Anthropic ne veut plus seulement vendre un assistant aux chercheurs en pharmacie. L’entreprise qui développe Claude a confirmé, le 30 juin 2026, le lancement d’un programme interne de découverte de médicaments. L’initiative doit lui permettre de travailler directement sur de vrais problèmes scientifiques, avec un intérêt annoncé pour des maladies négligées que l’industrie biopharmaceutique juge souvent peu attractives commercialement.
L’information mérite toutefois d’être formulée avec précision. Anthropic n’a présenté ni molécule, ni cible thérapeutique, ni calendrier d’essais. L’entreprise n’a pas non plus indiqué si elle entendait conduire elle-même des candidats jusqu’à leur autorisation et leur commercialisation. Elle entre pour l’instant dans la première partie de la chaîne : identifier des pistes, sélectionner des cibles, explorer des composés et confronter ses outils à la réalité de la recherche.
Ce choix accompagne le lancement de Claude Science, un environnement agentique capable de relier plus de 60 bases, logiciels et modèles scientifiques. L’enjeu dépasse donc la recherche d’un traitement. En devenant utilisatrice de sa propre plateforme, Anthropic veut raccourcir la boucle entre les promesses de son produit, les erreurs observées au laboratoire et les améliorations à apporter à Claude.
Un programme de recherche autant qu’un test grandeur nature
Eric Kauderer-Abrams, responsable des sciences de la vie chez Anthropic, a expliqué lors de la présentation de Claude Science que l’entreprise cherchait ce qu’elle pouvait accomplir au-delà de l’entraînement de modèles et de la conception de logiciels. D’après les informations rapportées par STAT, la réponse consiste à acquérir une expérience directe du développement de médicaments.
Cette motivation est stratégique. Une entreprise qui fournit un outil aux scientifiques peut mesurer sa qualité avec des benchmarks, des démonstrations et les retours de ses clients. Mais ces indicateurs ne révèlent pas toujours ce qui bloque réellement une équipe : une base mal documentée, un format incompatible, une hypothèse biologique fragile, un calcul impossible à reproduire ou un résultat qui paraît convaincant sans résister à l’expérience.
En conduisant ses propres projets avec des partenaires du secteur, Anthropic pourra observer toute la chaîne d’échec. Cette boucle de retour courte peut l’aider à améliorer Claude Science, mais elle transforme aussi son rôle. L’entreprise ne sera plus uniquement le fournisseur de l’instrument ; elle participera à la production des hypothèses et, potentiellement, à la sélection des candidats issus de cet instrument.
Il ne s’agit pas encore d’une intégration pharmaceutique complète. Rien n’indique qu’Anthropic bâtisse un réseau d’essais cliniques, une usine de production ou une organisation réglementaire comparable à celle d’un grand laboratoire. Le programme ressemble davantage à une équipe de découverte computationnelle travaillant avec des biologistes, des chimistes et des partenaires capables de réaliser les expériences nécessaires.
Ce que Claude Science apporte à la découverte de médicaments
Claude Science n’est pas un nouveau modèle moléculaire spécialisé. C’est un atelier qui coordonne Claude, des ressources scientifiques, du code et de la puissance de calcul dans une même session.
Le système peut interroger des bases comme PubMed, UniProt, Protein Data Bank, Ensembl, ClinVar ou ChEMBL. Il peut manipuler des structures chimiques, analyser des données génomiques, préparer un calcul sur un cluster et produire des figures accompagnées du code et de l’historique ayant permis de les générer. Anthropic annonce également une intégration avec le BioNeMo Agent Toolkit de Nvidia et des modèles spécialisés tels qu’Evo 2, Boltz-2 ou OpenFold3.
Dans un projet de découverte de médicament, cet assemblage peut intervenir à plusieurs étapes :
- synthétiser la littérature sur une maladie et repérer des relations encore mal documentées ;
- proposer et comparer des cibles biologiques ;
- rechercher des composés connus ou générer des pistes ;
- estimer certaines propriétés de liaison, de toxicité ou de distribution ;
- automatiser des analyses de génomique, de protéomique ou de chimio-informatique ;
- conserver une trace vérifiable des données, du code, des paramètres et des décisions.
La valeur potentielle réside moins dans une réponse isolée que dans l’enchaînement. Une grande partie du temps scientifique est absorbée par la conversion de données, le raccordement entre logiciels, la préparation d’environnements de calcul et la vérification des références. Un agent capable de gérer correctement ces transitions peut accélérer le travail sans avoir inventé une nouvelle loi de la biologie.
Anthropic cite déjà des usages en sélection de cibles thérapeutiques, en conception de criblages CRISPR et en prédiction de structures protéiques. Ces exemples montrent que Claude Science peut organiser et exécuter une partie de la recherche computationnelle. Ils ne démontrent pas encore qu’il peut produire un médicament sûr et efficace.
Découvrir une molécule n’est pas développer un médicament
Le vocabulaire est déterminant. La découverte vise à comprendre une maladie, choisir une cible et trouver un candidat susceptible de modifier le mécanisme recherché. Le développement commence lorsque cette piste doit survivre à des tests beaucoup plus exigeants.
La FDA décrit une chaîne en cinq grandes étapes : découverte, recherche préclinique, essais cliniques, examen réglementaire puis surveillance après commercialisation. Avant d’atteindre l’humain, un candidat doit notamment être étudié pour sa toxicité, son absorption, sa distribution dans l’organisme, son métabolisme, son élimination et ses interactions avec d’autres traitements.
Les essais cliniques ajoutent ensuite une difficulté que les calculs ne peuvent pas simuler entièrement. Une phase 1 examine surtout la sécurité et le dosage. Une phase 2 cherche des premiers signaux d’efficacité et affine les effets indésirables. Une phase 3 doit démontrer un bénéfice dans une population plus large. Selon les données pédagogiques de la FDA, environ 70 % des candidats passant en phase 1 atteignent la phase 2, puis seulement environ un tiers franchit l’étape suivante.
Autrement dit, même une IA parfaite pour classer des molécules ne supprime pas le risque biologique. Un composé peut se lier à la bonne protéine dans un modèle informatique et échouer dans une cellule, un organisme ou une population de patients. Il peut aussi atteindre sa cible tout en provoquant une toxicité ailleurs.
Lors de l’événement d’Anthropic, Vas Narasimhan, directeur général de Novartis, a résumé cette limite en distinguant plusieurs formes de latence. L’IA peut réduire le temps nécessaire pour trouver l’information et organiser les opérations. En revanche, la « latence biologique » demeure : il faut attendre la réponse d’une cellule, d’un modèle expérimental ou d’un patient. Selon lui, ces expériences représentent encore une grande partie du calendrier.
Les maladies négligées constituent un test utile, mais exigeant
Anthropic dit vouloir s’intéresser à des maladies délaissées par l’économie traditionnelle du médicament. Cet angle peut donner au programme une utilité sociale réelle, à condition qu’il soit suivi de moyens et de partenariats durables.
L’Organisation mondiale de la santé décrit les maladies tropicales négligées comme un ensemble d’affections d’origine parasitaire, bactérienne, virale, fongique ou non infectieuse qui entretiennent la pauvreté et les inégalités. Elles touchent souvent des populations dont le pouvoir d’achat ne permet pas de garantir un retour financier comparable à celui des marchés les plus rentables.
Le problème n’est donc pas seulement scientifique. Une piste prometteuse doit encore trouver un financeur, un fabricant, des sites d’essais, une voie réglementaire et un modèle de distribution abordable. L’OMS souligne par exemple que les formulations adaptées aux enfants accusent un retard important, en partie faute d’incitations commerciales et de données pharmacocinétiques.
L’IA peut réduire une partie du coût des premières étapes et explorer des hypothèses que les laboratoires n’auraient pas priorisées. Elle ne résout pas automatiquement ce défaut de marché. Si Anthropic découvre une cible intéressante, il faudra savoir qui financera les études précliniques et cliniques, à quelles conditions la propriété intellectuelle sera concédée et comment un éventuel traitement atteindra les populations concernées.
Le choix des maladies négligées sera donc jugé sur des engagements concrets : partenaires locaux, partage des données, prix d’accès, licences et transfert de compétences. Sans ces éléments, le programme risquerait de servir surtout de terrain d’entraînement prestigieux pour Claude Science.
L’expérience interne peut améliorer le produit — ou biaiser son évaluation
La démarche d’Anthropic présente un avantage évident : les équipes qui construisent Claude recevront un retour direct sur ses erreurs. Si l’agent confond deux mesures biologiques, cite une étude hors contexte ou choisit un outil inadapté, le problème pourra être transformé en test et corrigé dans le produit.
Mais le même rapprochement crée un risque de circularité. Anthropic développe le modèle, l’environnement de travail, certains agents de contrôle et le programme qui utilisera ces outils. Une réussite proclamée en interne ne vaudra pas validation indépendante.
La littérature scientifique récente insiste précisément sur ce point. Une revue publiée en 2025 décrit l’IA comme une technologie complémentaire aux méthodes classiques, pas comme leur remplacement. Une autre analyse, parue en 2026, estime que le principal goulot d’étranglement se déplace vers la validation : les modèles génèrent plus vite des candidats, mais les preuves expérimentales et cliniques doivent suivre au même niveau d’exigence.
Plusieurs pièges sont connus. Une affinité de liaison prédite ne garantit pas une activité biologique utile. Des données issues de protocoles différents peuvent être difficiles à comparer. Un modèle entraîné sur les succès du passé peut reproduire les priorités et les biais de l’industrie, au lieu d’explorer réellement des mécanismes négligés.
Pour être crédible, le programme devra donc publier non seulement ses meilleures pistes, mais aussi ses taux d’échec, ses protocoles, ses comparaisons avec des méthodes de référence et les validations menées par des équipes extérieures.
Anthropic devient à la fois fournisseur et futur concurrent
Claude Science est aussi un produit commercial destiné aux laboratoires pharmaceutiques et aux biotechs. En lançant sa propre activité de découverte, Anthropic entre potentiellement sur le terrain de ses clients.
Cette double position soulève plusieurs questions. Les données et les workflows d’un partenaire pourront-ils contribuer à améliorer les outils utilisés par le programme interne ? Comment seront séparés les projets commerciaux des recherches propres à Anthropic ? Qui possédera une cible ou une molécule identifiée par un agent mobilisant à la fois des bases publiques, des modèles tiers et des données privées ?
Ces sujets ne sont pas nouveaux dans le cloud ou les plateformes numériques, mais ils deviennent plus sensibles en pharmacie, où un résultat précoce peut avoir une valeur considérable. Les contrats devront préciser l’usage des données, l’isolation des environnements, la propriété des artefacts et les droits sur les inventions.
La transparence technique annoncée pour Claude Science — code, historique, environnement et provenance des résultats — peut aider. Elle ne remplace pas une gouvernance claire entre le fournisseur du modèle, le laboratoire qui apporte les données et les chercheurs qui conçoivent ou valident l’expérience.
Les preuves à attendre avant de parler de révolution pharmaceutique
Le lancement du programme est important parce qu’il oblige Anthropic à confronter son discours à la biologie. Il est trop tôt pour y voir la preuve qu’un développeur de grands modèles peut devenir rapidement un laboratoire pharmaceutique.
Les prochains jalons permettront de mesurer l’avancement réel :
- l’identification publique d’une maladie, d’une cible ou d’un mécanisme étudié ;
- la publication d’un protocole et de résultats reproductibles ;
- une validation expérimentale indépendante ;
- la sélection d’un candidat préclinique présentant un profil de sécurité plausible ;
- le dépôt d’une demande permettant un premier essai chez l’humain ;
- un accord clair sur la propriété intellectuelle et l’accès au traitement.
Claude peut accélérer la recherche bibliographique, le calcul, la comparaison de données et la coordination d’outils. Ces gains sont loin d’être secondaires. Ils peuvent permettre à une petite équipe de tester davantage d’hypothèses et d’abandonner plus tôt les mauvaises pistes.
La véritable rupture ne sera pourtant pas une molécule dessinée en quelques minutes sur un écran. Elle apparaîtra si une hypothèse produite avec Claude résiste aux expériences, franchit la sécurité préclinique, améliore réellement la santé de patients et reste accessible à ceux dont la maladie attire aujourd’hui trop peu d’investissements. C’est à cette chaîne complète, et non à la seule vitesse de génération, que le programme d’Anthropic devra être évalué.
Références
- Anthropic, « Claude Science, an AI workbench for scientists », 30 juin 2026
- STAT, « AI company Anthropic announces it will begin developing drugs of its own », 30 juin 2026
- Pharmaceutical Technology, « Anthropic debuts AI-driven pharma R&D tool, Claude Science », 1er juillet 2026
- FDA, présentation du processus de développement d’un médicament
- Organisation mondiale de la santé, données sur les maladies tropicales négligées
- Niazi, « A Risk-Tiered Validation Framework for Artificial Intelligence in Drug Discovery », mai 2026
- Yin, Fu et Wang, « Gaps between medical biology and AI drug discovery », octobre 2025
