OpenAI Introduit MedChemBench pour les Tests de Chimie AI
MedChemBench d'OpenAI teste comment les modèles d'IA reconstruisent des structures moléculaires, utilisent des preuves expérimentales et évaluent des composés en chimie médicinale. La société a introduit le benchmark publiquement le 20 novembre 2026, comme une évaluation du raisonnement sur des problèmes de chimie médicinale.
L'évaluation est rétrospective, selon le document technique d'OpenAI daté du 9 novembre 2026. Elle s'appuie sur 117 articles et brevets pour assembler 99 problèmes impliquant 761 structures moléculaires distinctes. OpenAI déclare que les résultats n'établissent pas si les modèles peuvent découvrir de nouveaux médicaments ou améliorer les décisions en laboratoire.
La plupart des problèmes présentent un programme de développement de médicaments à un stade particulier. Les modèles reçoivent son cible biologique et ses objectifs de recherche, ainsi que des composés déjà étudiés et des données expérimentales sélectionnées. Selon le document, les résultats rapportés plus tard dans la publication sous-jacente sont exclus de l'invite mais utilisés pour préparer des réponses de référence et déterminer des scores.
L'évaluation couvre le raisonnement à partir de preuves, la reconstruction de structures, le classement ou le choix de composés, et la prédiction de propriétés moléculaires. Ses sept catégories englobent la conception moléculaire, la sécurité, la sélection de candidats, la biologie des tests, la rétrosynthèse, la prévision de l'activité structurale et l'ADME et la délivrance. Le document décrit la chimie médicinale comme nécessitant des compromis entre la puissance, la sélectivité, l'exposition, la sécurité et la facilité de synthèse d'un composé : changer une structure peut améliorer une propriété tout en en détériorant une autre.
Dans son annonce, OpenAI a rapporté que GPT-6.2 Astra a reçu 84,5 % du crédit disponible avec un raisonnement réglé sur xhigh. La comparaison incluait GPT-6.1 Sol à 82,0 %, GPT-5.6 Sol à 58,2 % et GPT-6 Astra à 83,3 %.
Les performances variaient selon la tâche. Pour GPT-6 Astra à xhigh, OpenAI a rapporté un score de reconstruction de structure égal à 95,4 % du crédit disponible. La sélection de composés et la prédiction de propriétés numériques ont chacune rapporté environ la moitié du crédit disponible pour ces tâches.
Le document technique présente un ensemble de résultats distincts. Son plus haut moyen rapporté était de 83,83 %, enregistré par GPT-6 Astra utilisant un effort maximal. Tous les onze modèles GPT évalués dans le document ont également été testés à xhigh, où leurs scores s'étendaient de 35,02 % à 83,33 %.
La description d'OpenAI limite ce que ces scores démontrent. Les modèles avaient une tentative pour chaque réponse, sans outils ni retour d'information disponibles et aucun nouvel essai réalisé. Les auteurs ont également déclaré qu'ils ne pouvaient pas exclure l'exposition pendant l'entraînement au matériel publié utilisé pour construire le benchmark.
* Cet article est basé sur des informations publiquement disponibles au moment de la rédaction.