L'IA fait une découverte en génétique en un temps record

Deux documents, et un seul a été lu

« Claude a découvert un système type CRISPR en 21 heures. » La phrase a fait le tour en quarante-huit heures. Elle vient d'Anthropic, qui a publié le 23 septembre un billet intitulé « Claude discovers a novel enzyme system with CRISPR-like repeats ».

Le même soir, son dirigeant Dario Amodei l'annonçait sur X, quelques minutes avant la séance du Conseil de sécurité de l'ONU où il intervenait. Lui ne promet rien : « sa fonction précise, son utilité biotechnologique si elle en a une, et son niveau d'importance ne sont pas encore clairs ». Message rapporté par Gizmodo ; X refuse la lecture automatisée, nous ne l'avons pas lu à la source.

Sauf que l'annonce compte deux documents. Un billet d'une page, et une prépublication de quarante. Le premier a été repris partout ; le second porte les nombres. Ils ne racontent pas tout à fait la même histoire.

Un mot sur CRISPR, puisque toute l'annonce tourne autour. Les bactéries gardent des morceaux d'ADN des virus qui les attaquent, pour les reconnaître et les découper s'ils reviennent ; des chercheuses ont détourné cette découpe pour modifier des gènes à volonté, d'où le Nobel de chimie 2020 et une première thérapie fin 2023. Ce qu'Anthropic annonce n'est pas ça : un assemblage en trois parties, trouvé dans l'ADN de virus mangeurs de bactéries, qui ressemble à CRISPR par sa forme et dont personne ne sait à quoi il sert.

Les trois réserves, et à qui elles survivent

Le billet d'Anthropic en porte trois, écrites par l'entreprise elle-même. Sur la fonction : « nous ne connaissons pas encore sa fonction ». Sur l'enzyme au cœur du système : elle « avait été identifiée par de précédentes études ». Et sur le motif de publier maintenant : « pour démontrer les capacités de Claude ».

Sur onze reprises relevées, huit les gardent. Numerama met la réserve dans son titre, « mais ne sait pas trop ce qu'il fait vraiment », et interroge la Société française de génétique, qui décline : quarante pages non relues par les pairs, ça ne se commente pas en vingt-quatre heures. C'est la reprise la plus scrupuleuse du lot, et une rédaction française.

Quatre la perdent, dont une qui promet un système « qui pourrait couper, copier et coller ». La formule n'est pas inventée : elle est dans le billet d'Anthropic, où elle décrit la poignée d'autres systèmes aux mêmes caractéristiques, pas ART. Il a suffi de la déplacer d'une phrase, comme le 93 % du procès OpenAI avait suffi à changer de métier.

« En 21 heures » : 950 ouvriers, pas un

La prépublication donne les chiffres que le billet arrondit. La campagne a duré 21,5 heures d'horloge, mais elle a mobilisé 949 sessions d'agents, soit 77 heures-agent cumulées et 215,6 millions de jetons, sans intervention humaine.

Ces 21 heures comptent une horloge murale, pas une quantité de travail : c'est le temps qu'a mis un atelier de 950 ouvriers à faire ce qu'un seul aurait terminé en trois jours et demi. La comparaison avec « des semaines à des mois » de travail humain, que le billet met en avant, reste vraie, mais elle met un mur de calcul en face d'une personne.

Le parcours est documenté : 1,94 milliard de grappes de protéines fouillées, 198 290 retenues après filtrage, 3 564 familles voisines notées, 17 candidates instruites. Sur ces 17, la prépublication écrit que trois seulement ont été confirmées comme des associations jamais décrites.

« Type CRISPR » : l'architecture, pas la fonction

Dimitri Perrin dirige l'école d'informatique de la Queensland University of Technology et a mené des projets mêlant CRISPR et IA. Son analyse, sur The Conversation, tient en une phrase : ART est de type CRISPR par son architecture, mais rien n'indique qu'il le soit par sa fonction.

La prépublication ne dit pas autre chose, et elle le dit contre elle-même. Elle note que les répétitions d'ART « contrastent » avec celles de CRISPR. Surtout : aucun gène cas ne se trouve près d'un locus ART. Les gènes cas sont les ciseaux du système ; ici, il n'y en a pas.

Le vrai voisin d'ART n'est pas CRISPR, c'est le rétron, un système de défense bactérien dont il partage les trois composants. La figure qui compare les deux le dit dans sa légende : « rétron (connu) / ART (hypothèse) », et ses flèches en pointillé marquent les étapes supposées.

Et la phrase la plus nette du document est celle-ci : les auteurs n'ont pas montré que l'enzyme est active, ni que ces ARN sont ce sur quoi elle travaille.

Anthropic met en avant l'avis de Feng Zhang, pionnier de l'édition du génome par CRISPR, professeur au MIT et au Broad Institute, qui a lu la prépublication. Il juge le résultat « vraiment intrigant » et estime qu'il mérite d'être approfondi. C'est tout ce qu'il dit : à aucun moment il n'écrit qu'ART édite des gènes.

« Découvert » : quelqu'un était déjà passé devant

« L'enzyme elle-même était déjà connue », écrit Perrin. « Ce qui est nouveau, c'est de reconnaître qu'elle fait peut-être partie de ce système plus vaste. »

La prépublication va plus loin dans l'aveu. Le rapport de génome publié à l'origine sur ce fragment d'ADN avait déjà repéré l'enzyme, et signalé juste à côté un morceau qu'il n'a pas décrit. Quelqu'un était passé devant la bonne page sans regarder la ligne d'à côté.

Lucas Harrington, du laboratoire de Jennifer Doudna et cofondateur de Mammoth Biosciences, reproche à Anthropic de présenter comme découverte majeure ce qui relève du travail courant de fouille de génomes. Cité par Numerama, il rappelle que ce type de procédé sert à comprendre CRISPR depuis 2002.

Ça situe le calendrier. Les répétitions ont été vues pour la première fois en 1987, dans un article qui portait sur une tout autre question ; le sigle CRISPR date de 2002. Trente-six ans entre la curiosité et le médicament.

Ce que la prépublication dit et que le communiqué ne dit pas

Perrin pose la question qui manque : on ignore combien des 3 500 candidats, et des 20 retenus, relèvent d'une biologie réellement neuve. Trouver un résultat intrigant après en avoir exploré des milliers, écrit-il, n'est pas montrer qu'un système découvre de façon fiable.

La réponse est dans le document, page 9. Anthropic a relancé dix fois la même campagne, avec le même dispositif et la même consigne. Presque toutes ont échantillonné des locus ART. Deux ont même ouvert une enquête sur la lignée. Aucune n'a lu l'ADN situé en amont, et le tableau de répétitions a été manqué à chaque relance.

Une fois sur onze. Les auteurs l'attribuent à l'étendue de l'espace de recherche et au caractère non déterministe de leur dispositif, et ils l'écrivent sans détour. Rien n'a été caché : c'est imprimé dans le document que presque personne n'ouvre. La lettre Run Data Run l'a relevé dès le 25 septembre, en notant qu'aucune des reprises qu'elle avait lues n'en parlait. Aucune des nôtres non plus.

La section suivante dit ce qui décide, et c'est contre-intuitif. Mieux outillés, les modèles regardent moins : quand on leur donne des outils pour manipuler les séquences, 39 % des tentatives ne lisent jamais assez d'ADN d'affilée pour voir deux répétitions. Qu'ils le lisent eux-mêmes, et le tableau passe de 29 à 76 %.

C'est le même écart qu'avec le 100 % d'Astra en sécurité : le chiffre qui a circulé n'est pas celui qui renseigne.