AutoDNA : des agents IA ont mené une expérience ADN de 11 382 étapes pendant que les humains remplissaient les réactifs

Cette semaine, dans deux laboratoires différents, l'intelligence artificielle a cessé de suggérer des expériences pour commencer à les réaliser. Le 4 novembre, Nature a publié un article de l'Université Jiao Tong de Shanghai décrivant AutoDNA, un laboratoire où des agents IA planifient et exécutent des expériences de biologie moléculaire sur plus de vingt instruments, les humains n'intervenant guère que pour remplir les réactifs et entretenir le matériel. Le même jour, Anthropic a annoncé que son modèle Claude avait aidé à résoudre la première structure tridimensionnelle d'une particule vault, une coque creuse de protéines dont la fonction reste inconnue depuis sa découverte en 1986. Les deux annonces diffèrent en presque tout — l'une est un article évalué par les pairs, l'autre un billet de blog d'entreprise sur un preprint — mais elles pointent le même changement : la partie la plus lente de la science est en train de passer de l'idée de l'expérience à son exécution.

Les chiffres d'AutoDNA obligent à relire. Le système orchestre de façon autonome plus de 20 types d'instruments sur plus de 11 000 étapes, couvrant les opérations de base du travail sur l'ADN : le fabriquer, le copier en ARN, l'amplifier et lire sa séquence. L'équipe l'a testé sur quatre tâches. Il a produit un ADN de qualité égale à celui des experts humains. Il a exécuté plusieurs protocoles en parallèle, 3,2 fois plus vite que l'un après l'autre. Il a stocké des données numériques dans l'ADN et les a relues sans erreur — 78 brins codant la phrase « Intelligence is the ability to adapt to change » (l'intelligence est la capacité de s'adapter au changement). Et il a trouvé et confirmé une mutation liée au cancer, KRAS G13D, dans l'échantillon d'un patient. La plus longue exécution, selon l'équipe, a duré environ 203,5 heures — à peu près huit jours et demi — pour 11 382 étapes matérielles. Pendant tout ce temps, selon les propres mots de l'équipe, les humains étaient « principalement limités à l'élimination régulière des déchets expérimentaux et au réapprovisionnement en réactifs », n'agissant que lorsque le système le demandait.

L'histoire de la vault d'Anthropic est à plus petite échelle et au contenu encore plus étrange. Les vaults sont des coques creuses de protéines présentes dans presque toutes les cellules du corps humain, environ trois fois la masse d'un ribosome, et personne ne sait à quoi elles servent. Sous la direction de l'équipe, Claude a cherché dans une base d'environ 15 milliards de protéines prédites, conçu l'ADN des candidats, proposé une méthode plus rapide pour isoler les particules et exécuté le logiciel qui transforme les images de microscope en modèle 3D. Le résultat est la première structure d'une vault construite à partir d'une protéine de bactériophage : 96 copies d'une seule protéine appelée L05, renfermant environ 25 % d'espace en plus que la version humaine à 78 copies. Une purification qui prend normalement trois jours a pris environ 90 minutes ; un premier modèle structurel était prêt 34 heures plus tard, là où l'équipe estime qu'il aurait normalement fallu des semaines. L'ensemble du projet a duré moins de quatre mois.

Ce qui me frappe, c'est l'honnêteté des deux équipes sur ce qui échoue encore. AutoDNA a enregistré 14 erreurs matérielles au cours de ses expériences ; le système en a réparé huit tout seul et six ont nécessité une personne. L'équipe avertit que le caractère aléatoire inhérent aux grands modèles de langage peut faire que le même plan donne des résultats différents d'une exécution à l'autre, et que le système ne peut pas encore mener d'expériences sur des animaux vivants. Les erreurs de Claude ont aussi coûté du temps bien réel : un protocole qu'il avait rédigé exigeait un milieu de culture contenant un additif qui bloquait une partie du travail et a fait perdre environ deux semaines à l'équipe, et au début de l'analyse des images de microscopie, il a sauté une étape standard et produit une carte défectueuse mélangée à son image miroir, jusqu'à ce que l'équipe lui dise d'arrêter d'improviser : « Please let's do normal things unless they don't work » (« Faisons les choses normalement, sauf si ça ne marche pas »).

James Zou, data scientist à Stanford qui a signé le commentaire publié par Nature en accompagnement de l'article sur AutoDNA, a exposé l'enjeu sans détour : un système d'IA pourrait concevoir une molécule biologiquement active prometteuse en quelques minutes, mais la tester peut prendre des semaines ou des mois, et le travail de Shanghai « peut commencer à combler l'écart entre proposer une expérience et la réaliser ». Milad Abolhasani, ingénieur chimiste à l'Université d'État de Caroline du Nord, a qualifié AutoDNA de remarquable par son degré d'autonomie et déclaré que l'avenir de la science « va impliquer beaucoup de laboratoires autonomes ». Tous deux ont raison, et tous deux sous-estiment la question qui compte désormais le plus. Une démonstration n'est pas une discipline. AutoDNA est apparu pour la première fois en preprint en juillet 2025 ; il a fallu environ un an d'évaluation pour arriver dans Nature. Le test de cette semaine n'est pas de savoir si un laboratoire peut exécuter 11 382 étapes, mais si un deuxième laboratoire, sans les auteurs d'origine dans la pièce, peut répéter le tour et si les résultats tiennent quand il le fait. C'est la ligne entre un article spectaculaire et une nouvelle façon de faire de la science, et l'année qui vient montrera de quel côté nous nous trouvons.