les protéines et les matériaux, et plusieurs exemples existent. Ils sont aussi crédités de découvertes d'une manière que des scientifiques en activité rejettent. Les deux choses sont vraies en même temps, et c'est dans l'écart entre elles que se jouera le prochain débat.

Commentaires 0

Sources

4
  1. 01When can we say AI made a scientific discovery?EN
  2. 02The Download: climate tech companies to watch and AI's discovery problemEN
  3. 03Scientists Discover a Molecular "Memory" That Could Make Lost Weight Come BackEN
  4. 04Discovery of radio emission from the exoplanet beta Pictoris bEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Amélie Bernard

Amélie Bernard

Science et santé

Amélie Bernard couvre les sciences et la santé pour FLASH24, en s'appuyant sur les publications évaluées par les pairs, les communiqués des agences et les données brutes des études, sans reprendre les reprises de presse. Elle vérifie chaque chiffre en remontant à la source, compare les méthodologies et signale les tailles d'échantillon douteuses. Elle interroge régulièrement des chercheurs et des soignants, et attend les mises à jour des revues à comité de lecture avant de publier. Sa formation en physique des matériaux lui sert à décrypter les résultats techniques, et elle observe le ciel avec son propre télescope. Elle ne publie pas une donnée qu'elle n'a pas pu reproduire.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.