Utiliser un agent IA pour naviguer dans les bases de données biologiques actuelles, c'est comme conduire une voiture moderne dans une ville médiévale. Les rues ont été tracées pour des piétons, elles sont étroites, sinueuses, pensées pour des humains, sans autoroute et sans signalétique standardisée. Peu importe la qualité de la voiture, elle ne peut jamais vraiment prendre de la vitesse. C'est exactement la métaphore employée par les chercheurs d'Anthropic pour expliquer leur découverte la plus troublante de juin 2026.
Voici une histoire qui a de quoi surprendre : ce n'est pas l'intelligence d'une IA qui a été mise en cause dans cette affaire, mais les routes qu'elle devait emprunter pour aller chercher l'information. Et la découverte a des implications qui dépassent largement la biologie.
Le test qui a tout révélé
Dans une étude publiée en juin 2026, les chercheurs d'Anthropic ont conçu un test baptisé VirBench : 120 questions demandant de récupérer des séquences virales dans la base de données NCBI Virus, une référence mondiale utilisée pour la surveillance des épidémies et la conception de tests diagnostiques. Ils ont soumis ces questions à plusieurs modèles parmi les meilleurs du marché, dont Claude Sonnet 4 et GPT-5.5, en leur laissant l'accès normal à la base de données, comme le ferait un chercheur humain naviguant sur le site.
Le résultat a de quoi inquiéter n'importe quel scientifique : la précision moyenne variait de 16,9% à 91,3% selon le modèle. Et pire encore, un même modèle, interrogé trois fois avec exactement la même question, pouvait donner trois réponses radicalement différentes. Sur une requête portant sur le virus Ebola, où la bonne réponse était 266 séquences, Claude Sonnet 4 a répondu tour à tour 106, puis 15, puis seulement 5 séquences. Trois essais identiques, trois résultats incohérents.
Ce genre d'instabilité n'est pas qu'une curiosité technique. Dans un exemple cité par l'étude, un jeu de données incomplet a fait remonter l'origine estimée d'une épidémie d'Ebola de 2014 à... 1922, un écart de 92 ans qui changerait complètement l'interprétation d'une flambée épidémique. Pour la construction de jeux de données scientifiques, la barre de fiabilité attendue est proche de 100%, parce qu'une seule séquence manquante ou erronée peut fausser toute une analyse en aval.
La cause : pas le modèle, la route qu'il emprunte
Les chercheurs ont creusé la cause de cette instabilité, et la réponse ne pointait pas vers l'IA elle-même. Le problème venait de l'infrastructure de données sous-jacente : les interfaces de recherche biologique actuelles ont été conçues pour des humains cliquant sur des filtres dans un navigateur, pas pour des agents IA envoyant des requêtes programmatiques répétées. Résultat, chaque appel pouvait renvoyer des formats différents, des critères de filtrage mal interprétés, ou des résultats tronqués sans avertissement clair.
La solution a été de construire un outil intermédiaire baptisé gget virus, développé avec le centre américain de bio-information NCBI. Ce n'est pas un modèle d'IA plus intelligent, mais un simple traducteur déterministe (c'est-à-dire qui donne toujours exactement le même résultat pour la même question) entre l'agent et la base de données, qui coordonne proprement les différentes API du NCBI et renvoie une sortie standardisée plutôt que de laisser le modèle interpréter des réponses brutes et incohérentes.
Le résultat de cet ajustement a dépassé les attentes des chercheurs eux-mêmes. Avec l'outil en place, tous les modèles testés ont dépassé les 92% de précision. Claude Sonnet 4, qui plafonnait à 16,9% seul, est monté à 92,8%. GPT-5.5 a grimpé à 99,7%. La variabilité entre les essais s'est quasiment effondrée, avec une stabilité mesurée entre 0,92 et 1,00 sur l'ensemble des modèles.
La leçon qui dépasse la biologie
La conclusion des chercheurs tient en une phrase qui mérite d'être retenue : "la construction de jeux de données fiables ne devrait pas dépendre de l'accès au modèle le plus récent ou le plus cher." Un modèle moins puissant, mais équipé du bon outil déterministe, a surpassé des modèles bien plus chers laissés sans cet outil. L'intelligence brute du modèle n'était donc pas le facteur limitant, c'était la qualité de son accès aux données.
Cette découverte résonne bien au-delà de la biologie. Elle rappelle une intuition qu'on retrouve dans notre article sur le model collapse : une IA n'est jamais meilleure que la qualité de ce qu'elle peut observer du monde réel. On peut passer des mois à rendre un modèle plus intelligent, mais si les données qu'il consulte sont mal structurées pour lui, cette intelligence tourne dans le vide. La prochaine grande vague de progrès en IA scientifique viendra peut-être moins de modèles plus puissants que de bases de données enfin pensées pour accueillir des agents comme des usagers à part entière, au même titre que les humains qui les ont conçues.