Thérapie génique sur des souris : trois IA, et pas un point d’accord

« Entamer sur un animal anesthésié ce que je ne pourrai pas terminer, c’est pire que de ne pas commencer. » Voilà ce qu’a répondu Claude Opus 5, l’une des versions de l’IA d’Anthropic, quand on lui a demandé d’injecter une thérapie génique dans le cerveau d’une souris vivante. Il avait pourtant répété toute la procédure sur de l’eau et du papier millimétré. Face à la vraie souris, il s’est arrêté. La version la plus récente et la plus puissante, Opus 5.5, « a refusé immédiatement en détectant de la bio », a écrit l’expérimentateur. Autrement dit, elle a fait marche arrière dès qu’elle a vu qu’il s’agissait de biologie. La tâche est revenue à une troisième version, plus modeste, Claude Sonnet 5, qui l’a menée jusqu’au bout.

Gabriel Ocana-Santero, PDG et cofondateur de la start-up Exin Therapeutics et doctorant à Oxford, a raconté l’expérience sur X le 28 octobre 2026. Deux jours plus tard, il a renouvelé l’expérience avec des modèles d’OpenAI et de xAI, chacun sur sa propre souris. Tous ont reçu la même consigne. Ils en sont revenus avec trois médicaments, trois mécanismes et trois zones du cerveau différents.

Qu’a-t-on laissé décider à la machine, au juste ?

Exin développe des médicaments pour le cerveau et commence par l’épilepsie. L’agent a reçu un tableur listant 19 thérapies géniques possibles, une souris d’une lignée sélectionnée pour faire des crises d’épilepsie et un banc artisanal à base d’Arduino, avec moteurs et caméras. Les consignes se résumaient à un objectif : réduire les crises tonico-cloniques, celles où le corps se raidit avant d’être secoué de convulsions.

Ensuite, selon le résumé du fil publié par The Decoder, l’agent a travaillé seul. Il a choisi une thérapie qui renforce les freins du cerveau, au premier rang desquels une molécule appelée GABA. Comme cible, il a retenu le cortex entorhinal latéral, une petite zone de tissu voisine de l’hippocampe où, d’après les études publiées, ces crises démarrent chez ce type de souris. L’agent a fait la moyenne des coordonnées de trois articles au centième de millimètre près, et l’aiguille est descendue à 4,3 mm de profondeur. Il a aussi fixé le volume et la vitesse : 250 nanolitres, environ un deux-centième d’une goutte de compte-gouttes, injectés en cinq minutes. Au fil de l’injection, il a consulté la caméra 32 fois et envoyé des points d’étape : « 37,5 nL sur 250 pour l’instant, environ 15 %. Aucun saignement ni reflux visible à l’ouverture. »

Les humains ne manquaient pas dans la pièce. Un vétérinaire a ouvert le crâne, une opération appelée craniotomie, et recousu l’incision à la fin. Il a validé séparément chaque action irréversible et tenait un interrupteur physique qui coupait l’alimentation de tous les moteurs. Des limites strictes plafonnaient la course de l’aiguille et le volume injecté, et l’agent n’avait pas accès au code du banc. Personne n’a eu à se servir de ce coupe-circuit.

Pourquoi l’agent n’a-t-il pas écouté le fondateur ?

Trente-quatre millimètres, sur un banc dont la course n’en dépasse pas 30. Voici comment ce chiffre est apparu en pleine opération. D’abord, la connexion avec le banc a sauté, exactement ce que craignait Opus 5 : un agent déconnecté en plein milieu aurait pu laisser une souris le crâne ouvert, une aiguille dans le cerveau. La liaison est revenue, mais le banc s’obstinait à affirmer que l’aiguille se trouvait à 34 mm du zéro.

L’agent n’y a pas cru. « Rien n’a bougé, l’aiguille est toujours exactement au zéro du bregma », a-t-il répondu. Le bregma est le repère du crâne à partir duquel les neurochirurgiens prennent leurs mesures. Selon l’agent, cela ressemblait à un problème d’étalonnage plutôt qu’à une erreur de plan, et il refusait de retenter le mouvement. L’équipe a réinitialisé le banc, et le même chiffre est réapparu. « Je ne tenterai pas une troisième fois », a déclaré l’agent.

Ocana-Santero l’a pressé de continuer, sans parvenir à le faire changer d’avis.

Et l’agent avait raison. Pendant une pause précédente, quelqu’un avait déplacé le banc à la main, et le contrôleur ne savait plus où il se trouvait. L’agent ne pouvait pas corriger cela lui-même, puisqu’il lui était interdit de modifier le code du banc. La souris est donc restée sous anesthésie pendant que les humains rafistolaient le logiciel. « Expérience frustrante, mais qui montre aussi à quel point nous pouvons finir par dépendre de ces modèles », a écrit le fondateur après coup.

C’est une arme à double tranchant. L’agent ne s’est pas braqué sur un coup de tête. Il a repéré ce qui avait échappé aux humains et refusé d’agir à l’aveugle. Mais le même entêtement pourrait tout aussi bien bloquer une intervention le jour où c’est l’humain qui a raison. Sonnet 5 a accepté de travailler là où Opus 5 avait refusé, et au moment critique, il a lui aussi choisi de s’arrêter. Trois modèles d’une même entreprise ont tracé la limite à trois endroits différents.

Qu’ont choisi GPT et Grok ?

Le vendredi 30 octobre, Ocana-Santero a décrit la deuxième manche. Mêmes 19 thérapies, même type de souris, même banc, même objectif. Les modèles ne se sont entendus sur presque rien.

Les doses variaient du simple au double d’un modèle à l’autre. « Les trois ont choisi des thérapies différentes, des mécanismes différents et des zones du cerveau différentes », a résumé Ocana-Santero. Plusieurs approches pourraient fonctionner, a-t-il ajouté, mais elles ne peuvent pas toutes être la meilleure pour un même problème.

C’est le premier enseignement de l’affaire, et il ne concerne pas la chirurgie. Aucun des trois agents n’avait de formation de chirurgien ni d’exemples à imiter. Chacun a lu la littérature de bonne foi et bâti son propre plan de traitement. Personne ne sait si le même modèle ferait le même choix lors d’un second essai. Si ce n’est pas le cas, le « meilleur » traitement dépend en partie du hasard. Les médecins aussi se disputent sur l’endroit à viser dans l’épilepsie, mais un médecin a une autorisation d’exercer, un parcours vérifiable, et il répond de ses erreurs. Un agent, lui, a une chaîne de raisonnement, qu’il vous montre sur demande.

Le traitement a-t-il aidé les souris ?

On ne le sait pas encore. La souris opérée par Claude s’est bien rétablie, selon le fondateur, et les autres sont encore en convalescence. L’équipe suivra le comportement et l’activité cérébrale de chaque souris dans les semaines qui viennent. Ce n’est qu’alors qu’on saura si l’une d’elles fait moins de crises.

Ocana-Santero demande lui-même de ne pas y voir une compétition entre modèles : « Prenez cela comme un commentaire sur la façon dont les modèles raisonnent et se comportent dans un vrai laboratoire, pas comme un benchmark en bonne et due forme. » Chaque modèle a eu une seule souris, et chaque opération a connu ses propres accrocs. Il n’y a pas encore d’article relu par des pairs, seulement la promesse d’un rapport technique. Tout ce que l’on sait vient du fondateur de la start-up, qui a tout intérêt à raconter une belle histoire.

Le titre de The Decoder sur une chirurgie « sans aucune décision humaine » mérite la même prudence. L’agent a bien pris seul les décisions de traitement. Mais c’est un humain qui a ouvert le crâne, un humain qui a validé chaque étape irréversible, et quand le code du banc a lâché, un humain qui l’a réparé.

Est-ce la première fois qu’une machine choisit l’opération ?

Des robots ont déjà incisé et suturé en autonomie. En juillet 2025, le système SRT-H de l’université Johns Hopkins a réalisé seul huit ablations de la vésicule biliaire, mais sur un modèle anatomique réaliste et non sur un corps vivant. Même là, c’est un humain qui avait décidé quoi opérer et pourquoi. Le robot exécutait une procédure connue.

D’après Ocana-Santero, c’est la première fois qu’une machine choisit seule un traitement et une cible dans le cerveau, puis l’administre à un mammifère vivant. C’est lui qui l’affirme, et personne ne l’a vérifié de façon indépendante. Exin appelle cette approche « in vivo lab in the loop » : l’agent est placé au cœur d’un cycle d’expériences sur des animaux vivants. L’entreprise prévoit de brancher des agents sur d’autres équipements, de l’enregistrement des signaux cérébraux aux tests de comportement. Dans cette boucle, l’agent conçoit l’expérience, lit les résultats et décide de la suite.

Les modèles ne se sont pas seulement divisés sur le traitement, mais aussi sur le moment de freiner. Opus 5 s’est arrêté avant même de commencer. Sonnet s’est arrêté aux 34 mm impossibles et a sauvé l’opération. GPT s’est arrêté pour une fausse alerte, une goutte de sang dans la norme, et Grok, après la fausse manœuvre de quelqu’un d’autre sur le bouton stop. Dès lors qu’un agent conçoit l’expérience et décide de la suite, qui fixe les règles lui indiquant où s’arrêter, et qui les teste avant l’opération plutôt que sur une souris vivante ?