REPORTAGE. Le récent partenariat entre la plateforme de R&D pour les biotechs Benchling et le spécialiste de l’IA générative Anthropic, qui vise à mettre le LLM Claude au service de la découverte accélérée de médicaments, illustre les espoirs que soulève l'IA générative pour accélérer la mise sur le marché de nouveaux traitements. Si tout progrès miraculeux est à exclure, l’IA peut faire gagner aux chercheurs un temps précieux et permettre d'importantes économies.
Si l'on vous demande d'imaginer le quotidien d'un chercheur en biotechnologies, vous penserez probablement à un individu en blouse blanche travaillant dans son laboratoire, et vous n'aurez pas tout à fait tort. Mais ces chercheurs passent aussi un temps considérable devant leur ordinateur, à entrer les données de leur dernière expérimentation pour les consigner dans leur « cahier » de laboratoire.
Un travail long et fastidieux, qui est encore très largement effectué manuellement. « Jusqu'à 25 % du temps des scientifiques est consacré à la saisie et à l'agrégation des données », explique Ashu Singhal, cofondateur de Benchling, une plateforme R&D pour les biotechnologies. Autant de temps que les chercheurs ne peuvent consacrer à leur véritable vocation, à savoir la science.
Automatiser la collecte et le traitement des données issues des expérimentations
Mais l'IA pourrait bientôt changer la donne en simplifiant grandement ce travail de collecte et entrée des données. Benchling a récemment tissé un partenariat avec le spécialiste de l'IA générative Anthropic dans cette optique. Grâce au LLM Claude, Benchling a lancé trois assistants basés sur l'IA. Selon Ashul Singhal, « lorsque nous avons testé plusieurs modèles sur des documents scientifiques complexes, Claude 3.7 Sonnet a su comprendre et extraire des données à partir de formats de fichiers compliqués. Il a effectué des transformations que les autres modèles n'arrivaient tout simplement pas à gérer ».
Un premier « data entry assistant » est capable de transformer les données non structurées issues de la recherche en données structurées, donc facilement exploitables. Ce qui permet de gagner un temps précieux (jusqu'à deux semaines de travail, selon Benchling), mais aussi de limiter les erreurs de transcription qui se produisent lorsqu'on recopie ces données à la main.
D'autant pllus qu'un deuxième assistant, Notebook Check, permet d'automatiser la relecture de la documentation scientifique, en identifiant les erreurs et les données manquantes avant toute relecture humaine. « S'il faut toujours un humain pour faire la vérification finale, l'agent effectue 90 % du travail pour lui, ce qui lui fait gagner un temps précieux », précise Jean-Louis Honeine, Technical Solutions Consultant chez Benchling, à La Tribune.
Newsletter
Tech & IA
Chaque jour à 13h, l’essentiel de l’actualité tech.
