Llamole, l’IA qui aide à concevoir des molécules plus faciles à synthétiser

Imaginer une molécule qui possède les bonnes propriétés, puis déterminer comment la fabriquer, ressemble à la résolution simultanée de plusieurs problèmes. Il faut viser l’activité ou la caractéristique recherchée, vérifier que la structure est plausible, et s’assurer que les matières premières et les étapes de synthèse existent réellement. Des chercheurs du MIT et du MIT-IBM Watson AI Lab proposent de confier une part de ce raisonnement à une IA hybride, baptisée Llamole, qui relie le langage naturel à la représentation graphique des molécules.

L’ambition n’est pas de remplacer les chimistes, ni de déclarer qu’un médicament peut être découvert par une simple instruction écrite. Elle consiste à accélérer une étape particulièrement coûteuse de la recherche : la sélection et la conception de candidats moléculaires. Dans les expériences présentées par l’équipe, cette approche multimodale a fait passer un taux de succès de 5 % à 35 % face à des méthodes reposant sur des LLM existants. Un résultat prometteur, mais qui concerne un cadre expérimental précis et ne dispense jamais des essais en laboratoire.

Pourquoi découvrir une nouvelle molécule prend autant de temps

Qu’il s’agisse de mettre au point un principe actif pharmaceutique ou un matériau aux propriétés particulières, les chercheurs font face à un espace de possibilités gigantesque. Une molécule est formée d’atomes reliés par des liaisons, organisés selon une structure qui détermine son comportement. Modifier un atome, une liaison ou un groupe chimique peut changer radicalement ses propriétés.

La difficulté ne se limite pas à trouver une structure théoriquement intéressante. Pour devenir un candidat utile, une molécule doit répondre à plusieurs contraintes à la fois. Dans le cas d’un médicament, il peut s’agir de son interaction attendue avec une cible biologique, de sa stabilité ou de sa capacité à atteindre la zone du corps visée. Pour un matériau, on pourra rechercher d’autres caractéristiques, comme une propriété électrique, mécanique ou thermique.

Vient ensuite la question pratique : peut-on fabriquer cette molécule ? Une structure séduisante sur un écran ne vaut pas grand-chose si sa synthèse exige des réactions irréalistes, des ingrédients introuvables ou un trop grand nombre d’étapes. Les chimistes utilisent pour cela la rétrosynthèse, une méthode qui part de la molécule cible et remonte vers des précurseurs plus simples, jusqu’à retrouver des composés accessibles.

Ce processus mobilise des compétences en chimie, en calcul, en analyse de données et en expérimentation. Il peut nécessiter des ressources informatiques importantes et plusieurs mois de travail humain pour réduire le nombre de candidats à examiner. C’est dans cette phase de tri et de planification que l’IA pourrait apporter une aide significative.

Pourquoi un LLM seul ne comprend pas naturellement la chimie

Les grands modèles de langage, ou LLM, sont entraînés à repérer des régularités dans d’immenses volumes de textes. Ils savent reformuler une demande, résumer une publication ou suivre des consignes complexes en langage courant. Cette capacité est utile pour interpréter une requête telle que : « Je cherche une molécule qui réponde à telles propriétés. »

Mais les molécules ne sont pas des phrases. Elles se décrivent plus naturellement comme des graphes : les atomes constituent les nœuds, les liaisons chimiques les arêtes qui les relient. Cette représentation n’est pas simplement une image pratique. Elle contient l’information structurelle nécessaire pour raisonner sur l’assemblage de la molécule et, en partie, sur ses propriétés.

Un LLM traite principalement des séquences de jetons, c’est-à-dire de petits fragments de texte. Il peut apprendre des notations chimiques ou produire des descriptions convaincantes, mais son fonctionnement n’est pas optimisé pour préserver la logique spatiale et relationnelle d’un graphe moléculaire. Il risque alors de proposer une structure inadaptée ou un enchaînement de synthèse difficile à réaliser.

À l’inverse, les modèles d’apprentissage automatique fondés sur les graphes sont spécifiquement conçus pour manipuler les relations entre atomes et liaisons. Leur faiblesse est ailleurs : ils demandent souvent des entrées structurées et techniques, peu intuitives pour un chercheur souhaitant formuler son besoin avec des mots.

La solution explorée au MIT consiste donc à répartir les rôles. Le modèle de langage comprend l’objectif formulé en langage naturel. Les modules de graphes prennent le relais lorsqu’il faut générer une structure moléculaire ou en prédire certaines propriétés. Le système réunit ainsi le dialogue humain-machine et le raisonnement adapté aux structures chimiques.

Comment Llamole relie texte, graphes et synthèse

Le nom Llamole signifie large language model for molecular discovery, soit un grand modèle de langage dédié à la découverte moléculaire. Son principe central est d’intégrer dans un même système trois formes d’information : le texte, les graphes moléculaires et les étapes de synthèse.

Le point de départ est une requête en langage naturel. Le LLM identifie les propriétés que l’utilisateur souhaite obtenir, puis le système peut appeler les outils spécialisés nécessaires. Les chercheurs décrivent ce passage par un mécanisme de « trigger token », un jeton qui signale au modèle qu’il doit activer un module particulier. Autrement dit, l’IA ne tente pas de tout faire avec des mots : elle sait quand passer la main à une brique conçue pour dessiner ou évaluer une molécule.

Cette orchestration permet à Llamole de faire des allers-retours entre ses composantes. Le système peut générer une structure répondant aux critères demandés, fournir une description textuelle de sa logique et proposer un plan de synthèse. Dans l’idéal, le chercheur ne reçoit donc pas seulement un résultat brut, mais un ensemble cohérent associant objectif, proposition moléculaire et manière d’envisager sa fabrication.

Des résultats encourageants, dans un cadre expérimental à préciser

Dans les expériences portant sur la conception de molécules ciblées, Llamole a dépassé des modèles standards et spécialisés, selon l’équipe de recherche. Le chiffre le plus marquant est le passage d’un taux de succès de 5 % à 35 % par rapport aux approches LLM existantes évaluées dans cette étude.

Cette progression est attribuée à l’usage conjoint du texte et des graphes. En combinant les deux, le système produit plus souvent des molécules qui correspondent aux spécifications indiquées par l’utilisateur. Les chercheurs rapportent aussi de meilleurs résultats pour les plans de rétrosynthèse. Ils l’expliquent par une qualité supérieure des structures générées, qui seraient plus simples à assembler.

Il faut néanmoins interpréter ces résultats avec rigueur. Un taux de succès dans un protocole de recherche ne préjuge pas de la probabilité qu’un candidat devienne un médicament commercialisé ou un matériau industriel. Entre la proposition informatique et une application réelle s’intercalent des validations expérimentales, des contraintes de production, et, dans le cas de la santé, des évaluations scientifiques et réglementaires particulièrement longues.

Pourquoi les données restent le nerf de la guerre

Pour entraîner leur approche, les chercheurs ont dû créer deux nouveaux ensembles de données. Les jeux existants ne contenaient pas assez d’informations pour relier efficacement descriptions en langage naturel, structures moléculaires et informations nécessaires au modèle. L’équipe a donc enrichi des milliers de molécules brevetées avec des descriptions en langage naturel générées par IA.

Ce travail illustre une réalité souvent moins visible que les démonstrations de modèles : les performances d’une IA dépendent fortement de la qualité, de la diversité et de la structure de ses données d’entraînement. En chimie, les données peuvent être incomplètes, difficiles à harmoniser ou exprimées dans des formats hétérogènes. Une base rassemblant une structure et une explication textuelle ouvre de nouvelles possibilités, mais exige aussi un contrôle attentif de la pertinence des annotations produites.

En avril 2025, Llamole demeure par ailleurs limité à dix propriétés moléculaires numériques. Cette limite rappelle qu’il s’agit d’un travail de recherche et non d’une plateforme universelle prête à traiter toutes les questions de chimie. Étendre le système à davantage de propriétés, y compris des informations plus variées et plus complexes, fait partie des pistes envisagées par les chercheurs.

De futurs médicaments aux matériaux, quelles applications envisager ?

Une méthode capable de transformer une demande formulée en langage courant en propositions moléculaires pourrait intéresser plusieurs secteurs. L’industrie pharmaceutique cherche en permanence à réduire le temps consacré aux premières phases de découverte. Une IA capable de générer des candidats plus proches des contraintes de synthèse pourrait aider les équipes à concentrer leurs expériences sur des pistes mieux documentées.

Le même raisonnement vaut pour les matériaux. La conception de nouvelles molécules ou structures peut viser une propriété recherchée pour l’énergie, l’électronique, la fabrication ou d’autres applications industrielles. Le bénéfice potentiel n’est pas seulement la vitesse : c’est aussi la possibilité d’explorer plus systématiquement des combinaisons que des équipes humaines n’auraient pas eu le temps d’examiner.

Michael Sun, étudiant diplômé au MIT et co-auteur de ces travaux, évoque une perspective où un LLM pourrait automatiser une plus grande partie de la conception et de la fabrication moléculaires. Dans cette vision, l’IA servirait de copilote scientifique : elle interpréterait les objectifs, proposerait des candidats, expliciterait ses choix et préparerait les étapes suivantes pour les chercheurs.

Mais l’automatisation complète reste un horizon, pas une réalité établie. La synthèse chimique peut réserver des surprises, les prédictions peuvent être erronées, et l’interprétation scientifique nécessite un regard expert. Le rôle des chimistes resterait décisif pour définir les bonnes questions, évaluer les compromis et valider les résultats dans le monde réel.

Ce qu’il faut surveiller

La recherche autour de Llamole dépasse potentiellement la chimie. Les auteurs envisagent d’appliquer ce type d’architecture multimodale à d’autres données représentées sous forme de graphes. Parmi les exemples cités figurent des capteurs interconnectés dans un réseau électrique ou des transactions sur un marché financier. Dans chacun de ces cas, les relations entre les éléments comptent autant que les éléments eux-mêmes.

La question centrale sera celle de la fiabilité. Un système utile à la science doit non seulement générer une réponse, mais aussi produire des résultats vérifiables, expliquer ses choix dans une mesure exploitable et signaler ses incertitudes. La capacité de Llamole à associer une structure, une description et un plan de synthèse va dans ce sens, sans résoudre à elle seule le problème.

Il faudra aussi suivre l’élargissement des propriétés prises en charge, la qualité des jeux de données et les validations expérimentales des molécules proposées. Si ces conditions sont réunies, les modèles de langage pourraient devenir des interfaces de plus en plus naturelles vers des outils scientifiques spécialisés. Leur véritable révolution ne serait alors pas de « connaître » toute la chimie, mais de rendre les méthodes de conception moléculaire plus accessibles, plus rapides et mieux intégrées au travail des laboratoires.