NVIDIA lance un kit d'outils BioNeMo Agent pour accélérer l'IA des chercheurs en sciences de la vie sur Claude Science

NVIDIA BioNeMo accélère Claude Science d'Anthropic

Anthropic vient de lancer la bêta publique de Claude Science, un espace de travail conçu spécifiquement pour la recherche scientifique computationnelle, et l'a directement intégré au NVIDIA BioNeMo Agent Toolkit. Concrètement, la plateforme permet aux chercheurs de dialoguer en langage naturel avec des agents numériques pour piloter des workflows de recherche de bout en bout, sans avoir à configurer manuellement des modèles prédictifs ou à gérer des environnements logiciels complexes. L'intégration donne accès depuis Claude à des modèles accélérés par NVIDIA, à des bibliothèques de calcul et à des microservices NIM, le tout appuyé sur ce que NVIDIA présente comme la pile de calcul accélérée par GPU la plus complète du marché, combinant matériel, frameworks logiciels, modèles scientifiques et outils spécialisés par domaine. Signe de la maturité de cette infrastructure côté pharma, 18 des 20 plus grands laboratoires pharmaceutiques mondiaux utilisent déjà BioNeMo en production. Cette intégration change concrètement la façon dont un scientifique aborde une tâche technique : il décrit en langage courant un objectif de recherche, comme l'analyse d'une séquence génomique, la prédiction d'une structure protéique précise ou la conception d'un liant moléculaire potentiel, et Claude Science se charge d'orchestrer l'exécution via des agents spécialisés préconfigurés pour la génomique, la protéomique, l'analyse de cellule unique, la chimie informatique ou la recherche clinique. Ces agents savent quel outil NVIDIA appeler pour chaque étape, comment formater les données d'entrée requises, et renvoient un résultat exploitable pour révision humaine. L'intérêt pour l'industrie est de réduire le temps entre une idée de recherche et son test concret, en laissant le chercheur se concentrer sur le raisonnement scientifique plutôt que sur la mise en place technique. Un exemple d'application mis en avant par Anthropic et NVIDIA illustre ce gain : à partir d'une mutation antigénique connue impliquée dans un cancer, un scientifique peut demander à Claude de concevoir de nombreux inhibiteurs candidats ciblant cette mutation, Claude Science coordonnant alors le BioNeMo Agent Toolkit et les microservices NIM pour accélérer toute la chaîne de prédiction, d'optimisation et de validation à haut débit. Cette annonce s'inscrit dans une course plus large des grands acteurs de l'IA à s'implanter dans la recherche en sciences de la vie, un secteur où le calcul accéléré par GPU est devenu incontournable pour traiter génomique, protéomique et données de cellule unique. Le toolkit donne accès à des modèles ouverts avancés comme Evo 2, Boltz-2 et OpenFold3, chacun spécialisé pour une étape distincte d'un workflow biomoléculaire, ce qui permet à l'agent autonome de disposer du bon modèle scientifique au bon moment plutôt que de s'appuyer sur un outil généraliste. Pour NVIDIA, cette intégration renforce la position de BioNeMo comme brique d'infrastructure de référence pour l'IA appliquée aux sciences de la vie, déjà largement adoptée par l'industrie pharmaceutique. Pour Anthropic, elle marque une diversification de Claude au-delà des usages génériques d'assistant, vers des environnements de travail spécialisés et verticaux où la fiabilité du raisonnement et la capacité à orchestrer des outils externes deviennent un argument de différenciation face à ses concurrents.

💬 18 des 20 plus gros labos pharma tournent déjà sur BioNeMo, donc cette intégration Claude Science n'est pas un gadget de démo, c'est un plug direct sur une infra déjà en prod. Décrire un objectif en langage courant et laisser des agents orchestrer génomique, protéomique et chimie computationnelle, ça change vraiment le temps entre une idée de recherche et son test réel. Reste que la partie qui compte, la validation en labo humide, personne ne l'a automatisée : Claude accélère le tri des candidats, pas la découverte elle-même.

Anthropic lance Claude Science, un espace de travail IA conçu spécifiquement pour les chercheurs

Anthropic a lancé Claude Science, un espace de travail conçu spécifiquement pour les chercheurs scientifiques. L'outil embarque plus de 60 compétences préconfigurées couvrant des domaines comme la génomique et la chimie computationnelle, permettant aux scientifiques d'automatiser des tâches complexes propres à leur discipline. Un agent de vérification intégré contrôle automatiquement les citations et les calculs produits, une fonction pensée pour limiter les erreurs dans un contexte où la rigueur est essentielle. L'application peut fonctionner en local ou sur des clusters de calcul haute performance (HPC), ce qui signifie que les données sensibles n'ont jamais besoin de quitter l'infrastructure propre d'un laboratoire. Cette approche répond directement aux préoccupations des institutions de recherche concernant la confidentialité des données, un frein majeur à l'adoption de l'IA dans les laboratoires manipulant des informations sensibles, qu'il s'agisse de séquences génomiques ou de données précliniques. En automatisant la vérification des citations et des calculs, Claude Science s'attaque aussi à un problème récurrent des outils d'IA généralistes en contexte scientifique: le risque d'erreurs factuelles ou de résultats non fiables qui peuvent compromettre des travaux de recherche entiers. Pour les laboratoires publics et privés, cela pourrait accélérer des processus de recherche jusqu'ici ralentis par des contraintes de conformité et de sécurité des données. Ce lancement s'inscrit dans une compétition plus large entre les géants de l'IA pour s'implanter dans le secteur scientifique, un marché où les besoins spécifiques en matière de précision, de traçabilité et de confidentialité diffèrent nettement des usages grand public. Anthropic mise sur la spécialisation par domaine, plutôt que sur un assistant généraliste, pour convaincre des institutions de recherche exigeantes. Reste à voir comment les laboratoires universitaires et industriels, souvent contraints par des budgets et des infrastructures HPC limités, adopteront concrètement cet outil, et si d'autres acteurs du secteur suivront cette voie de la spécialisation verticale.

NVIDIA lance BioNeMo Agent Toolkit : des modèles biomoléculaires accessibles aux agents IA pour la découverte de médicaments

NVIDIA a publié une documentation détaillée de son BioNeMo Agent Toolkit, un dépôt open source qui transforme ses modèles biomoléculaires en compétences appelables par des agents d'intelligence artificielle. L'outil couvre un large spectre de tâches scientifiques : repliement de protéines, ancrage moléculaire, chimie générative, analyse génomique, conception de protéines et découverte de biomarqueurs. Chaque compétence se présente comme un répertoire contenant un fichier SKILL.md avec des métadonnées au format YAML, documentant l'objectif du modèle, les entrées requises, les paramètres optionnels, les artefacts attendus et les modes d'échec. Les modèles disponibles incluent OpenFold3, Boltz-2, DiffDock, GenMol, ProteinMPNN, RFdiffusion et Evo 2. L'architecture repose sur deux couches : les NVIDIA NIM (NVIDIA Inference Microservices), qui exposent les modèles comme des services appelables, et une couche d'interfaces adaptées aux agents. Des bibliothèques spécialisées comme cuEquivariance pour les modèles de structure et Parabricks pour la génomique accélèrent les calculs en arrière-plan. L'installation s'effectue via une commande npx skills add, avec la possibilité de cibler un agent précis, comme Claude Code. Les résultats mesurés par NVIDIA sont frappants. En testant un agent Codex CLI propulsé par GPT-5.5 sur des tâches biomoléculaires, le taux de complétion est passé de 57,1 % sans compétences à 100 % avec elles, et les agents ont généré en moyenne deux fois plus d'assertions correctes par tranche de 1 000 tokens. Ce gain illustre un problème fondamental de l'IA appliquée à la recherche scientifique : un agent généraliste orienté vers la biologie manque d'ancrage dans les outils spécialisés nécessaires à la découverte. Sans interface claire entre le raisonnement linguistique et les modèles de simulation moléculaire, l'agent échoue ou hallucine. Le toolkit comble exactement ce fossé, en faisant de chaque modèle biomolécule un outil documenté, vérifiable et réutilisable dans une boucle agentique. Le lancement de ce toolkit s'inscrit dans une tendance plus large : l'émergence des agents scientifiques autonomes, capables de lire des articles, formuler des hypothèses, appeler des APIs et interpréter des résultats expérimentaux. NVIDIA positionne BioNeMo comme l'infrastructure de référence pour ce paradigme dans la découverte médicamenteuse, un secteur où les cycles d'itération sont longs et les erreurs coûteuses. Le dépôt propose déjà des workflows multi-étapes comme generativeproteinbinder_design, qui chaîne automatiquement RFdiffusion, ProteinMPNN et OpenFold3. Deux modes de déploiement sont disponibles : les endpoints NIM hébergés sur build.nvidia.com pour un accès rapide sans infrastructure, ou un déploiement local pour les cas nécessitant une faible latence, une itération intensive ou des contraintes de confidentialité des données. NVIDIA entre ainsi en compétition directe avec des initiatives similaires chez Recursion Pharmaceuticals, Insilico Medicine et les grands laboratoires pharmaceutiques qui expérimentent l'automatisation de la recherche préclinique par l'IA.

Anthropic lance Claude Science en bêta, un atelier IA multi-agents pour génomique, protéomique et chimio-informatique

Cette semaine, Anthropic a lancé Claude Science, un espace de travail en version bêta destiné aux chercheurs scientifiques. L'application s'appuie sur les modèles Claude existants, sans nouveau modèle sous-jacent, et vise les scientifiques qui jonglent habituellement entre bases de données, notebooks et terminaux de calcul. Elle est disponible pour les abonnements Pro, Max, Team et Entreprise. Claude Science prolonge les travaux menés par Anthropic dans le secteur des sciences de la vie depuis l'automne dernier, lorsque l'entreprise avait connecté Claude à l'écosystème scientifique via des connecteurs MCP et des compétences spécialisées. L'outil repose sur une architecture multi-agents: un agent généraliste coordinateur reçoit les demandes en langage naturel et peut faire appel à plus de 60 compétences et connecteurs préconfigurés couvrant la génomique, l'analyse de cellules uniques, la protéomique, la biologie structurale et la chimie informatique. Un agent réviseur distinct inspecte chaque étape du pipeline, repère les citations incorrectes, les chiffres invérifiables et les figures qui ne correspondent pas au code sous-jacent, avant de s'autocorriger. L'application fonctionne en local sur macOS ou Linux, ou à distance via SSH sur un poste de calcul haute performance. Cette approche change concrètement la manière dont les résultats scientifiques peuvent être produits et vérifiés. Chaque figure générée par Claude Science s'accompagne du code exact utilisé, de son environnement d'exécution, d'une description en langage clair et de l'historique complet des échanges, ce qui facilite la validation et la reproduction des travaux des mois plus tard, un enjeu central en recherche où la reproductibilité reste un problème persistant. Les chercheurs peuvent modifier une figure en langage naturel, par exemple demander de passer un axe en échelle logarithmique, et l'agent ajuste alors son propre code. Il est aussi possible de dupliquer une session pour comparer deux approches sans perdre la version initiale. Pour les analyses lourdes, comme le repliement de protéines, l'outil rédige un plan, demande une validation avant de mobiliser des ressources de calcul, puis soumet la tâche à l'infrastructure du laboratoire, qu'il s'agisse d'un cluster HPC ou d'un compte Modal, avec une capacité d'extension d'un seul GPU à plusieurs centaines. Le savoir scientifique reste dispersé entre des centaines de sources spécialisées comme UniProt, PDB, Ensembl, Reactome, ClinVar ou ChEMBL, que les agents spécialisés interrogent et synthétisent directement. Claude Science intègre aussi des compétences issues du BioNeMo Agent Toolkit de NVIDIA, qui donne accès à des modèles accélérés par GPU comme Evo 2 pour la génomique, Boltz-2 pour la prédiction d'interactions biomoléculaires et OpenFold3 pour la structure des protéines. Les données sensibles ou volumineuses ne quittent jamais l'infrastructure du laboratoire, seul le contexte nécessaire à chaque étape étant transmis à Claude. Les premiers utilisateurs de la bêta ont déjà mené des analyses de séquençage ARN sur cellule unique, conçu des cribles CRISPR et réalisé des prédictions de structures protéiques et de composés chimiques.

💬 L'agent réviseur qui traque les figures qui ne collent pas au code, c'est le vrai apport ici, pas le multi-agents en soi. Bon, sur le papier ça règle un problème énorme en recherche : la moitié des résultats publiés ne sont pas reproductibles parce que personne ne garde le code exact derrière une figure. Reste à voir si les labos font vraiment confiance à un agent pour surveiller leurs propres analyses avant publication.