L'intelligence artificielle pourrait à terme donner à l'humanité la possibilité de guérir ou de prévenir la plupart des maladies dans les 5 à 10 prochaines années. C'est l'opinion exprimée par le cofondateur et PDG d'Anthropic (l'entreprise développant Claude), Dario Amodei.
Amodei a publié cette prédiction le 16 août sur le réseau social X. Il a reconnu qu'une telle prévision peut sembler excessivement optimiste, même pour les spécialistes de la biologie, mais la juge tout à fait réaliste – à condition que le développement de systèmes d'IA puissants se poursuive au rythme actuel. « Je pense qu'il deviendra réellement possible de guérir la plupart des maladies humaines dans environ 5 à 10 ans », a écrit le patron d'Anthropic.
Une précision importante : il ne s'agit pas de l'apparition d'un médicament universel unique ou d'une prédiction médicale déjà confirmée. Il s'agit plutôt d'un scénario sur la mesure dans laquelle l'intelligence artificielle peut accélérer la recherche biologique et le développement de nouvelles méthodes thérapeutiques.
Idées tirées de l'essai *Machines of Loving Grace*
Amodei avait exposé cette conception en détail auparavant dans un essai intitulé *Machines of Loving Grace* (« Machines de grâce miséricordieuse »). Selon ses calculs, une IA suffisamment puissante pourrait potentiellement accélérer le développement de la biologie et de la médecine d'environ dix fois – et ainsi réduire un chemin qui, dans des conditions normales, aurait pu prendre 50 à 100 ans, à seulement 5 à 10 ans.
Parmi les résultats possibles d'une telle accélération, le patron d'Anthropic citait une réduction drastique de l'incidence et de la mortalité du cancer, la prévention ou le traitement de la plupart des maladies génétiques, des progrès dans la lutte contre la maladie d'Alzheimer, une thérapie plus efficace des maladies cardiovasculaires et auto-immunes, et de nouvelles approches pour traiter le diabète et l'obésité.
Amodei reconnaissait cependant : la vitesse réelle des progrès se heurtera toujours à la nécessité de mener des recherches en laboratoire, des essais cliniques et d'obtenir les autorisations des organismes de régulation – des étapes que l'intelligence artificielle ne peut contourner.
Anthropic étend ses projets en biologie et médecine
Dans sa nouvelle publication, Amodei a également indiqué qu'Anthropic intensifie rapidement son travail dans les domaines de la biologie et de la médecine. Selon lui, l'entreprise espère voir les premiers signes de résultats tangibles dans les mois à venir, et des avancées plus substantielles dans les années suivantes. Le PDG d'Anthropic a toutefois souligné que le secteur de l'intelligence artificielle dans son ensemble n'a pas encore tenu bon nombre de ses promesses les plus ambitieuses.
Anthropic avait auparavant lancé le programme AI for Science, qui donne aux chercheurs un accès aux modèles de l'entreprise pour des projets en biologie, génétique et découverte de nouveaux médicaments.
L'avis de l'IA
D'un point de vue d'analyse des données automatisée, la déclaration d'Amodei doit être considérée non seulement comme une prévision scientifique, mais aussi comme faisant partie d'un contexte corporatif plus large. Selon The Insider, la valorisation d'Anthropic à l'issue du dernier tour de financement a dépassé 960 milliards de dollars, et le chiffre d'affaires annuel prévu de l'entreprise est passé à 47 milliards de dollars, contre 10 milliards pour l'ensemble de l'année 2025. Avec de tels investissements, les investisseurs sont en droit d'attendre non seulement de nouvelles versions de Claude, mais aussi des résultats pratiques tangibles, et les percées en biologie et médecine sont l'un des rares arguments capables de justifier une telle valorisation aux yeux du marché.
Le lien macroéconomique ici est évident : plus la capitalisation de l'entreprise augmente rapidement, plus on exige de l'entreprise qu'elle montre des réalisations concrètes au-delà des chatbots et de la génération de code. L'aspect technique reste ouvert – cette accélération de la recherche se traduira-t-elle en de réelles méthodes de traitement, ou le résultat se limitera-t-il à des modèles améliorés d'analyse de données, qui ne font qu'accélérer certaines étapes du travail des scientifiques ?
