Le modèle interne de Claude a aidé des chercheurs à concevoir une protéine qui pourrait devenir un antidote contre le venin de scorpion
Anthropic et Citrini Research ont utilisé Claude pour générer et filtrer des protéines candidates capables de se lier au venin de scorpion, obtenant une liste validée en laboratoire en environ trois jours.
Chaque année, plus d’un million de personnes sont piquées par des scorpions et des milliers meurent, surtout des enfants dans des régions pauvres. Les antivenins existants sont fabriqués à partir de sang de cheval, un processus lent et coûteux, et ils n’agissent pas contre toutes les variantes du venin.
Le venin de scorpion agit lorsque la toxine se fixe sur les cellules nerveuses et provoque des signaux nerveux erratiques. Les chercheurs envisagent de créer de petites protéines qui se lient à la toxine au bon endroit et l’empêchent d’atteindre les cellules.
Anthropic et Citrini Research ont décidé de tester si Claude pouvait aider à générer ces protéines leurre. L’agent a reçu un prompt et un environnement, puis a fonctionné de manière autonome pendant près de trois jours. Il a proposé plus de 300 000 variantes de protéines, a écarté les faibles et a sélectionné les 180 meilleures. L’ensemble a demandé environ 10 000 heures de GPU.
Dix-sept des protéines sélectionnées ont passé une validation stricte en laboratoire, et les deux meilleures se sont révélées très fortement liées à la toxine. Cependant, les toxines des scorpions varient selon les régions et Claude n’a pas encore produit de protéine universelle.
Même pour des toxines individuelles, il ne s’agit pas encore d’antidotes : les tests continuent et le succès n’est pas garanti. Néanmoins, obtenir une liste courte comme celle-ci en trois jours est déjà un résultat majeur qui prenait auparavant des mois aux humains.
Toutes les protéines ont été publiées en open source : jeu de données sur Hugging Face.
Pourquoi c'est important
AnalyseCela montre qu’un agent d’IA peut compresser des mois de conception protéique préliminaire en quelques jours, mais les antidotes cliniques nécessitent encore une validation approfondie et des solutions adaptées aux toxines régionales.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Contrôle de l'ordinateur par IA (Computer Use)
Technologie développée par Anthropic (introduite dans les modèles Claude 3.5 Sonnet) qui permet à un réseau neuronal de contrôler le système d'exploitation comme un humain : prendre des captures d'écran, analyser les coordonnées des fenêtres, déplacer le curseur de la souris, cliquer sur des boutons et saisir du texte sans utiliser d'API spécifiques.
Constitutional AI (RLAIF)
Une méthode d'alignement des modèles développée par le laboratoire Anthropic (créateurs de Claude). Au lieu de recourir à des millions d'heures de travail humain, le modèle critique et corrige ses propres réponses en s'appuyant sur un ensemble clair de principes éthiques (« la Constitution »).
Anthropic détaille la revue du code généré par l'IA
Selon Anthropic, Claude écrit environ 90 % du code de Claude Code ; le processus combine plusieurs agents IA, approbations selon le risque et feature flags pour limiter les incidents en production.
Un ingénieur d'Anthropic explique comment confier des tâches plus ambitieuses à l'IA et publie un prompt prêt à l'emploi
Felix Rieseberg, ingénieur chez Anthropic travaillant sur Claude, a décrit trois approches pour faire travailler l'IA comme un spécialiste de premier plan plutôt que comme un simple assistant accéléré.
Claude Sonnet 4.6 vs GPT-5.5 vs Gemini 3.1 Pro : Comparaison des modèles 2026
Chaque semaine ou presque, un nouveau modèle est lancé, et les mêmes questions reviennent inlassablement : faut-il changer de solution ? Qu'est-ce qui a évolué ? Pour quoi payer ?
Claude Fable 5 : quand utiliser le modèle puissant et quel niveau d'effort choisir
Analyse complète du modèle Claude Fable 5 et du paramètre effort : fonctionnement du signal comportemental de raisonnement, matrice de disponibilité des niveaux (low/xhigh), calcul du coût par étape et configuration dans l'API et Claude Code.