Google DeepMind veut faire d'Antigravity, son environnement d'agents, un véritable outil pour les chimistes médicinaux. Dans un billet technique publié le 3 novembre 2026, le laboratoire présente une série de Cheminformatics Skills pour Google Antigravity, accessibles via le plugin Science de l'application, et ouvre les candidatures pour que 10 000 scientifiques profitent gratuitement pendant six mois du niveau d'utilisation le plus élevé.
Le partage des rôles est assumé. Le modèle de langage orchestre la démarche, parcourt les bases de données et raisonne sur la chimie, tandis que des outils déterministes effectuent les calculs moléculaires. Ces outils reposent sur RDKit, la bibliothèque libre de chémoinformatique développée depuis une vingtaine d'années, et l'ensemble se connecte aux bases ChEMBL et PubChem. Pour DeepMind, la chimie ne tolère aucune approximation : modifier un seul atome ou une seule liaison revient à décrire un autre composé, d'où l'idée de ne pas confier le calcul exact à la génération de texte.
Pour la démonstration, les auteurs ont choisi une technique classique de chimie médicinale, la rigidification, appliquée à deux médicaments autorisés contre le cancer du poumon. Le crizotinib, inhibiteur de kinase de première génération, compte cinq liaisons rotatives principales ; le lorlatinib, plus récent et de la même classe, est cyclisé de sorte que ses liaisons rotatives effectives tombent à zéro, ce qui contribue à une meilleure puissance. L'agent a fouillé la littérature consacrée aux deux molécules et à leurs analogues, récupéré des milliers de composés, écarté les entrées sans intérêt comme les tampons et les solvants, tracé la provenance de chacun et ouvert un visualiseur interactif croisant puissance et nombre de liaisons rotatives.
Il a ensuite conduit une analyse de paires moléculaires appariées entre versions cyclisées et non cyclisées, qui confirme la tendance attendue : moins de liaisons rotatives et, le plus souvent, davantage de puissance. Il a aussi entraîné et validé plusieurs modèles prédictifs de puissance sur quatre mesures expérimentales, avec des partitions par squelette moléculaire pour juger de leur capacité à généraliser, avant de proposer de nouveaux macrocycles rigidifiés, accompagnés de schémas réactionnels, de flèches de mouvement d'électrons et de voies de synthèse cohérentes avec des protocoles publiés. Selon DeepMind, ce cycle qui demandait plusieurs jours et une solide expertise numérique a pris une heure environ ; les résultats s'exportent vers les logiciels de chimie courants ou peuvent alimenter AlphaFold et des simulations de dynamique moléculaire.
Cette sortie prolonge la stratégie de DeepMind consistant à présenter Antigravity comme un établi scientifique plutôt que comme un simple outil de code, avec des compétences métier qui s'appuient sur les outils locaux du chercheur. Les entreprises y accèdent en se connectant avec leurs identifiants Google Cloud. L'offre gratuite est attribuée au fil de l'eau, sous réserve d'éligibilité, de capacité et de sélection.
Le billet reste prudent sur les limites. Des données clairsemées, le bruit entre essais de laboratoires différents et des plages de mesure étroites bornent la précision de tout modèle de puissance, et DeepMind rappelle que les conceptions numériques sont des hypothèses : chaque molécule proposée doit encore être synthétisée puis testée. La démonstration rejoue un succès connu au lieu de découvrir un nouveau médicament, et la durée d'une heure provient de l'essai mené par DeepMind elle-même, pas d'une évaluation indépendante.