OpenScience
Synthetic Sciences · Programmation · Productivité
OpenScience est un espace de travail de recherche scientifique par IA, open source, développé par Synthetic Sciences. Il lit des articles, écrit et exécute du code, interroge des bases de données scientifiques et conserve les preuves de chaque résultat dans un même projet.
À propos de OpenScience
About
Qu'est-ce qu'OpenScience
OpenScience est un espace de travail où un agent d'IA mène des tâches de recherche. Vous décrivez une question, vous désignez des fichiers ou un jeu de données, et l'agent parcourt la littérature, écrit du Python ou du R, interroge des sources comme UniProt ou PDB et rédige la synthèse. Synthetic Sciences développe le produit, bénéficie du soutien de Y Combinator, le présente comme un co-scientifique IA et publie le code sous licence Apache 2.0.
La plupart des outils d'IA pour la science supposent un fournisseur de modèles unique et un flux hébergé dans le cloud. Ici, le raisonnement part du principe inverse. Le travail réel saute de la fenêtre de discussion au carnet de notes, du carnet au terminal du cluster, puis au gestionnaire bibliographique, et le fil qui relie une figure au code qui l'a produite se perd en route. OpenScience garde projets, sessions, fichiers, exécutions et résultats au même endroit, si bien qu'un collègue de laboratoire peut rouvrir le travail des mois plus tard et reconstituer la provenance de chaque chiffre. C'est la face concrète de la recherche reproductible.
Le coût d'entrée, c'est l'installation. Il faut déposer l'application de bureau ou l'outil en ligne de commande, puis régler l'accès aux modèles : votre clé, un abonnement fournisseur, un modèle local ou le service payant Ace. La documentation demande aussi de lire les méthodes et de vérifier les résultats avant de les reprendre dans un article.
Premiers pas
- Téléchargez l'application de bureau pour macOS, Windows ou Linux, ou installez la CLI avec npm install -g @synsci/openscience@latest et lancez l'espace de travail depuis le dossier du projet.
- Créez un compte Synthetic Sciences. L'assistant de premier démarrage le réclame même si vous comptez utiliser vos propres clés.
- Choisissez l'accès aux modèles dans Customize → Models : modèles gérés d'Ace, clé d'API de votre fournisseur, connexion ChatGPT ou Claude, ou modèle local sur votre machine.
- Ouvrez un projet et décrivez la tâche avec trois éléments : l'entrée, la sortie attendue et les limites. Joignez les données ou citez les fichiers déjà présents.
- Suivez l'exécution, vérifiez le code lancé et les sources consultées, puis exportez le rapport ou poursuivez dans la même session.
Une première demande bien formulée nomme un fichier et une destination. Demandez l'analyse de data/measurements.csv, le repérage des valeurs manquantes, la comparaison des groupes de traitement et l'enregistrement d'un graphique avec une note de méthode dans results/. L'agent dispose alors d'un point de contrôle concret.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de OpenScience.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Doctorants et postdoctorants
- Biologistes computationnels et chimistes
- Ingénieurs de recherche et équipes de machine learning
Tâches
- Revues de littérature avec sources jointes
- Analyse de données et statistiques
- Reproduction d'un résultat publié
Cas d'usage
- Un laboratoire hérite du projet d'un étudiant parti
- Un groupe dispose d'un cluster mais d'aucune équipe outillage
- Un brouillon d'article attend sa section méthodes
Fonctionnalités clés
Un projet pour tout le cycle de recherche
Chaque projet réunit sessions, fichiers envoyés, fichiers générés et résultats enregistrés. La conversation conserve les réponses de l'agent à côté des commandes lancées, des fichiers lus et des sources citées. Quand une figure compte, vous revenez à la session qui l'a produite sans fouiller d'anciens carnets.
Un modèle interchangeable
OpenScience est indépendant du modèle. Ace propose un catalogue vérifié de 21 modèles d'OpenAI, Anthropic, Google, xAI, Z.ai, DeepSeek, Qwen, Moonshot, MiniMax, Xiaomi, Meta et NVIDIA sur des routes gérées. Vous pouvez aussi brancher votre clé d'API, réutiliser un abonnement ChatGPT Plus ou Pro, ou faire tourner un modèle ouvert en local. Changer de route n'oblige pas à repartir d'un nouveau projet.
42 bases de données scientifiques comme outils
UniProt, PDB, ChEMBL, PubChem et arXiv sont fournis, avec 37 autres sources, et l'agent les appelle comme des outils au lieu de vous demander de coller les résultats. Sur un travail structural, cela veut dire récupérer une entrée PDB, noter des mutants contre des valeurs mesurées et tracer la comparaison en une seule passe.
371 compétences intégrées
Le client arrive avec 371 compétences en biologie, chimie, physique, machine learning et rédaction scientifique. Un noyau sélectionné couvre les étapes courantes, et chaque fichier de compétence se lit et se modifie, donc un laboratoire peut adapter un protocole à ses usages ou ajouter une méthode maison.
Du portable au cluster
L'agent prépare les environnements et peut pousser un travail au-delà de la machine devant vous. Les petites analyses tournent en local ; les balayages plus lourds partent sur un cluster ou un hôte GPU. Cette souplesse évite de tout réécrire quand un prototype de carnet grossit et réclame des heures de calcul.
Bureau, navigateur et terminal
Le même espace s'ouvre en application de bureau, dans le navigateur après le lancement de la CLI, ou par une seule commande pour une requête ponctuelle. Celui qui vit dans un shell et le collègue qui préfère une arborescence graphique partagent le même projet sans rien exporter.
Avantages et inconvénients
Avantages
- Le code est ouvert sous Apache 2.0 : un laboratoire peut auditer ce que fait l'agent, le forker ou l'exploiter sans contrat éditeur.
- Le choix du modèle reste entre vos mains, y compris des modèles locaux pour les données sensibles et des abonnements ChatGPT ou Claude déjà payés.
- La liste de bases couvre les sources que citent réellement les projets de sciences de la vie et de chimie, et elles servent d'outils à l'agent plutôt que de consultations manuelles.
- Les résultats gardent leur provenance : le code générateur, les entrées et l'historique d'exécution restent attachés à l'artefact.
- Synthetic Sciences publie des résultats sur Terminal-Bench Science, Terminal-Bench 4.0, BiomniBench-DA et son propre OpenScience Bench, ce qui donne des chiffres à vérifier plutôt qu'une promesse vague.
Inconvénients
- Un compte est exigé au premier lancement, même avec la version open source, et la connexion active par défaut le partage des traces de session. Le réglage se désactive par appareil, mais ce défaut mérite attention dans un laboratoire clinique ou industriel.
- L'installation suppose une certaine aisance avec le terminal. Monter la CLI, choisir une route de modèle et gérer des clés demande plus de travail que d'ouvrir une application de discussion.
- Les chiffres des benchmarks viennent des propres exécutions de l'éditeur, et plusieurs reposent sur des tests conçus par l'entreprise. La réplication indépendante reste rare.
- Le coût des modèles s'ajoute au logiciel et varie selon la route, donc une longue session peut dépasser le budget si vous ne surveillez pas le portefeuille et ne fixez pas de plafond.
Questions fréquentes
OpenScience est un espace de travail de recherche scientifique par IA, open source, édité par Synthetic Sciences. Il exécute un agent qui lit des articles, écrit et lance du code, interroge des bases de données scientifiques et enregistre les résultats avec les preuves qui les étayent. Il existe en application de bureau, en espace navigateur et en CLI.
Contenus associés
Découvrez des outils, des compétences et des articles liés à OpenScience.
Alternatives à OpenScience
Base Code
Base44 (Wix) · Programmation · ProductivitéBase Code est un environnement de développement cloud partagé signé Base44. Votre équipe décrit des modifications sur un dépôt GitHub dans le chat, les vérifie en aperçu et les renvoie sous forme de pull requests.
Google EmbeddingGemma 2
Google DeepMind · Rédaction · Image · ProgrammationGoogle EmbeddingGemma 2 est un modèle ouvert de 740 millions de paramètres qui transforme texte, code, images, audio et images vidéo en vecteurs d'un même espace de 768 dimensions, sur un téléphone ou un ordinateur portable.
GitGlow
GitGlow · Programmation · ProductivitéGitGlow est un client Git de bureau qui place votre code et les modifications de vos agents IA dans une même revue, pour savoir ce qui quitte votre machine avant de livrer.