Des agents d’IA ont mené une expérience ADN de 11 382 étapes ; les humains rechargeaient surtout les réactifs

La même semaine, deux équipes ont publié des résultats qui font passer l’intelligence artificielle du bureau à la paillasse, le plan de travail du laboratoire. Le 4 novembre 2026, la revue Nature a publié un article de l’université Jiao-tong de Shanghai décrivant AutoDNA, un laboratoire où des agents d’IA, des logiciels qui décident et agissent seuls, planifient et exécutent des expériences de biologie moléculaire sur plus de 20 instruments. Les humains interviennent surtout pour recharger les réactifs et entretenir le matériel. Le même jour, Anthropic annonçait que ses modèles Claude avaient aidé à établir la première structure en trois dimensions d’une particule vault, une minuscule coque creuse en protéines, construite à partir d’une protéine issue d’un virus qui infecte les bactéries. Cet objet n’a toujours pas de fonction connue, quarante ans après sa découverte. Les deux équipes chiffrent le gain de temps, et les deux listent les points où le travail a encore échoué.

Des agents à la paillasse, à Shanghai

L’article décrivant AutoDNA a été reçu le 1er octobre 2025 et accepté le 30 septembre 2026. Le résumé indique que le système « orchestre de façon autonome plus de 20 types d’instruments sur plus de 11 000 étapes » pour réaliser les opérations de base sur l’ADN : synthèse, transcription, amplification et séquençage, « l’intervention humaine se limitant à l’entretien du matériel, comme le réapprovisionnement en réactifs et en consommables ». L’équipe a testé le système sur quatre tâches. Selon elle, AutoDNA a égalé les rendements de synthèse d’ADN de spécialistes humains et exécuté des protocoles en parallèle 3,2 fois plus vite qu’en les menant l’un après l’autre. Le système a aussi mené un cycle complet de stockage de données sur ADN en restituant le contenu sans erreur, puis repéré et confirmé une mutation liée au cancer, KRAS G13D, dans un échantillon clinique.

La plus longue expérience a été le test de stockage de données. Le média chinois 36Kr et le quotidien coréen Chosun Ilbo, qui reprennent tous deux le communiqué de l’équipe, indiquent qu’elle a duré environ 203,5 heures, soit plus de huit jours, et compté 11 382 opérations sur les appareils. Le système a fabriqué puis relu 78 brins d’ADN qui encodaient une phrase, et il l’a restituée sans erreur. Pendant ces huit jours, le rôle humain s’est « limité pour l’essentiel à l’évacuation des déchets et au réapprovisionnement en réactifs », sur les rappels du système, selon 36Kr. La phrase stockée puis relue était « l’intelligence est la capacité à s’adapter au changement ».

Dans les pages d’actualité de Nature, la journaliste Heidi Ledford résume le partage des tâches sans détour : « les mains humaines ne servent plus qu’à renouveler les réactifs et à entretenir le matériel ». Haibo Chen, informaticien dans cette université et coauteur de l’étude, explique à Nature que la plupart des systèmes précédents « exigent encore des experts humains pour configurer les instruments » et ajoutent l’IA « pour ne gérer qu’une partie du processus ». Milad Abolhasani, ingénieur chimiste à l’université d’État de Caroline du Nord, qui n’a pas participé au projet, juge AutoDNA « remarquable autant par son degré d’autonomie que parce qu’il intègre facilement des équipements de laboratoire très variés ». Il prévoit « beaucoup de laboratoires autonomes » à l’avenir.

Claude et l’énigme des vaults

L’équipe d’Anthropic s’est attaquée à une énigme plus ancienne. Les particules vault sont de minuscules coques creuses en protéines, présentes dans les cellules de tout le vivant. Découvertes en 1986, elles n’ont toujours pas de fonction établie. Anthropic annonce la première structure d’un vault construit à partir d’une protéine de bactériophage, c’est-à-dire un virus qui infecte les bactéries. Cette coque réunit 96 copies de cette protéine, que l’entreprise nomme L05, et son volume intérieur dépasse d’environ 25 % celui du vault humain, formé de 78 copies. En laboratoire, ces coques ont été produites à l’intérieur de bactéries. Sous la direction des chercheurs, indique l’entreprise, Claude a fouillé des bases de données de protéines et conçu les séquences d’ADN que l’équipe a ensuite commandées. Il a aussi proposé une méthode d’isolement plus rapide et fait tourner le logiciel qui transforme les images de microscope en modèle en trois dimensions.

Les gains de temps figurent dans le billet de blog de l’entreprise. « Une purification de vault qui demande habituellement trois jours nous a pris environ 90 minutes », écrit l’équipe, « et un premier modèle structural était prêt 34 heures plus tard, là où il nous aurait normalement fallu des semaines ». Le projet entier a tenu en « moins de quatre mois ». Pour la phase de recherche, l’équipe a utilisé un outil maison appelé Claude Science afin de passer en revue environ 15 milliards de protéines prédites par ordinateur. Elle a trouvé des protéines apparentées dans 29 groupes de bactéries et quatre groupes d’archées, un autre grand domaine de micro-organismes. La structure et l’étude complète sont décrites dans une prépublication, c’est-à-dire un article rendu public avant relecture. Déposée le 5 novembre sur bioRxiv, un site qui héberge ce genre de textes, elle est sous licence ouverte et n’a pas été évaluée par les pairs, c’est-à-dire relue par d’autres scientifiques du domaine. Ce billet s’ajoute à d’autres publiés cet automne par le laboratoire de biologie d’Anthropic. Fin octobre, l’entreprise affirmait que Claude avait aidé une société d’une seule personne à coordonner des programmes de médicaments répartis sur 11 laboratoires externes.

Les limites que les deux équipes signalent

Les deux publications signalent leurs propres limites, et c’est pourquoi leurs chiffres méritent d’être cités tels quels plutôt qu’arrondis vers le haut. Pour AutoDNA, l’équipe a enregistré 14 pannes de matériel au cours de ses expériences. James Zou, spécialiste des données à Stanford, les relève dans le commentaire qui accompagne l’article dans Nature : le système s’est remis seul de 8 d’entre elles, les 6 autres ont demandé l’intervention d’une personne. L’équipe ajoute que la part de hasard des grands modèles de langage, ces systèmes d’IA qui produisent du texte, peut nuire à la reproductibilité d’un plan d’expérience, et que les essais sur des animaux restent hors de sa portée pour l’instant. Les chiffres de 11 382 étapes et 203,5 heures viennent du communiqué de l’équipe relayé par 36Kr et le Chosun Ilbo, et non du résumé de l’article.

Le billet d’Anthropic est le récit d’une entreprise sur ses propres modèles, et il énumère aussi ses propres échecs. Un protocole rédigé par le modèle réclamait un milieu de culture avec un additif qui a bloqué une partie du travail, ce qui a coûté environ deux semaines. Au début de l’analyse au microscope, le modèle a sauté une étape habituelle et produit un modèle en trois dimensions défectueux, brouillé avec son image inversée. L’équipe lui a demandé d’arrêter d’improviser. La fonction des vaults reste inconnue. Les particules n’ont pour l’instant été fabriquées que dans E. coli, la bactérie courante des laboratoires, et non dans les organismes où on les rencontre naturellement. Leonard Rome, codécouvreur des vaults en 1986 et consultant rémunéré du projet, estime d’ailleurs que l’ampleur du résultat « laisse présager une fonction compliquée ».

La portée de l’annonce

Dans les deux projets, c’est l’étape lente du travail qui se déplace. James Zou pose l’enjeu dans son commentaire : une IA « peut concevoir en quelques minutes une molécule biologiquement prometteuse, mais la tester prend des semaines ou des mois », et le travail de Shanghai « commence à combler l’écart entre proposer une expérience et la réaliser ». Le laboratoire physique est le terrain que l’IA atteint maintenant, après une série de résultats en mathématiques et en physique. Fin octobre, le fondateur d’une jeune pousse affirmait qu’un agent d’IA avait choisi et administré seul une thérapie génique à une souris. AutoDNA avait d’abord fait l’objet d’une prépublication en juillet 2025, qui décrivait un test de stockage plus court, 162,9 heures et 9 365 étapes, avec une version antérieure du système. Environ un an a ensuite séparé ce dépôt de la publication. De son côté, Anthropic dit avoir mené sa recherche sur 15 milliards de protéines jusqu’à une structure en moins de quatre mois. Dans les deux cas, la planification se raccourcit, et le temps qui reste se concentre sur le matériel, les réactifs et la relecture.

La distinction qui compte sépare ce qui est annoncé de ce qui est démontré. AutoDNA est un article évalué par les pairs, assorti de la liste précise de ce que les humains ont encore dû faire. La structure du vault est une prépublication d’une entreprise qui décrit son propre produit, accompagnée de son journal d’erreurs. Dans les deux projets, le plan, le code et une partie de l’analyse ont été confiés à un modèle d’IA, pendant qu’une petite équipe gardait les instruments en marche et vérifiait les résultats. On reste loin d’un laboratoire sans scientifiques. Il reste à voir si l’un ou l’autre résultat se reproduira dans un autre laboratoire, avec un autre modèle, sans que les auteurs guident la main du système.