37 000 agents IA chez Stanford : ce qui marche, c'est l'organigramme

Une entreprise de biotechnologie vient de sortir d'un laboratoire de Stanford Medicine — la faculté de médecine de l'université Stanford, en Californie — avec 37 000 employés. Aucun n'est humain. Pas de locaux, pas de pause déjeuner, pas de bulletins de paie. Et rien d'anecdotique au compteur : ses agents ont passé au crible près de 56 000 essais cliniques en moins d'une semaine, puis proposé contre le cancer du poumon une stratégie qu'un laboratoire pharmaceutique a conçue de son côté, huit mois plus tard.

Ce qui m'intéresse ici n'est pas la performance, mais la façon dont ces 37 000 agents sont rangés.

Une entreprise, pas un modèle

Le travail, publié le 17 septembre dans la revue à comité de lecture Science, est signé par Harrison Zhang, étudiant de troisième cycle, sous la direction de James Zou, professeur associé de science des données biomédicales à Stanford. Son nom : The Virtual Biotech, une équipe coordonnée d'agents IA qui reproduit la structure d'une organisation de recherche thérapeutique humaine.

En haut, un agent « directeur scientifique » reçoit les questions, les délègue à des agents spécialisés par domaine — génétique statistique, analyse informatique des molécules, biologie des maladies, données cliniques — puis recompose leurs réponses. En dessous, des divisions traitent en parallèle les briques du développement d'un médicament : cibles moléculaires, sécurité, forme du traitement, conception des essais.

Vient alors la décision d'ingénierie qui porte tout le reste. Pour dépouiller la littérature, Zou aurait pu lâcher une nuée d'agents dans les dépôts d'articles scientifiques. Il a fait l'inverse : un agent, un essai clinique. Chaque agent reçoit un seul essai, en extrait les données de sécurité et d'efficacité, et rend une fiche. Plus de 37 000 agents ont fait exactement ce travail-là. Stanford parle de « 37 000 employés » ; la description technique est plus instructive — 37 000 exécutions d'une tâche étroite, identique, vérifiable.

Deux signaux que personne n'avait isolés

Le résultat de cette fourmilière : 55 984 essais annotés et analysés en moins d'une semaine, là où des humains auraient mis des années. Et ils ne s'en sont pas tenus aux résultats. Sur les essais disposant de données d'activité des gènes cellule par cellule, ils ont bâti deux systèmes de notation maison. Le premier mesure la spécificité : le médicament vise-t-il un type de cellules précis, ou arrose-t-il large ? Le second, la bimodalité : le gène visé fonctionne-t-il comme un interrupteur, allumé ou éteint, ou comme un variateur d'intensité ?

Les essais qui notaient haut sur les deux critères s'en sortaient mieux. Les médicaments visant des gènes « interrupteurs » ont 40 % de chances supplémentaires de passer de la phase I à la phase II — les deux premières étapes chez l'humain, l'une pour la tolérance, l'autre pour l'efficacité —, 48 % de chances supplémentaires d'atteindre le marché, et affichent 32 % d'effets indésirables en moins. Le motif tient sur des maladies très différentes : cancers, pathologies du cerveau, du cœur, du rein, du poumon. Un essai clinique complet coûte « des dizaines — parfois des centaines — de millions de dollars », rappelle Zou.

La validation qu'on ne peut pas fabriquer après coup

Restait la vraie question : une entreprise entièrement artificielle peut-elle concevoir un traitement utile ? Les agents se sont penchés sur B7-H3, une protéine que la cancérologie pulmonaire surveille de longue date. Ils l'ont trouvée fortement présente sur les fibroblastes — des cellules du tissu conjonctif voisines des tumeurs — qui semblent endormir les cellules immunitaires alentour et camoufler ainsi la tumeur. Leur proposition : un conjugué anticorps-médicament, soit un anticorps qui repère les cellules couvertes de B7-H3 et leur livre une charge de chimiothérapie.

Les agents n'avaient accès qu'à des informations antérieures à janvier 2025. En août 2025, une entreprise pharmaceutique privée et bien établie est arrivée indépendamment à la même stratégie ; ce traitement a ensuite obtenu de la FDA, l'agence américaine du médicament, une désignation breakthrough therapy — un statut qui accélère la mise sur le marché après démonstration d'efficacité chez l'humain.

C'est le point le plus solide du papier, et il faut le mesurer à sa juste taille : une cible, un cas. Pas la preuve que la méthode produit des médicaments à la demande — la preuve qu'elle a produit, une fois, un raisonnement que des professionnels aguerris ont tenu sans se concerter.

Ce que ça change dans votre entreprise

Vous n'avez pas 56 000 essais cliniques à dépouiller, mais probablement des mails entrants à qualifier, des devis à relancer, des factures à rapprocher. Le réflexe le plus répandu consiste à chercher « l'IA qui fait ça ». Ce papier suggère de commencer par le découpage.

Trois questions, dans l'ordre. Quelle est la plus petite unité de travail que vous pouvez décrire entièrement ? Pas « gérer les demandes clients », mais « lire ce mail et en sortir le client, la demande, l'urgence ». Qu'est-ce qui rend sa sortie vérifiable ? Un rendu qui ne se contrôle pas à l'œil en dix secondes ne passera jamais à l'échelle. Et qui recompose ? Chez Zou, l'agent directeur scientifique ; chez vous, un scénario d'automatisation — et, au début, vous.

Rien là-dedans ne relève du budget ni du choix d'un modèle : tout relève de l'analyse de votre propre travail, que nul éditeur de logiciel ne fera à votre place.

Ce que ça ne prouve pas

Aucune de ces découvertes n'a encore été testée en laboratoire. Zou l'annonce comme la suite du programme : « Notre prochaine étape est d'amener les nouvelles découvertes de la biotech virtuelle dans de vrais laboratoires et de tester combien d'entre elles tiennent dans le monde réel. » Il ajoute que les humains, l'expérimentation physique et la validation resteront toujours le canal par lequel l'IA produit un effet — ce que le résumé du papier érige en principe de conception : garder « les scientifiques humains dans la boucle ».

Lisez la formule dans les deux sens : l'humain dans la boucle n'est pas une précaution morale ajoutée à la fin, c'est ce qui rend le dispositif exploitable. Une entreprise de 37 000 agents dont personne ne vérifie les hypothèses ne produit rien du tout.

La leçon transposable tient en une ligne : la puissance ne vient pas de l'agent, elle vient de la découpe.

Sources : Hanae Armitage, « Virtual biotech company puts thousands of AI scientist agents to work on drug discovery » (Stanford Medicine News Center, 17 septembre 2026), et l'article de Zhang, Eckmann, Miao, Mahon et Zou, « The Virtual Biotech: A multi-agent AI framework for therapeutic discovery and development », Science, 17 septembre 2026. Les chiffres détaillés viennent du résumé de l'article.

Questions fréquentes