L'apprentissage profond est devenu un outil courant des premières étapes de la découverte de médicaments pour deux tâches : prédire comment une petite molécule se place dans la poche de liaison d'une protéine, ce qu'on appelle la génération de poses, et prédire la force de cette liaison. Des dizaines de fonctions de score revendiquent aujourd'hui des résultats de pointe. Dans une Perspective publiée par Nature Machine Intelligence, Viet-Khoa Tran-Nguyen et Pedro Ballester estiment que ces affirmations sont devenues difficiles à comparer et proposent des règles pour évaluer ces modèles.
Leur liste est courte et pratique. Les données d'entraînement, le code et les procédures doivent être publiés pour que d'autres puissent reproduire, réutiliser et examiner le travail. Les études doivent se prémunir contre les fuites de données, quand les molécules ou protéines de test ressemblent trop à celles de l'entraînement, contre les biais d'échantillonnage et contre les protocoles mal conçus. Les comparaisons doivent reposer sur des partitions de données communes, vérifier la variation des résultats d'un entraînement à l'autre et inclure des références adaptées, afin de mesurer une nouvelle méthode face à une approche simple et pas seulement face au dernier concurrent.
L'article s'appuie sur des travaux qui avaient déjà mis le problème au jour. Le groupe de Ballester a montré que les partitions par squelette moléculaire, une manière courante de séparer molécules d'entraînement et de test, surestiment les performances du criblage virtuel, et un banc d'essai de 2026 appelé NextTopDocker, cosigné par les deux chercheurs, a relevé les limites de l'amarrage moléculaire de bout en bout par apprentissage automatique et l'intérêt des approches hybrides qui renotent des résultats classiques. Des travaux sur le hasard dans les comparaisons de réseaux de neurones, également cités, montrent qu'une seule exécution peut avantager ou enterrer une méthode.
Pour qui choisit un modèle d'amarrage ou d'affinité, ces règles servent aussi de grille de lecture des articles et des fiches de modèles. Une affirmation sans partitions partagées, sans exécutions répétées et sans référence simple mérite moins de poids, quel que soit le gain affiché.
Les limites sont celles de toute Perspective. Elle propose des normes plutôt que de nouveaux résultats, et nous n'avons pu lire que son résumé et sa bibliographie, pas le texte intégral, si bien que nous ne pouvons pas dire comment elle juge des outils précis. Des règles dépendent aussi de leur application : tant que revues, relecteurs et responsables de bancs d'essai n'exigeront pas ces vérifications, l'incitation à publier le chiffre le plus flatteur demeurera.