IA et découverte de médicaments : le pari d’Anthropic

Pourquoi Anthropic rachète Mithril

Mithril Medicine était une société fondée par Cody Tranbarger, qui travaillait sur des traitements pour deux formes rares de dystrophie musculaire. Selon Anthropic, le fondateur a rejoint l'entreprise après l'acquisition. Le montant n'a pas été rendu public, et The Information l'a aussi mentionné.

Le détail qui surprend un peu, c'est la taille annoncée de Mithril : une seule personne. Cela ne veut pas dire qu'un individu a tout fait au laboratoire. Tranbarger a fait appel à 11 laboratoires externes pour organiser des expériences. Claude a servi, lui, à gérer une partie de la coordination : contrats, logistique et certains aspects des opérations. L'idée repose donc sur une petite équipe « au centre », des prestataires spécialisés, et un assistant logiciel pour réduire le travail de mise en mouvement.

Anthropic affirme que Mithril est passée d'une hypothèse de traitement à des résultats encourageants chez la souris en moins de 18 mois. Le rapport technique concerne notamment la dystrophie musculaire congénitale liée à LAMA2. Dans les expériences décrites, des souris traitées avec une approche fondée sur des anticorps ont obtenu environ deux fois la force de préhension de souris non traitées.

Mais c'est un signal préclinique, pas la preuve d'un traitement efficace chez l'humain. Le rapport n'a pas fait l'objet d'une évaluation par des pairs, et les résultats doivent encore être reproduits et complétés. Anthropic évoque la possibilité de démarrer des essais cliniques dès la fin de 2028 si les candidats passent les étapes suivantes - ce qui reste, à ce stade, une projection.

L'acquisition change aussi la nature de l'engagement d'Anthropic. Jusqu'ici, l'entreprise fournissait des outils et travaillait avec des acteurs du secteur. Là, elle annonce avoir démarré des programmes de découverte de médicaments « en interne ». Cody Tranbarger prévoit d'en lancer plusieurs. Autrement dit : Anthropic veut tester si ses outils peuvent soutenir une organisation de recherche de bout en bout, et pas seulement être utilisés ponctuellement par des clients.

Comment Claude intervient dans la recherche

Dire « Claude découvre des médicaments » est trop vague pour refléter ce qui est réellement décrit. Anthropic donne des exemples de tâches assez différentes : proposer des variantes de molécules, analyser des documents, aider à rédiger des dossiers, ou encore évaluer des plans d'essais. Le tout s'insère dans un processus avec des étapes et, à chaque fois, des contrôles et des risques.

Pour la conception moléculaire, Claude peut contribuer à explorer des candidats ou à suggérer des modifications. Ensuite, ces propositions doivent être fabriquées et testées en laboratoire. Une prédiction qui a l'air solide en informatique ne garantit pas les mêmes effets dans un organisme vivant. C'est précisément là que l'expérimentation intervient : elle vérifie (ou casse) les hypothèses, puis d'autres séries de tests évaluent l'efficacité, la sécurité et la reproductibilité.

Sur les opérations, l'intérêt est moins « spectaculaire » dans l'histoire, mais potentiellement très concret. Mithril a utilisé Claude pour organiser des contrats, des expériences et la logistique de 11 laboratoires externes. Chez Enveda, l'outil a été branché sur des dossiers de fabrication pour repérer des problèmes dans des documents. Une autre tâche consistait aussi à produire un premier brouillon d'une partie d'une demande d'essai clinique.

Au fond, ces usages ont un point commun : ils s'attaquent au temps passé à chercher, structurer ou comparer de l'information. Et, en pratique, ce temps peut ralentir un programme autant qu'une question scientifique. Si l'IA automatise une partie de ce travail, elle peut réduire les délais - ou libérer du temps pour l'analyse experte - mais à condition de vérifier ce que produit le système.

Ce que montrent les six partenariats

Les résultats annoncés par six organisations montrent surtout à quel point le développement pharmaceutique comporte des points de blocage différents. Il ne s'agit pas d'une méthode unique : ce sont plutôt des usages distincts de Claude, à des stades de maturité variés.

Chez Generate Biomedicines, des scientifiques ont utilisé Claude Code pour redessiner une partie d'une thérapie anticancéreuse de type CAR-T. Selon Anthropic, l'une des conceptions était environ 70 % plus courte que la version standard. En laboratoire, elle aurait permis aux cellules immunitaires de produire près de dix fois plus de récepteurs et de mieux tuer des cellules tumorales. Là encore, ce sont des résultats de laboratoire, pas une preuve d'efficacité clinique.

Divergence Labs travaille sur un traitement contre les allergies alimentaires. L'entreprise indique que Claude a généré environ 35 000 conceptions d'anticorps en un mois, « en grande partie » de façon autonome. Trois conceptions testées auraient mieux délogé la molécule IgE que le médicament de référence. Mais la portée réelle dépendra des tests supplémentaires et de la capacité à faire passer un candidat expérimental à un traitement sûr et efficace.

BigHat Biosciences a demandé à Claude de proposer des modifications à deux fragments d'anticorps. Le laboratoire a ensuite fabriqué et testé environ 1 010 variantes en une dizaine de semaines. Les meilleures auraient une capacité de liaison plus de dix fois supérieure à celle des fragments de départ, d'après Anthropic. Là aussi, le modèle a aidé à orienter l'exploration : la comparaison s'est faite grâce au travail expérimental.

Les deux autres cas insistent davantage sur des étapes « administratives » ou moins visibles. Enveda a relié Claude à ses données de fabrication et l'a testé sur 1 061 pages. L'entreprise affirme que le système a retrouvé les 11 problèmes identifiés par des évaluateurs humains, et en a ajouté sept autres. Le temps d'examen serait passé d'environ 26 heures à un peu moins de trois, soit une baisse de 89 %. En parallèle, Enveda indique que Claude a préparé en quatre heures une partie d'un dossier d'essai clinique, contre environ trois mois de rédaction manuelle pour un travail comparable.

Enfin, Bristol Myers Squibb utilise Claude pour examiner des plans d'essais concernant un médicament en phase précoce et estimer leurs chances de réussite. Le groupe prévoit d'étendre ces travaux en 2027. The Column Group, investisseur en biotechnologie, met aussi en place une nouvelle société, Pleiades, destinée à utiliser Claude pour piloter des programmes de médicaments.

Ce que les résultats prouvent et ne prouvent pas

L'annonce présente des exemples concrets d'usages de Claude en recherche biomédicale. Elle ne prouve pas encore que l'IA réduit le délai total jusqu'à un médicament approuvé, ni qu'elle augmente, de façon mesurable, les chances de succès en clinique. La plupart des travaux décrits restent précliniques, et les candidats mentionnés n'ont pas encore démontré leur efficacité chez l'humain.

Cette distinction est importante. Un candidat peut montrer un effet dans des cellules ou chez l'animal puis échouer ensuite pour des raisons d'efficacité réelle, de toxicité, de dosage ou de fabrication. Les modèles peuvent élargir l'espace des pistes explorées, mais chaque piste supplémentaire doit être filtrée. Si l'on rend la génération moins coûteuse sans que la validation suive, le goulot d'étranglement ne disparaît pas : il se déplace.

Autre point : la solidité des preuves varie. Le rapport technique de Mithril n'a pas été évalué par des pairs, et plusieurs résultats passent par des canaux d'Anthropic ou de ses partenaires. Cela ne les rend pas forcément faux, mais ça les place au rang de résultats préliminaires. Pour juger leur portée, il faudra les protocoles détaillés, les taux d'échec, les comparateurs, des répétitions indépendantes - puis, idéalement, des résultats d'essais cliniques.

L'IA ne supprime pas non plus les exigences réglementaires. Un dossier bien rédigé n'est pas automatiquement accepté. Et une analyse de plan d'essai ne remplace pas la responsabilité du promoteur ni l'évaluation des autorités compétentes. Dans l'Union européenne, il faut aussi organiser la protection des données et la traçabilité des décisions selon les règles applicables. Le fait d'ajouter un assistant conversationnel ne change pas ça.

Les enjeux économiques et éthiques du pari

Pour Anthropic, entrer dans la découverte de médicaments, c'est à la fois élargir l'offre et prendre un risque industriel. Les partenariats donnent accès à des problèmes concrets et à des équipes spécialisées. L'acquisition de Mithril va plus loin : elle permet à Anthropic de travailler « en propre », tester ses outils sur la durée, et apprendre avec les contraintes d'un secteur très réglementé.

Le bénéfice potentiel, en théorie, est clair : si l'IA réduit un travail coûteux et répétitif sans dégrader la qualité, elle peut aider à recentrer l'effort humain sur l'analyse scientifique. Mais les économies ne sont pas automatiques. Tout dépendra du coût d'intégration, de la vérification humaine, de la qualité des données et de la capacité des laboratoires à tester les propositions générées.

Le risque économique est bien connu : automatiser la génération de candidats plus vite que la capacité à les valider. Les équipes peuvent alors devoir financer davantage d'expériences, interpréter plus de données et renforcer encore le contrôle qualité. Le bon critère ne devrait donc pas être le volume de sorties de Claude, mais le nombre de décisions fiables que l'équipe peut prendre, dans des délais et à des coûts raisonnables.

La gouvernance compte aussi. Les entreprises doivent savoir quelles données sont utilisées, qui peut accéder aux résultats, comment les erreurs sont repérées, et quelles décisions restent sous responsabilité humaine. En biotechnologie, la confidentialité et la traçabilité ont un effet direct : une réponse incorrecte ou une fuite d'information peut compromettre un programme, pas seulement « abîmer » un contenu.

Pour les acteurs français et européens, la question utile n'est pas de copier à l'identique le modèle d'Anthropic. L'enjeu, c'est d'identifier un goulot d'étranglement mesurable, de tester l'IA sur des données encadrées, puis de comparer les résultats à une méthode de référence. Un pilote peut commencer par des tâches plus faciles à évaluer, comme la recherche documentaire ou le contrôle de dossiers. Il faut aussi définir à l'avance le taux d'erreur acceptable, le rôle de l'expert, et les conditions d'arrêt.

Conclusion : un signal stratégique, pas encore un médicament

Le rachat de Mithril marque une évolution de posture : Anthropic ne se limite plus à fournir des outils à des partenaires, et annonce des programmes de découverte en propre. Les exemples de ses six collaborations montrent que Claude peut contribuer à plusieurs tâches, de la conception moléculaire à l'analyse de documents.

À ce stade, la promesse la plus solide ressemble plutôt à un accélérateur de certaines étapes ciblées. Les résultats publiés restent préliminaires, et ils ne permettent pas de conclure que l'IA a déjà raccourci, au total, la trajectoire vers un traitement sûr et efficace. Pour les équipes biotech, le test décisif sera de mesurer la qualité des décisions et la progression réelle vers les essais - pas seulement la vitesse à laquelle des candidats sont générés.