Claude Science : Anthropic transforme son IA en paillasse de labo

Anthropic a pris tout le monde à contre-pied cet été. Alors que le secteur ne parle que de nouveaux modèles et de courses aux benchmarks, l'entreprise a sorti Claude Science : pas un modèle, une application. Un environnement de travail dédié aux chercheurs, lancé le 2 juillet 2026 en bêta sur macOS et Linux, qui prétend rassembler en un seul endroit les outils, bases de données et capacités de calcul dont un scientifique a besoin au quotidien.

La nuance est importante. Claude Science ne promet pas d'être plus intelligent. Il promet d'arrêter de faire perdre du temps.

Ce qu'Anthropic a réellement livré

Jusqu'ici, un chercheur qui utilisait un assistant IA jonglait entre une fenêtre de chat, un navigateur ouvert sur PubMed, un terminal, un notebook Jupyter et un logiciel de visualisation moléculaire. L'IA était un interlocuteur, pas un poste de travail.

Claude Science bascule d'un chatbot scientifique vers un atelier. Les fonctions annoncées :

• Visualisation native des structures protéiques en 3D, des pistes de navigateur génomique et des structures chimiques — directement dans l'interface, sans export.
• Génération de code avec historique de reproductibilité complet. Chaque script produit, chaque paramètre, chaque version est tracé. Pour qui a déjà tenté de rejouer une analyse d'un collègue parti depuis dix-huit mois, c'est peut-être la fonction la plus utile du lot.
• Organisation du travail et préparation de manuscrits, avec la structuration des sources.
• Un agent de vérification qui contrôle les citations et les calculs.

Soixante connecteurs, et des bases que les chercheurs utilisent vraiment

Le cœur du produit, ce sont les connecteurs préconfigurés — plus de 60 compétences et connecteurs pour des domaines spécialisés : génomique, protéomique, bio-informatique.

Les bases branchées ne sont pas des choix de communication. On y trouve :

• UniProt (séquences et annotations de protéines)
• PDB (structures tridimensionnelles expérimentales)
• Ensembl (génomes annotés)
• Reactome (voies de signalisation)
• ClinVar (variants génétiques et signification clinique)
• ChEMBL (molécules bioactives et données pharmacologiques)

Ce sont les ressources qu'un biologiste moléculaire ouvre littéralement tous les jours. Les interroger en langage naturel et croiser les résultats sans écrire de requête API, c'est du temps gagné mesurable.

Anthropic a par ailleurs intégré le BioNeMo Agent Toolkit de NVIDIA, ce qui donne accès à des modèles spécialisés comme Evo 2, Boltz-2 ou OpenFold3. Prédiction de structure, génomique générative : ces outils existaient, mais chacun avec sa propre installation, ses dépendances et sa documentation. Les réunir sous un même toit est un travail d'intégration ingrat, et c'est exactement là que se situe la valeur.

L'agent de vérification, réponse au péché originel des LLM

Le reproche fait aux modèles de langage en contexte scientifique n'a jamais varié : ils inventent des références. Une citation fabriquée par un LLM ressemble trait pour trait à une vraie — auteurs plausibles, revue crédible, année cohérente, DOI d'apparence valide. Elle n'existe simplement pas.

L'agent de vérification embarqué dans Claude Science est censé traiter ce problème en contrôlant l'existence des citations et la justesse des calculs. C'est la bonne cible.

Cela dit, un expert cité dans la couverture du lancement pose la question qui fâche : la valeur réelle dépend entièrement de la capacité à tracer chaque affirmation jusqu'à une source réelle et vérifiable. Un agent qui vérifie qu'un DOI résout bien vers un article existant fait un travail utile mais limité. Vérifier que l'article dit effectivement ce qu'on lui fait dire, c'est une tout autre exigence — et personne, à ce stade, n'a démontré publiquement qu'un système automatisé y parvenait de façon fiable.

Qui peut y accéder, et à quel prix

Anthropic a choisi une distribution large plutôt qu'une offre premium isolée. L'application est disponible en bêta pour les abonnés Pro, Max, Team et Enterprise. Pas de nouvel abonnement dédié à souscrire.

Deux points à noter :

• Aucune version Windows annoncée. macOS et Linux seulement. Ce n'est pas anodin : une partie considérable de la recherche clinique et industrielle tourne sous Windows. Le choix cible clairement les labos académiques et les environnements bio-informatiques.
• Un programme de recherche a été lancé en parallèle : jusqu'à 30 000 dollars de crédits offerts à 50 projets doctoraux et postdoctoraux sélectionnés dans les domaines biomédicaux.

Ce dernier dispositif est du recrutement d'usage déguisé en mécénat. Cinquante doctorants qui construisent leur méthodologie autour de Claude Science publieront dans deux ans des articles où l'outil figure dans la section Méthodes. C'est le meilleur canal d'acquisition imaginable dans un milieu où l'on adopte ce que le laboratoire d'à côté utilise déjà.

Ce que ça dit de la stratégie d'Anthropic

Les laboratoires d'IA ont passé trois ans à se disputer des points de benchmark. Le marché commence à comprendre que l'écart entre les meilleurs modèles se resserre et que la différenciation se déplace ailleurs : vers l'intégration, les connecteurs, la traçabilité, le respect des workflows métier.

Anthropic a déjà appliqué cette logique au développement logiciel, avec le succès que l'on connaît sur le segment du code. Claude Science applique le même schéma à un second métier vertical. On peut raisonnablement parier que d'autres suivront — droit, finance, ingénierie.

La recherche biomédicale est un choix cohérent. Le volume de littérature y est ingérable manuellement, les bases de données publiques sont bien structurées et documentées, et les chercheurs sont techniquement à l'aise. Terrain favorable.

Les objections sérieuses

Quelques réserves méritent d'être posées.

La première tient à la dépendance. Un chercheur dont toute la chaîne d'analyse passe par un outil propriétaire perd la maîtrise de sa méthode. Si les tarifs changent, si une fonction disparaît, si le modèle sous-jacent est déprécié, les analyses deviennent difficilement rejouables. L'historique de reproductibilité aide, il ne suffit pas.

La deuxième concerne la confidentialité des données. Les données de recherche pré-publication, les cohortes de patients, les résultats non brevetés — les politiques de traitement méritent d'être lues ligne à ligne par les services juridiques des établissements avant tout déploiement, particulièrement en Europe.

La troisième est méthodologique. Faciliter la revue de littérature accélère aussi la production d'analyses superficielles. Quand générer une synthèse coûte cinq minutes au lieu de trois semaines, la tentation de publier davantage sans lire davantage devient structurelle. Le goulot d'étranglement de la science n'a jamais été la vitesse d'écriture.

Cela dit, un doctorant qui passe deux jours à écrire un script pour interroger ChEMBL et le voit produit correctement en dix minutes récupère deux jours pour penser. Le potentiel est là, tangible, et il ne dépend d'aucune promesse d'intelligence artificielle générale.

La bêta est ouverte. On saura dans six mois combien de labos l'ont réellement adoptée — et combien y ont renoncé après le premier faux positif de l'agent de vérification.