MtoM Mag - Le journal de l'MtoM.
- accueil .
- newsletter .
Flux RSS . - soumissions .
- publicité .
- contacts
Flux RSS .
Avec Claude, Benchling :
Fait gagner aux scientifiques jusqu’à 2 semaines auparavant consacrées à la transformation de données complexes grâce à Data Entry Assistant
Améliore la qualité des données et la reproductibilité des expériences avec Notebook Check
Accélère les réponses aux questions scientifiques, passant de plusieurs heures à quelques secondes, grâce à SQL Assistant
Créer une IA efficace pour les sciences de la vie est un défi en soi : les données biologiques sont fragmentées, très spécialisées et extrêmement intriquées. Les flux de travail scientifiques sont complexes et souvent opaques pour les machines. Les préoccupations liées à la propriété intellectuelle sont très présentes. Pourtant, le potentiel est immense pour développer des modèles d’IA capables d’analyser des données scientifiques, de rédiger des dossiers réglementaires ou de générer des hypothèses innovantes pour orienter la recherche.
C’est précisément pour cet environnement que Benchling a été conçu. En tant que plateforme R&D pour la biotechnologie, Benchling s’intègre au travail quotidien des scientifiques : gestion des données, documentation des expériences, analyses, collaboration. Désormais, avec Claude dans Amazon Bedrock, Benchling intègre des agents IA directement dans ces processus pour automatiser les tâches répétitives, accélérer l’innovation et définir un nouveau standard de l’IA scientifique.
« Jusqu’à 25 % du temps des scientifiques est consacré à la saisie et à l’agrégation des données », explique Ashu Singhal, cofondateur de Benchling. « Un temps qui pourrait être consacré à la vraie science. »
Que ce soit dans les universités ou dans les entreprises biopharmaceutiques avancées, les chercheurs saisissent encore les résultats à la main, agrègent les données dans des tableurs, et vérifient minutieusement leurs analyses, des tâches pouvant être automatisées grâce à une IA adaptée.
Benchling a sélectionné Claude dans Amazon Bedrock après une évaluation rigoureuse à l’aide de tests spécifiques au domaine sur des données et flux scientifiques réels. Claude 3.7 Sonnet a constamment surpassé les autres modèles en termes de précision, de flexibilité et de compréhension des contenus scientifiques.
« Lorsque nous avons testé plusieurs modèles sur des documents scientifiques complexes, Claude 3.7 Sonnet a su comprendre et extraire des données à partir de formats de fichiers compliqués. Il a effectué des transformations que les autres modèles n’arrivaient tout simplement pas à gérer », a déclaré Singhal.
La sécurité était également primordiale pour les clients de Benchling. Les entreprises des sciences de la vie confient à Benchling leurs données de propriété intellectuelle les plus précieuses, comme les molécules et leurs données associées. Étant donné que Benchling repose sur l’infrastructure Amazon Web Services (AWS), utiliser Claude dans Amazon Bedrock offrait des avantages de sécurité essentiels, en gardant l’IA dans l’environnement sécurisé d’AWS.
Singhal a précisé : « La possibilité d’utiliser des modèles qui restent dans le cloud AWS, sécurisés de la même manière que le reste de notre produit, augmente considérablement la confiance de nos clients dans l’adoption de l’IA. ». Cette approche de sécurité transparente répond aux préoccupations de protection des données qui ont historiquement freiné l’adoption de nouveaux services IA par les entreprises des sciences de la vie.
Benchling a lancé trois assistants IA propulsés par Claude, chacun ciblant un point critique de la recherche scientifique :
Data Entry Assistant : transforme des données non structurées issues de rapports d’études ou de fichiers d’instruments en enregistrements structurés et consultables. Cela permet de gagner des heures par étude, de réduire les erreurs de transcription, et de convertir des documents disparates en données exploitables. « Presque toujours, dans ces processus de transcription de données d’études externes, une erreur s’y glisse », a expliqué Singhal. En automatisant ce processus avec Claude, Benchling réduit considérablement ces erreurs.
Notebook Check : automatise le processus de relecture initiale de la documentation scientifique, en identifiant les erreurs et les données manquantes avant toute relecture humaine. Plus de 100 organisations utilisent cette fonctionnalité pour accélérer les validations tout en détectant des erreurs qui pourraient autrement passer inaperçues.
SQL Assistant : permet aux scientifiques de générer des requêtes de base de données et des tableaux de bord en langage naturel. Cela aide les équipes, notamment celles ayant peu de compétences techniques, à dégager des informations cachées dans leurs données.
Les assistants propulsés par Claude transforment la manière dont la recherche scientifique est menée. Au-delà du simple gain de temps, ces outils améliorent fondamentalement la qualité de la recherche en réduisant les erreurs et en standardisant les données. Par exemple, en automatisant la transcription manuelle des données, un processus connu pour introduire des erreurs, Data Entry Assistant évite des fautes qui pourraient alors se propager tout au long du processus de recherche.
« Une grande partie de la science consiste à répondre à des questions à partir de données », a déclaré Singhal. Lorsque l’information est automatiquement organisée dans des formats standardisés, les chercheurs peuvent explorer des relations auparavant invisibles, comme la corrélation exacte entre la formulation d’un médicament et son efficacité à travers plusieurs études.
L’impact dépasse les scientifiques en tant qu’individus pour toucher l’ensemble des organisations. Avec des formats de données standardisés, une documentation améliorée et des contrôles qualité automatisés, les équipes peuvent collaborer plus efficacement et se baser sur le travail des autres avec plus de confiance. Cela crée un effet cumulatif : non seulement les expériences individuelles avancent plus rapidement, mais les connaissances collectives de l’organisation croissent plus vite et plus sûrement.
En supprimant les frictions liées aux processus manuels et aux données éparpillées, Benchling et Claude permettent aux équipes de recherche de se concentrer sur ce qu’elles font le mieux : faire progresser la découverte scientifique.
Benchling imagine un avenir où l’IA transforme fondamentalement la manière dont la science est conduite. Leur vision va au-delà de l’automatisation des tâches routinières pour créer des systèmes d’IA capables de concevoir des expériences, guider la collecte de données et optimiser les protocoles en temps réel.
« Les cas d’usage scientifiques vont pousser les modèles d’IA dans leurs retranchements », déclare Singhal. « ils comptent parmi les problèmes de raisonnement les plus complexes, et les résoudre va définir la prochaine génération d’IA. »
En collaborant avec Anthropic et AWS, Benchling vise à développer des systèmes d’IA qui comprennent véritablement le processus scientifique et peuvent contribuer de manière significative à la recherche. L’objectif n’est pas de remplacer les scientifiques, mais d’amplifier leurs capacités, les aider à établir des connexions entre de vastes ensembles de données, générer des hypothèses innovantes, et in fine accélérer le rythme des découvertes.
La mission de Benchling reflète l’urgence des progrès scientifiques. En transformant la manière dont les chercheurs interagissent avec leurs données et prennent des décisions scientifiques, Benchling et Claude visent à aider davantage de traitements révolutionnaires à atteindre les patients qui en ont le plus besoin.
