Une équipe de chercheurs de l'École polytechnique fédérale de Lausanne (EPFL), dirigée par Philippe Schwaller et dont la première auteure est Andres M. Bran, a développé une nouvelle approche pour la conception de molécules en chimie. Cette innovation, baptisée Synthegy, utilise des modèles de langage (LLM) non pas pour générer directement des structures chimiques, mais pour agir comme des moteurs de raisonnement évaluant et guidant les outils informatiques existants. La conception de molécules, essentielle pour la création de médicaments et de matériaux avancés, fait face à deux défis majeurs. Le premier est la rétrosynthèse, qui consiste à déterminer la séquence de réactions nécessaires pour construire une molécule cible à partir de précurseurs plus simples. Le second est la compréhension des mécanismes réactionnels, soit la façon dont les électrons se déplacent au cours d'une réaction. Traditionnellement, les méthodes computationnelles peinent à reproduire l'intuition et le raisonnement stratégique des chimistes expérimentés, limitant leur capacité à identifier les voies les plus plausibles. Le cadre Synthegy résout ces problèmes en combinant des algorithmes de recherche établis avec une intelligence artificielle capable d'interpréter des stratégies chimiques exprimées en langage naturel. Contrairement aux outils précédents qui reposaient sur des filtres complexes et des règles rigides, Synthegy permet aux chimistes de communiquer directement avec le système par des instructions simples. Par exemple, un chercheur peut demander la formation précoce d'un cycle spécifique ou l'évitement de groupes protecteurs inutiles. Une fois la requête formulée, le logiciel de rétrosynthèse génère plusieurs routes potentielles. Chaque route est ensuite traduite en texte et analysée par le modèle de langage. Celui-ci évalue dans quelle mesure chaque voie correspond aux objectifs de l'utilisateur, attribue des scores et explique son raisonnement. Cette méthode permet aux chercheurs de classer et de filtrer efficacement les candidats, en se concentrant sur les stratégies qui répondent le mieux à leurs besoins stratégiques. Le système fonctionne de manière similaire pour l'analyse des mécanismes réactionnels. Il décompose les réactions en mouvements élémentaires d'électrons et explore différentes possibilités. Le modèle de langage évalue chaque étape pour orienter la recherche vers des mécanismes chimiquement plausibles, en intégrant également des informations textuelles sur les conditions de réaction ou des hypothèses d'experts. Des études en aveugle menées auprès de 36 chimistes ont démontré l'efficacité de l'outil. Sur 368 évaluations valides, les jugements humains ont aligné leurs verdicts avec les évaluations du système Synthegy à 71,2 % de la moyenne. L'algorithme a ainsi prouvé sa capacité à détecter les étapes protectrices superflues, à évaluer la faisabilité des réactions et à privilégier les voies les plus efficaces. Les résultats montrent que les modèles de langage peuvent analyser la chimie à différents niveaux, de la fonctionnalité des groupes individuels à l'évaluation de l'ensemble des voies de synthèse. Cette approche redéfinit le rôle de l'intelligence artificielle dans la recherche chimique. En positionnant les LLM comme évaluateurs plutôt que comme générateurs, Synthegy permet aux scientifiques d'exprimer leurs objectifs en langage clair et d'obtenir des solutions stratégiquement pertinentes. Les chercheurs estiment que cette technologie pourrait accélérer la découverte de médicaments, améliorer la conception des réactions et rendre les outils computationnels avancés plus accessibles. L'innovation comble également le fossé traditionnel entre la planification de la synthèse et la compréhension des mécanismes, offrant une interface unifiée pour le développement de nouveaux composés.