OpenAI a présenté le 20 novembre 2026 MedChemBench, un banc d'essai qui vérifie si des modèles d'IA savent raisonner comme des chimistes médicinaux. L'ensemble de tâches s'appuie sur la recherche publiée : 99 problèmes tirés de 117 articles et brevets, couvrant 761 structures moléculaires distinctes. Chaque problème donne au modèle le contexte disponible à un moment d'un projet de découverte de médicaments, comme la cible biologique, les objectifs des chercheurs, les composés déjà étudiés et certains résultats expérimentaux.
La chimie médicinale est difficile à automatiser, car améliorer une propriété d'une molécule en dégrade souvent une autre. Un composé peut agir fortement sur une protéine liée à une maladie tout en étant mal absorbé ou détruit trop vite par l'organisme. OpenAI estime qu'une aide utile de l'IA doit donc relier les changements de structure aux preuves expérimentales et juger quels composés méritent d'être fabriqués ensuite.
Le banc d'essai note quatre aptitudes : reconstruire des structures moléculaires avec les bonnes liaisons entre atomes et la bonne stéréochimie, fournir des explications scientifiques appuyées sur les données fournies, classer et choisir des composés, et prédire des propriétés numériques par rapport aux valeurs rapportées dans les sources. Les prédictions reçoivent un crédit partiel selon leur proximité avec la mesure. Un exemple concerne des inhibiteurs de PRMT5, une protéine étudiée en recherche contre le cancer : le modèle doit prédire le comportement de trois composés voisins selon trois propriétés, et une expérience ultérieure a révélé un compromis entre puissance et perméabilité.
Pour le résultat principal, OpenAI indique que GPT-6.2 Astra a obtenu 84,5 % du crédit disponible au niveau de raisonnement xhigh, contre 83,3 % pour GPT-6 Astra, 82,0 % pour GPT-6.1 Sol et 58,2 % pour GPT-5.6 Sol. Onze modèles GPT ont été évalués à plusieurs niveaux de raisonnement : les niveaux élevés améliorent les scores, mais de grands écarts subsistent entre modèles. Dans un problème de construction imposant de conserver un cycle de 18 atomes, GPT-6 Astra a réussi dans les dix réponses, tandis que GPT-5.6 Sol a produit un cycle de 15 atomes et GPT-5.6 Luna a scindé la molécule en deux fragments.
Les résultats détaillés montrent où se situent les faiblesses. Astra a obtenu 95,4 % du crédit de structure à xhigh et, selon OpenAI, brille surtout pour reconstruire les molécules et expliquer les preuves expérimentales. Pour choisir des composés et prédire des propriétés numériques, il n'a obtenu qu'environ la moitié du crédit possible, ce qu'OpenAI décrit comme une marge de progression considérable.
OpenAI reste prudent sur ce que les chiffres ne démontrent pas. Les résultats n'établissent pas que les modèles puissent découvrir de nouveaux médicaments ni améliorer des décisions en laboratoire. Une exposition préalable aux sources publiées ne peut être exclue, et chaque réponse était un essai unique, sans outils, sans retour d'information ni nouvelles expériences. Tous les chiffres proviennent de l'étude et de l'évaluation d'OpenAI elle-même, et aucune réplication indépendante n'a été signalée.