Claude Science : l'IA qui accélère la recherche pharma

Développer un médicament coûte aujourd'hui 2,67 milliards de dollars et réclame dix à quinze ans de travail. Le 30 juin 2026, Anthropic a présenté Claude Science, un poste de travail qui réunit plus de 60 bases scientifiques, du code et des agents dans une seule interface pour les chercheurs. Reste une question que tout dirigeant de la santé se pose : peut-on raccourcir ces délais sans rien lâcher sur la rigueur ?

Claude Science, un poste de travail pensé pour les chercheurs

Anthropic ne sort pas un nouveau modèle, et l'entreprise insiste sur ce point. Claude Science tourne sur les modèles déjà accessibles à tous, dont Claude Opus 4.8, sans accès réservé ni file d'attente. Le pari se joue ailleurs, sur le flux de travail : offrir un lieu unique pour mener une recherche computationnelle, au lieu de forcer les scientifiques à jongler entre bases de données, scripts et outils dispersés.

Ce choix s'inscrit dans une bascule plus large chez Anthropic. Après avoir fait de Claude Code la brique de référence des équipes de développement logiciel, l'entreprise cherche à occuper la couche métier d'industries précises, la santé en tête. Claude Science prolonge Claude for Life Sciences, lancé en octobre 2025, et embarque des intégrations spécialisées comme la boîte à outils BioNeMo de NVIDIA pour la biologie computationnelle. La bêta reste pour l'instant limitée à macOS et Linux, et certains chercheurs notent que toutes les grandes bases chimiques ne sont pas encore branchées. Le produit avance vite, mais il avance en version d'essai.

Comment l'outil s'organise-t-il ? Un assistant principal tient le rôle de chef de projet. Il se branche sur plus de 60 bases scientifiques et embarque des boîtes à outils prêtes pour la génomique, la structure des protéines ou la chimie. Quand la tâche l'exige, il crée des sous-assistants, exactement comme un chef d'équipe confie un dossier précis à un spécialiste. Un agent vérificateur distinct relit ensuite les citations et les calculs avant toute publication.

Ce contrôle a ses limites, et il faut le dire clairement : c'est toujours le même modèle qui se relit, pas une source de vérité indépendante. Anthropic compense par la traçabilité. Chaque figure produite, structure 3D d'une protéine ou schéma chimique, arrive accompagnée du code exact qui l'a générée, de l'environnement de calcul, d'une description en langage clair et de l'historique complet des échanges. Vous corrigez un graphique en langage naturel, et l'agent réécrit son propre code.

Les premiers utilisateurs sont déjà à l'œuvre. Un neuroscientifique de l'Allen Institute a bâti une chaîne de revue multi-agents ; l'équipe du centre des tumeurs cérébrales de l'UCSF a comprimé une analyse germinale de gliome à une fraction du temps habituel, résultats validés de façon indépendante. Un chercheur de la Northeastern University spécialiste de la SLA note que le seul passage de Sonnet à Opus lui avait déjà apporté près de 20 % de gain dans certains domaines. Pour amorcer l'usage, Anthropic finance jusqu'à 50 projets académiques, dotés de 30 000 dollars de crédits chacun, avec des candidatures ouvertes jusqu'au 15 juillet 2026.

Pourquoi la R&D pharma attendait cet outil

Le contexte explique l'intérêt. D'après le rapport 2026 de Deloitte, le coût moyen pour amener une molécule de la découverte au lancement a grimpé à 2,67 milliards de dollars, contre 2,23 milliards un an plus tôt. Le rendement de la R&D pharmaceutique, lui, plafonne autour de 7 %. Quand un candidat-médicament échoue en phase avancée, ce sont des années et des centaines de millions qui partent en fumée.

L'IA s'est installée dans ce décor à grande vitesse. Le marché de la découverte de médicaments assistée par IA pèse environ 2,6 milliards de dollars début 2026, avec plus de 173 programmes issus de l'IA déjà en développement clinique et 15 à 20 attendus en essais pivots cette année. Du côté des essais cliniques, le marché des outils d'IA est passé de 1,85 milliard en 2024 à 2,7 milliards en 2025. Pour les laboratoires et organisations de santé que nous accompagnons, ces chiffres traduisent une réalité de terrain : l'IA n'est plus un sujet de veille, elle entre dans les plans de développement.

Les délais, eux, commencent à bouger pour de bon. Sur les essais cliniques, l'IA réduit déjà les durées de phase II de 30 à 40 %, et fluidifier le préclinique peut avancer l'entrée en essais chez l'humain de plus de 40 %. Un programme piloté par IA a même identifié un candidat et atteint la phase I en douze mois, là où le parcours classique demande quatre à cinq ans. Ces gains ne tombent pas du ciel. Ils supposent des données propres, des outils reliés entre eux et des chercheurs qui gardent la main sur chaque étape sensible du raisonnement.

Où se perd le temps, au juste ? Rarement dans le calcul lui-même. Il se perd dans les allers-retours entre une base génomique, un carnet de code, un tableur de résultats et un moteur de recherche bibliographique. Claude Science attaque précisément cette fragmentation. Des groupes pharmaceutiques ne l'ont pas attendu pour agir : certains déploient déjà Claude auprès de dizaines de milliers de collaborateurs, signe que l'appétit dépasse le seul laboratoire de R&D.

Le pari du flux de travail contre le modèle spécialisé

Anthropic n'est pas seul sur ce terrain, et les stratégies divergent nettement. En avril 2026, OpenAI a lancé GPT-Rosalind, un modèle affiné pour le raisonnement biologique, mais réservé à des clients entreprises qualifiés aux États-Unis, derrière une revue de sécurité. Google DeepMind joue une autre partition : le groupe possède ses propres modèles de science fondamentale, AlphaFold et AlphaGenome, et les réunit avec plus de 30 bases de sciences de la vie dans sa plateforme Gemini for Science.

Trois approches, trois paris. Anthropic vise large avec un accès par simple abonnement, OpenAI reste étroit et sous contrôle, Google mise sur des modèles propriétaires que personne d'autre ne détient. Qui a raison ? La réponse dira beaucoup sur la façon dont l'IA se vendra demain dans le droit, la finance ou l'ingénierie. Le choix d'ouvrir Claude Science aux offres Pro, Max, Team et Enterprise, plutôt que de le verrouiller, penche clairement pour l'adoption de masse.

Côté clients, les laboratoires ne choisissent pas un camp. Anthropic cite Novo Nordisk et l'Allen Institute parmi ses premiers utilisateurs, alors que ces mêmes organisations figuraient déjà parmi les partenaires d'accès anticipé de GPT-Rosalind, aux côtés d'Amgen, Moderna ou Thermo Fisher. La réalité d'une direction de la recherche, c'est un portefeuille d'outils, jamais une allégeance unique. La question n'est donc pas de savoir quel fournisseur retenir, mais comment brancher ces briques dans un flux de travail que vous maîtrisez de bout en bout.

Les montants en jeu justifient la bataille. McKinsey estime que l'IA générative pourrait faire économiser 60 à 110 milliards de dollars par an à l'industrie pharmaceutique, et chiffre le gain de débit potentiel à plus de 100 % pour la seule découverte de médicaments. Ces promesses ne tiennent que si les modèles restent sûrs sur des sujets sensibles. Anthropic a d'ailleurs bâti des garde-fous spécifiques pour la biologie, un point décisif quand un même outil sait aussi bien concevoir une molécule utile qu'une molécule dangereuse.

Données, hallucinations, conformité : les vraies questions d'un labo

Un dirigeant de la santé n'achète pas une promesse de productivité, il achète un cadre de confiance. Sur ce plan, Claude Science coche des cases attendues. L'outil peut tourner sur l'infrastructure du laboratoire plutôt que d'envoyer les données vers les serveurs d'Anthropic, et il repose sur des modèles ayant passé les évaluations de sûreté et de biosécurité maison. Pour une donnée patient ou un secret industriel, cette localisation change tout, à condition de garder la main sur qui accède à quoi, exactement comme pour la gouvernance des accès aux connecteurs de Claude.

La méfiance reste pourtant de mise, et elle est saine. Un spécialiste de la thérapie cellulaire et génique de Northeastern se dit prudemment optimiste, tout en pointant le vrai risque : une IA généraliste peut halluciner ou rater une nuance dans une directive réglementaire ou la conception d'un essai, avec des conséquences bien réelles. Sa question n'est pas de savoir si l'IA est utile, mais si elle peut être déployée de façon sûre et vérifiable dans des flux validés, en milieu réglementé. C'est exactement le bon niveau d'exigence.

Le sujet des citations inventées n'a rien de théorique. À mesure que l'IA s'invite dans la rédaction scientifique, des références fabriquées et des statistiques invérifiables se glissent dans les publications. L'agent vérificateur de Claude Science cible précisément ce risque, sans prétendre se substituer à la relecture humaine. Un biophysicien de Northeastern résume bien l'attente réelle du terrain : ce qu'il attend de l'IA, c'est d'alléger la charge administrative et réglementaire qui retient les équipes tard le soir, pour rendre du temps à la conception d'expériences, à l'encadrement des étudiants et à la science elle-même.

Les gains, eux, sont documentés. Une analyse de BCG et du Wellcome Trust évaluait déjà à 25-50 % les économies de temps et de coûts possibles en R&D précoce, jusqu'au stade préclinique. Mais la conformité ajoute une échéance que personne ne peut ignorer : le règlement européen sur l'IA impose un niveau minimal de compétence aux équipes qui manipulent ces outils, avec des sanctions nationales applicables dès le 2 août 2026, alors que 72 % des entreprises françaises ignoreraient encore ces obligations. Pour les directions juridiques et affaires réglementaires, l'enjeu n'est pas d'interdire l'outil mais d'en tracer chaque usage, un point que nous détaillons dans notre lecture de la mise en conformité AI Act.

Déployer Claude Science sans se brûler

Reste le plus dur, qui n'est pas technique. Bien utilisé, un outil comme Claude Science pourrait comprimer un développement de dix à quinze ans vers une fenêtre de deux à cinq ans, estime ce même chercheur, à une condition qu'il formule d'une image juste : c'est un copilote, et un copilote a besoin d'un pilote compétent. L'outil ne remplace pas le jugement scientifique, il le décharge des tâches ingrates, la revue de littérature, la mise en forme d'un manuscrit, la première passe sur un jeu de données.

Or le pilote manque souvent de formation. En France, 51 % des professionnels utilisent l'IA mais près de 70 % n'ont reçu aucune formation, et le chiffre grimpe encore chez les cadres selon une étude Microsoft France de début 2026. L'usage quotidien a pourtant triplé en un an, passant de 9 % à 24 %. Un poste de travail scientifique surpuissant confié à des équipes non formées, c'est un risque déplacé, pas supprimé. C'est tout l'objet d'une formation Claude Cowork taillée pour des métiers exigeants.

Par où démarrer ? Le bon réflexe consiste à cibler d'abord les tâches chronophages à faible risque, là où le gain saute aux yeux sans toucher à la décision finale. On forme ensuite des référents internes qui diffusent l'usage, on trace les accès, on mesure le retour chaque mois. Cette montée en puissance progressive, du diagnostic à la première livraison concrète, vaut pour un laboratoire comme pour toute organisation qui pilote sa transformation autour de l'IA.

Cette logique a un format éprouvé. Un pilote de trois mois pose le diagnostic, embarque une première équipe et livre un cas d'usage concret ; un programme de douze mois installe ensuite l'usage à l'échelle, avec un pilotage à trois niveaux et un retour sur investissement mesuré chaque mois. Rien n'oblige un laboratoire à tout réorganiser d'un coup. Une victoire nette sur un flux réel, une analyse bibliographique divisée par trois ou un dossier réglementaire dégrossi en une matinée, convainc davantage qu'un grand plan resté au stade du comité de direction.

Claude Science ne raccourcira pas seul le chemin d'une molécule. Il déplace le travail pénible du chercheur vers la machine et remet le jugement humain au centre, à condition d'être gouverné et de reposer sur des équipes formées. Les organisations qui prendront de l'avance ne seront pas celles qui auront acheté l'outil le plus puissant, mais celles qui l'auront intégré proprement dans leurs flux réglementés. C'est précisément le travail d'un déploiement gouverné de Claude Cowork. Vous voulez voir ce que Claude peut faire sur vos propres cas de R&D, sans exposer vos données ? Réservez une démo, et nous partirons de votre terrain.