Schrödinger a présenté Bunsen le 27 juillet, un système agentique qu’il décrit comme un co-scientifique IA pour la découverte moléculaire. Un accès anticipé est désormais ouvert à certains clients, et une sortie commerciale complète est attendue d’ici fin 2026.

Ce qu’il fait

Bunsen exécute une boucle en quatre étapes — Understand, Plan, Execute, Interpret — en orchestrant les outils de chimie computationnelle fondés sur la physique déjà existants chez Schrödinger, plutôt qu’en les remplaçant. Il repose sur le BioNeMo Agent Toolkit de NVIDIA, fonctionne sur des GPU RTX PRO 6000 Blackwell Server Edition avec l’infrastructure Google Cloud, et porte le nom de Robert Bunsen. Le directeur général, Ramy Farid, affirme qu’il « supprime les frictions du cycle de découverte ».

La section des preuves est vide

C’est le point qu’il faut énoncer clairement. L’annonce ne fournit aucun taux de réussite, aucune mesure de succès en matière de découverte, aucune comparaison directe avec des workflows pilotés par des humains, ni aucune étude de validation. Pour un produit dont l’unique promesse est d’accélérer la découverte scientifique, l’absence du moindre résultat quantitatif n’est pas une omission mineure — c’est toute la question, laissée sans réponse. « Co-scientifique IA » relève du marketing tant que quelqu’un ne publie pas un chiffre.

Ce que l’IA fait réellement

Pas la découverte de molécules. L’atout distinctif de Schrödinger a toujours été la simulation fondée sur la physique — la perturbation de l’énergie libre et des méthodes associées qui calculent l’affinité de liaison à partir des premiers principes. Bunsen est une couche de planification et d’interprétation au-dessus de ces moteurs. Le travail de découverte est toujours effectué par la physique ; l’agent décide quoi exécuter et lit les résultats. C’est une automatisation réellement utile, et une revendication bien plus étroite que ne le suggère le marketing.

Pourquoi c’est quand même notable

À cause de qui concède quoi. Schrödinger a bâti son activité en défendant l’idée que la simulation surpasse le machine learning pour la prédiction moléculaire. En enveloppant cette pile dans un agent, l’entreprise reconnaît que l’interface de la chimie computationnelle — décider quels calculs lancer, dans quel ordre, et ce que les résultats signifient — est désormais le goulot d’étranglement, plutôt que les calculs eux-mêmes.