Une société de recherche de Wall Street s'est lancée dans la découverte de médicaments, mais avec un modèle d'IA plutôt qu'une blouse de laboratoire.

Citrini Research, en collaboration avec Anthropic, a utilisé le modèle Claude Science pour rechercher des candidats potentiels d'antivenin contre le scorpion. L'expérience a produit l'équivalent d'environ une année de travail de conception en phase précoce en quelques jours à peine. Elle a ensuite produit quelque chose qui intéresse encore plus les analystes : une thèse d'investissement.

D'un prompt de 35 pages aux résultats de laboratoire

Les analystes de Citrini ont soumis à Claude Science un prompt détaillé d'environ 35 pages. Le modèle a renvoyé environ 180 molécules candidates visant à neutraliser les toxines de scorpion.

Selon les conclusions de la recherche, un travail de cette ampleur prendrait normalement un an avec les méthodes traditionnelles. Citrini l'a compressé en une courte période.

C'est là qu'intervient Twist Bioscience, une société de biologie de synthèse. Le laboratoire a synthétisé et testé 211 conceptions, dont 17 se sont liées avec succès aux toxines cibles.

Dix-sept réussites peuvent sembler modestes. Dans la découverte de médicaments en phase précoce, où la plupart des candidats échouent, cela a suffi à dépasser les propres attentes de Citrini.

Le goulot d'étranglement passe du logiciel au laboratoire

Le 20 octobre 2026, Citrini a publié un rapport détaillant ses enseignements. L'argument central porte moins sur l'IA elle-même que sur ce qui se passe une fois que l'IA a terminé son travail.

Si la conception computationnelle s'accélère considérablement, la partie lente du processus se déplace. La contrainte ne consiste plus à proposer des candidats ; elle devient leur test. Les molécules peuvent désormais être proposées à la vitesse du logiciel, mais leur synthèse et leur validation se déroulent toujours au rythme du banc de laboratoire.

Le rapport de Citrini présente cela comme un tournant dans l'histoire du développement pharmaceutique. L'attention se déplace des outils de conception computationnelle vers la validation expérimentale physique et l'infrastructure de laboratoire qui la soutient. La thèse de la société est que ces entreprises devraient connaître une demande croissante de services de validation expérimentale.

Le rapport a désigné deux valeurs comme choix privilégiés : Charles River Laboratories International Inc., une société de recherche sous contrat qui mène des tests précliniques et de phase précoce pour les développeurs de médicaments, et Revvity Inc., une société de sciences de la vie et de diagnostic au service de la recherche et des flux de travail de laboratoire.

Une pièce d'une dynamique pharmaceutique plus vaste vers l'IA

Novo Nordisk, l'un des plus grands fabricants de médicaments au monde, a conclu un partenariat avec Anthropic en septembre 2026, un accord qui a montré que les grandes sociétés pharmaceutiques prennent au sérieux la recherche assistée par IA.

Le test de Citrini apporte un type de donnée différent. Il provient de l'extérieur de l'establishment pharmaceutique, d'analystes dont le métier est de sélectionner des actions. Si une société de recherche peut générer des binders validés avec un long prompt et un modèle d'IA, la barrière à la conception en phase précoce semble plus basse qu'avant.

Ce que cela signifie pour les investisseurs et l'industrie

Le trade IA évident consiste acheter les entreprises qui construisent les modèles. Le rapport de Citrini plaide pour un trade moins évident : acheter les entreprises situées en aval des modèles et qui absorbent le travail supplémentaire qu'ils créent.

Il y a des raisons de garder des attentes mesurées. Le résultat de Citrini porte sur une cible unique, les toxines de l'antivenin de scorpion, et la liaison à une toxine n'est qu'une étape précoce. Le chemin est long entre un binder en laboratoire et un traitement à l'hôpital, et les candidats qui se lient doivent encore passer par une optimisation, des tests de sécurité et des essais cliniques.

Les conclusions notent également qu'une importance accrue accordée à la validation physique complexifie la chaîne d'approvisionnement. Plus de molécules signifient plus de synthèse, plus de tests et plus de coordination entre les équipes de conception et les laboratoires. L'évolution de la demande de capacités de synthèse et de test pourrait constituer un premier test de la thèse du rapport.