Claude Science

Anthropic sort un outil pour les labos. Et sans le crier trop fort, la boîte vient de valider un truc que je répète depuis des mois : sur le vrai travail, ce n'est plus le modèle qui fait la différence.

Pas de nouveau modèle

Le 30 juin, Anthropic a lancé Claude Science lors d'un événement à San Francisco (baptisé "The Briefing: AI for Science").

Tout le monde a retenu "Anthropic entre dans la pharma". Moi j'ai retenu autre chose.

Parce que la première chose qu'Anthropic martèle, c'est que Claude Science n'est pas un nouveau modèle. Pas un modèle spécialisé pour la biologie. Pas d'accès réservé, pas de gating.

Ça tourne sur les modèles Claude déjà dispos, Opus 4.8 compris. La même intelligence que n'importe qui peut déjà louer à la minute.

Donc le produit, ce n'est pas le cerveau. C'est tout ce qu'il y a autour.

Alors c'est quoi, concrètement ?

Claude Science, c'est un harness. Un workbench qui pose Claude au beau milieu de la stack réelle d'un chercheur, au lieu de le laisser croupir dans une fenêtre de chat.

Un chercheur passe sa journée à jongler entre des dizaines de bases, des formats de fichiers exotiques, PubMed, Jupyter, R, un terminal de cluster. Claude Science met tout ça dans un seul environnement.

Ce que la boîte annonce dans le paquet :

• Un agent coordinateur qui pilote le projet et lance des sous-agents spécialisés (ou route vers des agents custom que le chercheur a créés lui-même).
• Plus de 60 skills et connecteurs préconfigurés (génomique, single-cell, protéomique, biologie structurale, chémoinformatique).
• Un accès natif à des bases de référence (UniProt, PDB, Ensembl, ChEMBL, GEO...) et au BioNeMo Agent Toolkit de NVIDIA (Evo 2, Boltz-2, OpenFold3).
• Un agent reviewer qui vérifie citations et calculs, et corrige avant que ça parte en manuscrit.
• Un rendu natif des structures 3D de protéines, des tracks génomiques et des structures chimiques, à côté du code qui les a produites.
• Une exécution locale (macOS, Linux) ou distante (SSH, nœud HPC), pour que les données sensibles ne quittent pas l'infra du labo.
• Un dispatch des gros jobs vers le HPC du labo ou vers Modal, d'un GPU à des centaines.

Et le point qui compte le plus pour moi : chaque sortie embarque un historique auditable. Le code, l'environnement, la méthodo en clair, l'historique complet des messages. Reproductible, traçable.

Pourquoi le harness vaut plus que le modèle

Voilà où je veux en venir.

Je bosse au quotidien avec des modèles locaux, llama.cpp, vLLM, Opencode. Et une chose est devenue évidente : l'intelligence brute est en train de devenir une commodité.

Le modèle, tu le loues. Tout le monde loue le même. Ce qui te différencie, c'est la tuyauterie : les connecteurs, l'accès aux données, la mémoire de ce qui a été fait, la vérification des sorties, la reproductibilité.

Et c'est exactement ce qu'Anthropic vend ici. Pas un cerveau plus gros. Un cerveau mieux câblé.

Un biologiste computationnel avec Claude Code et un compte GitHub pourrait recâbler une bonne partie de tout ça lui-même. En quelques semaines de bricolage.

Le pari d'Anthropic, c'est que faire ce câblage une fois, proprement, bat mille labos qui le refont chacun dans leur coin.

Car la valeur n'est plus dans le modèle. Elle est dans la curation.

Les chiffres de gain de temps, je les prends avec des pincettes

Anthropic met en avant deux témoignages pour vendre la promesse.

Jérôme Lecoq (Allen Institute) aurait monté un pipeline de revue de littérature multi-agents : des revues qui prenaient jusqu'à 2 ans sortiraient maintenant en documents de 100 pages, citations vérifiées par un agent.

Stephen Francis (UCSF Brain Tumor Center) aurait bouclé une analyse germinale sur des gliomes en environ 1/10e du temps habituel, avec des résultats validés indépendamment.

Ces chiffres sont impressionnants. Mais il faut être clair sur leur nature.

Ce sont des témoignages de labos partenaires du lancement. Pas des benchmarks indépendants. Pas de méthodo publiée, pas de reproduction par un tiers neutre.

Et le fameux agent reviewer qui vérifie les citations ? C'est le même modèle qui check son propre travail. Pas une source de vérité externe.

Donc je note l'ambition, je note les retours. Mais ce n'est pas encore une révolution tant que ça n'a pas tourné dans des mains qui ne sont pas celles des partenaires du lancement.

Et le labo de drug discovery d'Anthropic, là-dedans ?

En parallèle, Anthropic annonce lancer son propre programme de découverte de médicaments. Cible affichée : les maladies "négligées", celles que la pharma classique ne juge pas assez rentables.

La démo de lancement donnait le ton. À partir d'une seule phrase, Claude aurait planifié et lancé une recherche de molécule pour stabiliser l'enzyme cassée derrière la phénylcétonurie, screené 2 200 composés sur 80 GPU, retenu 4 candidats et sorti une note go/no-go. Puis rejoué le tri sur 100 maladies rares d'un coup (avec un présentateur qui demandait pourquoi s'arrêter à 100 quand la même machinerie pourrait en faire 10 000).

Le pitch officiel, c'est le bénéfice patient. Anthropic étant une public benefit company, la boîte dit pouvoir choisir ses programmes sur des critères que le marché ignore.

Mais il faut nommer le cadrage. Car Eric Kauderer-Abrams (responsable life sciences) le dit lui-même : ils font ça d'abord pour vivre le métier de l'intérieur et construire de meilleurs produits à vendre. La boucle de feedback avant l'altruisme.

Et personne, chez Anthropic, ne dit ce qu'ils feraient d'un candidat prometteur. Un vrai labo l'enverrait en essais cliniques. Là, silence.

Donc : intention louable, communication maîtrisée, et beaucoup de zones grises. Wait-and-see.

3 paris différents sur la même table

Ce lancement, c'est aussi un positionnement dans une bagarre à trois.

• Anthropic parie sur l'accès large (tout abonné payant Pro, Max, Team, Enterprise) plus une couche workflow. Le harness.
• OpenAI a sorti GPT-Rosalind en avril, un modèle spécialisé pour le raisonnement biologique, mais réservé à des entreprises validées après revue de sécurité.
• Google DeepMind mise sur ses modèles maison (AlphaFold, AlphaGenome) bundlés dans Gemini for Science.

Détail qui pique : John Jumper, prix Nobel de chimie pour AlphaFold, a quitté DeepMind mi-juin pour rejoindre Anthropic.

3 stratégies, 3 philosophies. Anthropic ne mise pas sur le modèle le plus intelligent. Il mise sur celui qui est le plus intégré.

Ce que j'en retiens comme builder

Claude Science, pour moi, ce n'est pas d'abord une histoire de pharma. C'est une démonstration.

La démonstration que le moat s'est déplacé. Il n'est plus dans le modèle (que tout le monde loue au même prix). Il est dans le harness, la curation, la provenance.

C'est ce que Claude Code a fait pour le code. Anthropic essaie de le refaire pour la science.

Et ça pose une vraie question pour nous, ceux qui construisent : si l'intelligence est une commodité, qu'est-ce que tu câbles autour, toi, qui vaut la peine qu'on te paie ?