Benchling accélère les découvertes scientifiques avec Claude in Amazon Bedrock

Benchling, une plateforme de R&D de premier plan spécialisée dans les biotechnologies, utilise Claude in Amazon Bedrock pour intégrer des agents IA directement dans les flux de travail scientifiques, automatisant ainsi les tâches fastidieuses et accélérant l'innovation des chercheurs travaillant avec des données biologiques complexes.

Avec Claude, Benchling :

• permet aux scientifiques de gagner jusqu'à deux semaines de transformation de données complexes avec Data Entry Assistant
• améliore la qualité des données et la reproductibilité des expériences avec Notebook Check
• accélère les réponses aux questions scientifiques avec SQL Assistant, qui ne prennent désormais que quelques secondes, et non plus quelques heures

Intégrer l'IA dans le travail scientifique quotidien

Développer une IA efficace dans les sciences de la vie est un défi particulièrement difficile. Les données biologiques sont fragmentées, très spécialisées et criblées de complexité. Les flux de travail scientifiques sont nuancés et souvent opaques pour les machines. Les préoccupations liées à la propriété intellectuelle sont importantes. Pourtant, le potentiel est énorme : des modèles d'IA capables d'analyser des données scientifiques, de rédiger des dossiers réglementaires ou de générer de nouvelles hypothèses pour suggérer de nouvelles orientations de recherche.

C'est précisément l'environnement pour lequel Benchling a été conçu. En tant que plateforme R&D spécialisée dans les biotechnologies, Benchling est intégrée au travail quotidien des scientifiques : gestion des données, documentation des expériences, réalisation d'analyses et stimulation de la collaboration. Désormais, avec Claude in Amazon Bedrock, Benchling intègre des agents IA directement dans ces flux de travail afin d'automatiser les tâches fastidieuses, d'accélérer l'innovation et d'établir une nouvelle norme pour l'IA dans la science.

« Les scientifiques consacrent jusqu'à 25 % de leur temps à la capture et à l'agrégation de données », explique Ashu Singhal, cofondateur de Benchling. « Un temps qui pourrait être consacré à la vraie recherche scientifique ». Que ce soit dans les universités ou dans les entreprises biopharmaceutiques avancées, les chercheurs transcrivent encore les résultats manuellement, agrègent les données dans des feuilles de calcul et vérifient méticuleusement les analyses ligne par ligne, tâches qui pourraient être automatisées avec la solution d'IA appropriée.

Pourquoi Benchling a choisi Claude in Amazon Bedrock

Benchling a choisi Claude in Amazon Bedrock après une évaluation rigoureuse, à l'aide de bancs d'essai spécifiques au domaine et de données et de flux de travail scientifiques réels. Claude 3.7 Sonnet a toujours surpassé les autres modèles en matière de précision, de flexibilité et de compréhension du contenu scientifique.

« Lorsque nous avons testé différents modèles sur des documents scientifiques complexes, Claude 3.7 Sonnet a pu comprendre et extraire les données de formats de fichiers compliqués. Il a pu gérer des transformations complexes qui dépassaient les capacités des autres modèles », explique Ashu Singhal.

La sécurité était tout aussi importante pour les clients de Benchling. Les entreprises des sciences de la vie confient à Benchling leurs propriétés intellectuelles les plus précieuses : les molécules et leurs données associées. Benchling étant basé sur l'infrastructure Amazon Web Services (AWS), l'utilisation de Claude in Amazon Bedrock offrait des avantages essentiels en matière de sécurité en maintenant l'IA dans l'environnement sécurisé AWS.

« La possibilité d'utiliser des modèles qui restent dans le cloud AWS, sécurisés de la même manière que le reste de notre produit, augmente considérablement le niveau de confiance de nos clients dans l'adoption de l'IA », explique Ashu Singhal. Cette approche de la sécurité, fluide et intégrée, répond aux préoccupations des entreprises des sciences de la vie concernant la protection des données, qui ont historiquement entravé l'adoption de nouveaux services d'IA pour le traitement de leurs données sensibles.

Comment Claude transforme les flux de travail scientifiques

Benchling a lancé trois assistants IA alimentés par Claude, chacun ciblant un point critique de la recherche scientifique :

• Data Entry Assistant : transforme les données non structurées issues de rapports d'étude ou de fichiers d'instruments en enregistrements structurés consultables. Cela permet de gagner du temps par étude, de réduire les erreurs de transcription et de convertir les documents déconnectés en données utilisables. « Les transcriptions des données d'étude externes comportent presque toujours des erreurs », explique Ashu Singhal. L'automatisation de ce processus avec Claude permet à Benchling de réduire considérablement ces erreurs.
• Notebook Check : automatise le processus d'examen initial de la documentation scientifique, en identifiant les erreurs et les données manquantes avant que les évaluateurs humains ne les voient. Plus de 100 organisations utilisent cette fonctionnalité pour accélérer les examens tout en détectant des erreurs qui, sans cela, passeraient inaperçues.
• Assistant SQL : permet aux scientifiques de générer des requêtes de base de données et des tableaux de bord en anglais simple. Cela aide les équipes, en particulier celles disposant d'une expertise technique limitée, à découvrir les informations exploitables enfouies dans leurs données.

Améliorer la qualité de la recherche et accélérer la découverte

Les assistants Benchling fonctionnant sous Claude transforment la manière dont la recherche scientifique est menée. Au-delà du simple gain de temps, ces outils améliorent fondamentalement la qualité de la recherche en réduisant les erreurs et en normalisant les données. Par exemple, en automatisant la transcription manuelle des données, processus notoirement connu pour introduire des erreurs, Data Entry Assistant aide à éviter les erreurs qui se répercuteraient tout au long du processus de recherche.

« La science consiste en grande partie à répondre aux questions que soulèvent les données », explique Ashu Singhal. Lorsque les informations sont organisées automatiquement dans des formats standardisés, les chercheurs peuvent étudier les relations auparavant cachées dans des documents déconnectés, comme la corrélation exacte entre la formulation et l'efficacité du médicament dans plusieurs études.

L'impact s'étend au-delà des scientifiques pour toucher des organisations entières. Les formats de données standardisés, une meilleure documentation et les contrôles qualité automatisés permettent aux équipes de collaborer plus efficacement et de s'appuyer sur le travail des uns et des autres avec plus de confiance. Cela crée un effet combiné : non seulement les expériences individuelles évoluent plus rapidement, mais les connaissances collectives de l'organisation se développent plus rapidement et de manière plus fiable.

En éliminant les frictions liées aux flux de travail manuels et à l'éparpillement des données, Benchling et Claude aident les équipes de recherche à se concentrer sur ce qu'elles font le mieux : faire progresser les découvertes scientifiques.

Construire un avenir où l'IA accélère les avancées scientifiques

Benchling envisage un avenir où l'IA change fondamentalement la manière dont les recherches scientifiques sont menées. Sa vision s'étend au-delà de l'automatisation des tâches de routine et vise à créer des systèmes d'IA capables de concevoir des expériences, de guider la collecte de données et d'optimiser les protocoles en temps réel.

« Les cas d'usage scientifiques pousseront les modèles d'IA de manière unique », explique Ashu Singhal. « Ils comptent parmi les problèmes de raisonnement les plus difficiles qui soient, et leur résolution définira la prochaine génération de l'IA ».

En travaillant avec Anthropic et AWS, Benchling vise à créer des systèmes d'IA qui comprennent vraiment le processus scientifique et peuvent contribuer de manière significative à la recherche. L'objectif n'est pas de remplacer les scientifiques, mais d'amplifier leurs capacités, en les aidant à établir des liens entre de vastes ensembles de données, à générer de nouvelles hypothèses et, en fin de compte, à accélérer le rythme des découvertes.

La mission de Benchling reflète l'urgence du progrès scientifique. En transformant la façon dont les chercheurs interagissent avec leurs données et en améliorant la prise de décision scientifique, Benchling et Claude visent à aider les patients qui en ont le plus besoin à accéder aux traitements qui changeront leur vie.