Un article scientifique peut décrire une méthode remarquable et rester presque inutilisable. Entre le PDF, le dépôt de code, les dépendances logicielles, les données et les paramètres dispersés dans les annexes, reproduire un résultat demande parfois davantage de temps que de le lire. Une équipe de Stanford propose de transformer cet obstacle en test : si une machine parvient à reconstruire et à exécuter la méthode, le lecteur devrait pouvoir l’utiliser en posant une question ordinaire.
Publié le 16 septembre 2026 dans Nature, Paper2Agent convertit un article, son code et ses ressources associées en un agent spécialisé. Il ne se contente pas de résumer le texte. Il prépare l’environnement logiciel, extrait des fonctions, les confronte aux exemples d’origine et les rend accessibles à un assistant conversationnel. Sur 100 publications de biologie computationnelle, le système a réussi cette transformation complète pour 74 d’entre elles. Ce résultat est à la fois prometteur et révélateur : plus d’un quart des dépôts résistaient encore à l’automatisation.
Bien plus qu’un chatbot qui a lu le PDF
Interroger un document avec un modèle de langage n’est pas nouveau. Une application peut découper le texte, retrouver les passages pertinents et formuler une réponse. Cette approche aide à comprendre un article, mais elle ne sait pas nécessairement appliquer la méthode décrite à de nouvelles données.
Paper2Agent vise précisément ce passage de la lecture à l’exécution. Le système analyse le manuscrit, les annexes, les jeux de données, les tutoriels et le dépôt de code. Plusieurs agents logiciels se répartissent ensuite le travail : l’un configure l’environnement, un autre repère les fonctions importantes, un troisième exécute des tests et tente de réparer les erreurs. Les outils qui échouent de façon répétée sont exclus.
Le résultat prend la forme d’un serveur MCP, pour Model Context Protocol. Ce standard sert ici d’interface commune entre la publication et un assistant d’IA. Chaque article transformé expose trois éléments :
- des outils exécutables, par exemple une fonction qui calcule l’effet probable d’une variante génétique ;
- des ressources, comme le texte, les tableaux, les figures et les données supplémentaires ;
- des instructions de travail qui décrivent l’ordre des opérations pour reproduire une analyse.
Le lecteur peut alors demander : « Appliquez la méthode de cet article à mon nouveau jeu de données ». L’agent sélectionne les outils validés, exécute la chaîne de calcul et restitue les résultats. Le modèle de langage reste l’interface et le planificateur ; le calcul scientifique provient autant que possible de fonctions traçables jusqu’au code original.
La vérification automatique fait la différence
La partie la plus importante de Paper2Agent n’est peut-être pas la conversation, mais le banc d’essai construit avant elle. Un grand modèle peut écrire un script plausible qui s’exécute tout en produisant un résultat faux. L’équipe cherche à réduire ce risque en comparant les sorties aux fichiers, valeurs numériques et figures de référence fournis par les auteurs.
Lors de l’un des cas d’étude, Paper2Agent a produit en environ 45 minutes 22 outils autour d’AlphaGenome, le modèle de DeepMind qui estime l’effet de variantes de l’ADN. L’opération a coûté 14 dollars sur un ordinateur personnel, selon les chercheurs. Tous les outils générés ont passé leurs contrôles automatiques et incluent un lien vers la portion de code source correspondante.
À plus grande échelle, les 74 articles de biologie computationnelle transformés ont donné 599 outils proposés, dont 593 ont été validés. Sur 300 questions dérivées de tutoriels, l’agent équipé de ces outils a obtenu une précision moyenne de 91,2 %, contre 80,3 % pour le même modèle disposant directement du dépôt et 86,3 % avec une version plus récente du modèle. Le coût moyen annoncé est passé de 0,38 à 0,20 dollar par requête et la durée de 4,3 à 1,6 minute.
Les auteurs ont aussi testé dix articles hors biologie, issus notamment de l’intelligence artificielle, des statistiques, de l’économétrie, de la théorie des jeux et de l’astrophysique. Sur 42 tâches nécessitant réellement d’exécuter du code, Paper2Agent a atteint 98,1 % de précision sur cinq répétitions. Ces chiffres mesurent toutefois la conformité aux réponses attendues dans un cadre préparé par l’équipe ; ils ne démontrent pas que chaque nouvelle analyse scientifique sera juste.
Trois articles coordonnés autour du psoriasis
L’expérience la plus ambitieuse ne repose pas sur un article isolé. Les chercheurs ont connecté trois agents représentant trois publications différentes : l’un autour d’AlphaGenome, un autre consacré à une méthode de perturbation de régions régulatrices dans des lymphocytes T, et un troisième donnant accès à des données de perturbation de gènes dans ces mêmes cellules.
Le premier agent a désigné GPR137 comme le gène probablement affecté par une variante associée au psoriasis. Les deux autres ont ensuite permis de comparer la signature produite par la perturbation de la région régulatrice avec celles observées lorsque plusieurs gènes candidats sont désactivés. La concordance n’est devenue significative pour GPR137 que lorsque les cellules immunitaires étaient stimulées, pas au repos.
Le système a proposé dix stratégies de validation, mais un chercheur humain a choisi celle qui a été exécutée. Cette nuance évite un raccourci spectaculaire : Paper2Agent n’a pas découvert seul un traitement du psoriasis et n’a pas apporté de confirmation clinique. Il a relié des jeux de données existants, proposé une méthode de comparaison absente des articles sources et renforcé une hypothèse de gène causal. Une expérience biologique indépendante reste nécessaire pour établir la causalité.
Ce cas montre néanmoins l’intérêt du format. Aujourd’hui, combiner une méthode génomique avec deux études de perturbation suppose de comprendre trois vocabulaires, trois structures de données et plusieurs environnements logiciels. Des interfaces standardisées peuvent réduire ce coût de coordination sans prétendre remplacer l’expertise qui détermine quelle question mérite d’être posée.
Les 26 échecs sont aussi un résultat scientifique
Sur les 100 articles de biologie computationnelle étudiés, 26 n’ont pas pu devenir des agents exécutables. Les causes principales étaient des logiciels incomplets, des données ou modèles absents, des dépendances impossibles à résoudre et des scripts trop spécifiques à l’expérience d’origine.
Ce taux d’échec n’est pas seulement une faiblesse du système. Il fonctionne comme un audit involontaire de la reproductibilité. Un dépôt peut accompagner officiellement une publication sans permettre à un tiers — humain ou logiciel — de reconstruire l’environnement ni de relancer l’analyse. La facilité avec laquelle un article devient exécutable pourrait donc devenir un indicateur complémentaire de la qualité de sa documentation.
Paper2Agent sait réparer certains défauts. Dans douze dépôts volontairement dégradés, il a retrouvé des dépendances manquantes, corrigé des chemins, des fautes de frappe et des appels d’API devenus obsolètes. Mais une réparation automatique soulève aussi une question de fidélité : corriger un programme pour qu’il fonctionne ne garantit pas que sa nouvelle version exprime exactement l’intention des auteurs. Les tests contre les sorties d’origine réduisent ce risque sans l’annuler.
La portée reste par ailleurs concentrée sur les sciences computationnelles. Un agent peut relancer un notebook, pas reproduire une culture cellulaire, régler un microscope ni détecter un biais dans le recrutement de patients. Lorsque la vérité scientifique dépend du monde physique, le code n’est qu’une partie de la preuve.
Un bon score n’est pas une vérité nouvelle
Les chercheurs eux-mêmes maintiennent les analyses ouvertes sous supervision humaine. Sur une question dont plusieurs réponses sont défendables, l’accord avec une solution de référence mesure surtout la fidélité d’exécution. Il ne tranche ni la valeur de l’hypothèse, ni la pertinence du protocole, ni la solidité d’une interprétation causale.
Le dispositif dépend aussi du modèle qui le pilote. Les expériences principales utilisent Claude Sonnet 4 et le système a été construit avec l’outillage Claude Code, même si les serveurs MCP peuvent ensuite être reliés à d’autres assistants. Une évaluation indépendante avec plusieurs modèles, laboratoires et disciplines serait nécessaire pour vérifier la généralité des résultats.
À cela s’ajoutent des problèmes très concrets. Un outil exécutable doit être maintenu lorsque ses bibliothèques évoluent. Il peut contenir des vulnérabilités ou traiter des données sensibles. Les licences du code et des jeux de données ne permettent pas toujours de les republier sous forme de service. Enfin, l’agent doit conserver l’attribution aux auteurs originaux, même lorsqu’il combine plusieurs travaux pour proposer une analyse nouvelle.
La publication scientifique pourrait gagner une couche exécutable
Paper2Agent ne rend pas le PDF obsolète. L’article demeure nécessaire pour expliquer la question, les choix méthodologiques et les limites. Le code montre comment le calcul a été effectué. L’agent ajoute une troisième couche : une interface capable de faire fonctionner ce code, de documenter ses entrées et de le combiner avec d’autres méthodes.
Les auteurs imaginent qu’une rubrique « disponibilité de l’agent » pourrait un jour accompagner les sections déjà consacrées au code et aux données. L’idée est séduisante à condition de ne pas transformer un service qui répond avec assurance en nouvelle autorité scientifique. Sa valeur dépendra de tests visibles, de versions archivées, de permissions strictes et d’une séparation claire entre résultat reproduit, calcul nouveau et hypothèse encore à vérifier.
Le principal apport de Paper2Agent tient peut-être là : il traite la reproductibilité non comme une promesse au bas d’un article, mais comme une opération à exécuter. Quand la conversion échoue, elle révèle ce qui manque. Quand elle réussit, elle ne prouve pas que l’étude est vraie ; elle permet enfin à d’autres chercheurs de vérifier plus vite ce qu’elle fait réellement.
Références
- Jiacheng Miao et al., « Reimagining research papers as interactive and reliable AI agents », Nature, 16 septembre 2026
- Stanford Medicine, « Manuscripts-turned AI agents can now ‘talk’ to each other, make new discoveries », 16 septembre 2026
- Nature News, « AI tool turns any paper into an ‘agent’ that can collaborate and answer complex queries », 16 septembre 2026
- Dépôt open source de Paper2Agent et documentation technique
