PercepticOS organise le travail des chercheurs et des agents IA autour des preuves scientifiques

PercepticOS associe chercheurs et agents IA dans un espace de recherche partagé pour analyser les hypothèses, confronter les preuves et documenter les décisions.

Dans un laboratoire pharmaceutique, une décision scientifique dépend rarement d'une seule publication ou d'un résultat expérimental. Il faut confronter des études parfois contradictoires, examiner des données internes, consulter plusieurs équipes et conserver les raisons qui ont conduit à privilégier une hypothèse. C'est ce travail que PercepticOS cherche à organiser au sein d'un environnement commun aux chercheurs et aux agents d'intelligence artificielle. La plateforme développée par Perceptic permet de décomposer une question scientifique en affirmations vérifiables, de confier la recherche de preuves à des agents autonomes et de laisser les spécialistes valider les conclusions. Déjà utilisée, selon l'entreprise, dans plusieurs groupes pharmaceutiques et sociétés de biotechnologie, elle est proposée aux équipes de recherche sur demande d'accès. Partir d'une décision plutôt que d'une conversation

La plupart des assistants IA répondent à une question en produisant un texte. Pour des travaux scientifiques complexes, ce format présente plusieurs limites : les références peuvent être difficiles à contrôler, les incertitudes se retrouvent mélangées aux conclusions et les échanges successifs ne constituent pas nécessairement un historique exploitable par une équipe.

PercepticOS organise le travail différemment. Un chercheur définit la question à résoudre, sélectionne les sources publiques ou internes pertinentes, puis choisit le modèle et le niveau d'approfondissement souhaités. Le système transforme ensuite cette question en une étude structurée, divisée en sections et en affirmations suffisamment précises pour être confrontées à des données.

Les affirmations sont reliées entre elles par des relations de dépendance. Une hypothèse biologique peut, par exemple, soutenir une proposition thérapeutique qui dépend elle-même de résultats cliniques ou de conditions de recrutement des patients. Les agents examinent séparément ces éléments et leurs relations, afin de déterminer quelles observations les soutiennent, les contredisent ou laissent subsister une incertitude.

Cette structure permet aux chercheurs de revenir sur une affirmation particulière sans reprendre l'intégralité d'une conversation. Chaque proposition conserve son état, ses sources, les réserves qui l'accompagnent et les interventions humaines ayant conduit à son évaluation. Des agents spécialisés pour explorer plusieurs hypothèses

Les agents de PercepticOS peuvent travailler sur une affirmation isolée ou sur une section complète de l'étude. Ils consultent la littérature scientifique, interrogent des bases de données et exécutent des analyses en parallèle. La plateforme annonce également une approche mêlant raisonnement déductif, à partir de l'hypothèse, et raisonnement inductif, à partir des observations disponibles.

Lorsqu'une contradiction apparaît ou que les éléments recueillis ne permettent pas de trancher, l'agent peut interrompre son travail pour solliciter un spécialiste. La question soumise à l'équipe est accompagnée des options envisagées et de leurs conséquences possibles sur la suite de l'étude. La décision humaine est ensuite conservée dans le dossier.

L'entreprise insiste sur cette répartition des responsabilités. Les agents effectuent une partie des recherches documentaires, des vérifications et des analyses, mais ils ne disposent pas de l'autorité finale pour valider une conclusion scientifique. Le statut d'une affirmation dépend de l'examen des preuves par les personnes responsables de l'étude.

PercepticOS entend ainsi répondre à un problème rencontré dans les organisations de R&D : les analyses peuvent être réparties entre plusieurs départements, logiciels et collaborateurs, sans que leurs conclusions soient réunies dans un même système. La plateforme conserve les modifications et leur justification afin que les travaux ultérieurs puissent réutiliser le contexte des études précédentes. Chaque affirmation doit pouvoir être confrontée à ses sources

L'une des fonctions centrales de PercepticOS concerne la provenance des informations. Une affirmation peut être reliée à un article scientifique, une figure précise, un extrait de publication ou un résultat expérimental interne. Les chercheurs peuvent consulter ces éléments, examiner les limites de chaque source et déterminer si les données justifient réellement la conclusion proposée.

La plateforme conserve également les preuves contradictoires. Un résultat qui ne confirme pas une hypothèse n'est pas automatiquement écarté de la synthèse. Les agents doivent présenter les accords, les désaccords et les lacunes documentaires, puis laisser les spécialistes apprécier leur importance.

Pour illustrer cette méthode, Perceptic utilise une étude consacrée à la relation entre l'hématopoïèse clonale, la signalisation de l'interleukine-6 et le risque cardiovasculaire. L'étude met en regard plusieurs publications, dont les travaux de Bick et ses collaborateurs publiés dans Circulation, afin de distinguer les associations génétiques observées des effets cliniques qu'aurait éventuellement un traitement.

Dans cet exemple, certaines données suggèrent une relation entre des variations génétiques affectant la signalisation de l'IL-6 et le risque cardiovasculaire chez des personnes présentant certaines mutations sanguines. La synthèse souligne toutefois que ces observations ne suffisent pas à démontrer qu'un médicament inhibant cette voie réduirait les événements cardiovasculaires dans cette population.

Cette étude est une démonstration illustrative de l'interface, et non le compte rendu d'une recherche clinique conduite par PercepticOS. Les personnes, les interventions et les décisions qui y apparaissent sont fictives. Les références scientifiques sont réelles, mais les questions représentées demeurent ouvertes. Des résultats supérieurs au modèle seul sur deux benchmarks

Perceptic a également évalué les performances de son système sur BioMysteryBench et DrugDiscoveryBench, deux ensembles de tâches