Opentrons accélère l’essor de la robotique de laboratoire alimentée par l’intelligence artificielle grâce à une collaboration stratégique avec NVIDIA. Cette alliance permet d’intégrer les plateformes logicielles d’IA physique NVIDIA Isaac et NVIDIA Cosmos au réseau mondial de plus de 10 000 robots de laboratoire d’Opentrons. Cette synergie vise à développer des modèles d’IA physique capables d’apprendre directement à partir d’expérimentations biologiques réelles, en fermant ainsi le cercle entre conception numérique et validation expérimentale. Opentrons dispose d’un atout unique : un réseau de robots déployés à grande échelle dans des universités de recherche de premier plan et des entreprises biopharmaceutiques mondiales, combiné à une expertise approfondie des protocoles expérimentaux sur ses propres plateformes et des instruments tiers. En associant cette infrastructure physique à l’IA de NVIDIA, l’entreprise parvient à réduire la fracture entre simulation et réalité, intégrant progressivement l’IA physique dans les flux de travail courants des laboratoires. Le cadre fondamental de cette avancée repose sur BioNeMo, la plateforme d’IA de NVIDIA dédiée à la découverte biologique, qui fournit les outils nécessaires pour former et déployer des modèles d’IA. À cela s’ajoute le pilier physique d’Opentrons : une couche d’exécution standardisée qui garantit la reproductibilité des expériences, essentielle pour former des systèmes d’IA robustes capables de fonctionner dans des environnements de laboratoire diversifiés. Jusqu’à présent, l’IA dans la découverte de médicaments s’est principalement limitée à des tâches prédictives — conception de molécules, identification de cibles, analyse de données. L’exécution expérimentale est désormais le goulot d’étranglement principal. En standardisant les protocoles expérimentaux et en générant des données de haute qualité à partir des opérations réelles des laboratoires, Opentrons permet aux systèmes d’IA d’apprendre en continu à partir des résultats du « labo humide ». « Nous imaginons un avenir où l’IA physique rend possible l’exécution autonome des expériences dans tous les laboratoires », déclare James Atwood, PDG d’Opentrons. « Les modèles d’IA proposent une hypothèse, conçoivent un protocole, nos robots l’exécutent. Les résultats sont ensuite renvoyés à l’IA dans une boucle fermée, qui affine progressivement l’expérience. Lorsque ce cycle s’effectue à grande échelle, dans des milliers de laboratoires, les délais de découverte passent de plusieurs années à quelques semaines. » Stacie Calad-Thomson, responsable du développement commercial pour les secteurs de la santé et des sciences de la vie en Amérique du Nord chez NVIDIA, souligne : « Connecter les modèles computationnels à la validation expérimentale est essentiel pour accélérer la découverte médicamenteuse pilotée par l’IA. Grâce à NVIDIA, Opentrons fournit l’infrastructure physique standardisée qui transforme les conceptions expérimentales en résultats cohérents et reproductibles — une condition indispensable pour former des modèles d’IA physique capables de s’adapter à divers environnements de laboratoire. » Opentrons conçoit des robots de laboratoire capables d’automatiser des workflows variés, allant de la découverte d’anticorps à la protéomique et à la génomique. Ses systèmes sont présents dans chacune des 20 meilleures universités américaines et dans 14 des 15 plus grandes entreprises biopharmaceutiques mondiales, ce qui en fait le plus grand réseau standardisé de robotique de laboratoire au monde. La collaboration entre Opentrons et NVIDIA sera présentée lors de la conférence SLAS International Conference and Exhibition, du 9 au 11 février 2026 à Boston. Une session conjointe, intitulée « Opentrons × NVIDIA : Vers une robotique de laboratoire pilotée par l’IA physique », explorera la convergence entre la planification par IA et l’exécution robotique, permettant à des systèmes de concevoir, exécuter et apprendre de leurs propres expériences. Immédiatement après la présentation, des représentants de NVIDIA rejoindront Opentrons au stand #917 pour répondre aux questions des scientifiques et proposer une nouvelle initiative permettant aux chercheurs de contribuer à l’entraînement d’IA pour la science via leurs propres données expérimentales.