BioClaw: Human-Bot Research Collaboration Ecosystems in Group Chats

Ce papier présente BioClaw, un écosystème de collaboration humain-robot intégré aux groupes de discussion qui transforme les requêtes en langage naturel en analyses exécutées de manière sécurisée dans des conteneurs Docker, dotés d'outils biomédicaux spécialisés pour faciliter la découverte scientifique collaborative.

L'essentiel

Imaginez que vous êtes dans un groupe de discussion WhatsApp ou Slack avec vos collègues chercheurs. Vous parlez de vos expériences, vous partagez des idées folles, et soudain, quelqu'un dit : « Attends, on a ces résultats de séquençage, on devrait faire un graphique pour voir ce qui se passe ! »

Dans le monde réel actuel, c'est là que ça coince. Vous devez quitter la conversation, ouvrir un logiciel compliqué sur votre ordinateur, copier-coller des fichiers, écrire du code, attendre que ça tourne, et ensuite revenir dans le chat pour dire : « Regardez, voici le graphique ! » C'est comme si vous deviez sortir de votre cuisine pour aller chercher un four à l'autre bout de la ville juste pour cuire un œuf.

BioClaw, c'est la solution à ce problème. Voici comment cela fonctionne, expliqué simplement :

🍳 La Cuisine dans le Chat

Imaginez que votre groupe de discussion (sur WhatsApp, WeChat, Slack, etc.) n'est plus juste un endroit pour bavarder, mais qu'il devient une cuisine complète et équipée.

Quand vous dites au bot (le robot) : « Hé BioClaw, fais-moi un graphique de ces résultats ! », vous ne quittez pas la conversation. Au lieu de cela, vous lancez un chef cuisinier invisible qui travaille directement dans votre groupe.

1. Le Commande : Vous donnez l'ordre en langage naturel, comme si vous parliez à un assistant humain.
2. La Cuisine (Le Container) : BioClaw ouvre une "boîte magique" (un conteneur informatique isolé) qui contient tous les outils nécessaires : des logiciels de biologie, des bases de données, des programmes de dessin. C'est comme si le robot avait une malle à outils complète qu'il sort de nulle part pour travailler sans salir votre propre ordinateur.
3. Le Résultat : Le robot prépare le plat (l'analyse), le met dans une assiette (le graphique ou le tableau), et le pose directement sur la table du groupe de discussion. Tout le monde voit le résultat instantanément, dans le même fil de discussion.

🧩 Pourquoi c'est génial ?

• Pas de changement d'outil : Vous ne perdez jamais le fil de la conversation. L'idée, l'analyse et le résultat sont tous au même endroit. C'est comme si vous pouviez cuisiner, manger et discuter de la recette sans jamais quitter votre table.
• Un super-robot polyvalent : BioClaw ne sait pas seulement faire des graphiques. Il peut :
  • Chercher des séquences d'ADN (comme un détective qui compare des empreintes).
  • Regarder la forme des protéines (comme un architecte qui tourne un modèle 3D).
  • Lire des milliers d'articles scientifiques pour trouver la réponse à une question précise.
• La sécurité avant tout : Chaque groupe de chercheurs a sa propre "boîte" isolée. Si vous faites une erreur dans votre expérience, cela ne casse pas le système de votre voisin. C'est comme avoir des cuisines séparées dans un grand immeuble : si l'un fait brûler ses crêpes, l'autre continue de cuisiner tranquillement.
• La mémoire du groupe : Le robot se souvient de tout ce qui a été dit et fait. Si vous revenez sur le sujet deux semaines plus tard, il peut reprendre l'analyse exactement là où vous l'avez laissée, avec tous les fichiers et les résultats précédents.

🚀 L'Analogie du "Laboratoire Portable"

Avant BioClaw, la recherche ressemblait à un jeu de l'où où vous deviez sauter d'une case à l'autre :

• Case 1 : Le chat pour discuter.
• Case 2 : Le logiciel pour analyser.
• Case 3 : Le site web pour chercher des infos.
• Case 4 : Le logiciel pour faire les images.

Avec BioClaw, toutes les cases sont réunies en une seule. Le groupe de discussion devient le laboratoire lui-même. Vous discutez, et pendant que vous parlez, le robot fait le travail technique pour vous.

En résumé

BioClaw transforme vos groupes de discussion en espaces de travail scientifiques vivants. Il permet aux chercheurs de passer de la discussion à l'action (et de l'action au résultat) sans jamais quitter l'endroit où l'idée est née. C'est comme avoir un assistant de laboratoire ultra-intelligent qui écoute votre conversation et exécute vos ordres complexes en temps réel, directement dans votre chat préféré.

C'est un pas de géant pour rendre la science plus collaborative, plus rapide et moins frustrante !

Résumé technique

1. Problématique

La recherche biomédicale quotidienne repose de plus en plus sur des discussions dans des applications de messagerie (WhatsApp, Slack, WeChat, etc.) pour échanger des hypothèses, des demandes d'analyse et des interprétations. Cependant, un goulot d'étranglement majeur persiste : le fossé entre la conversation et l'exécution.

• Fragmentation des outils : Pour exécuter une analyse (génomique, clinique, etc.), les chercheurs doivent quitter la conversation, utiliser des outils locaux fragmentés, des bases de données et des logiciels de visualisation, puis revenir au chat pour partager les résultats.
• Complexité des workflows : L'analyse des données biologiques nécessite souvent des pipelines multi-étapes, des outils complexes et une gestion de fichiers, ce qui rend difficile l'intégration directe dans un flux de conversation naturel.
• Manque de persistance : Les solutions actuelles d'agents IA traitent souvent le chat comme une interface de questions-réponses ponctuelles, sans maintenir un contexte de travail persistant, des artefacts intermédiaires ou un espace de travail partagé au sein du fil de discussion.

2. Méthodologie : L'architecture BioClaw

BioClaw est un écosystème de collaboration conçu pour transformer chaque groupe de discussion en un espace de travail de calcul persistant. L'architecture repose sur plusieurs piliers techniques :

A. Orchestration Multi-Canale et Gestion d'État

• Support Multi-Plateforme : Le système est déployé sur 8 plateformes de messagerie distinctes (Discord, WhatsApp, Feishu, QQ, WeCom, WeChat, Slack et une interface Web locale).
• Orchestrateur Centralisé : Un orchestrateur (basé sur Node.js) normalise les événements de chaque plateforme en un format de message unifié. Il gère l'état par groupe (C_L), incluant le contexte conversationnel, l'espace de travail (N_L) et une file d'exécution (O_L).
• Isolation par Groupe : Chaque groupe dispose de son propre espace de travail, de son curseur de message et de sa file d'attente, garantissant que les analyses de différents groupes ne s'interfèrent pas, même lors d'exécutions concurrentes.

B. Exécution Conteneurisée et Sécurisée

• Environnement Isolé : Toutes les analyses sont exécutées dans des conteneurs isolés (Docker ou Apptainer pour les environnements HPC). Cela assure la reproductibilité, la sécurité et l'isolation des fichiers.
• Communication Host-Container : Une architecture IPC (Inter-Process Communication) à double canal est utilisée :
  • stdin/stdout pour les prompts et les flux de sortie.
  • Un système de fichiers partagé pour les artefacts, les fichiers intermédiaires et la planification.
• Backends de Modèles : Le système supporte deux backends de modèles d'IA :
  1. Anthropic (Claude Agent SDK) : Utilise l'intégration native MCP (Model Context Protocol).
  2. OpenAI-Compatible : Implémente une boucle explicite d'appel d'outils avec des primitives pour l'exécution shell et la gestion de fichiers.

C. Moteur Bioinformatique et "Skills"

• Runtime Pré-emballé : Contrairement à l'installation à la demande, l'image du conteneur contient un environnement reproductible avec 31 outils bioinformatiques en ligne de commande (ex: BWA, SAMTools, FASTQC, PyMOL) et 95+ compétences (Skills).
• Architecture des Compétences (Skills) :
  • 25 Compétences Intégrées : Couvrent des workflows courants (BLAST, RNA-seq, visualisation).
  • 70+ Compétences Communautaires (Skills Hub) : Extensibles via un dépôt GitHub, couvrant 10 domaines différents.
  • Philosophie de Conception : Les compétences sont conçues comme des abstractions de niveau workflow (modulaires, persistantes en termes d'artefacts, et permettant un contrôle humain dans la boucle).

D. Génération de Reproductibilité

• Notebooks Jupyter Automatiques : À la fin de chaque exécution, BioClaw génère automatiquement un fichier .ipynb reproductible. Il reconstruit le notebook à partir des événements de trace (raisonnement de l'agent, appels d'outils, code Python exécuté) et des artefacts de fichiers, permettant aux chercheurs de réexécuter l'analyse dans JupyterLab ou VS Code.

3. Contributions Clés

1. BioClaw : Un écosystème de collaboration humain-bot qui intègre des workflows bioinformatiques exécutables directement dans les conversations de groupe, transformant le fil de discussion en un espace de travail de calcul persistant.
2. Architecture Système Robuste : Une conception capable de gérer des opérations multi-groupes fiables, combinant l'orchestration multi-canaux, la gestion d'état par groupe, l'exécution conteneurisée isolée et des mécanismes de communication sécurisés.
3. Runtime Bioinformatique Reproductible : Intégration d'un large éventail d'outils et de compétences pré-installés, permettant d'effectuer des analyses complexes via des requêtes en langage naturel sans quitter l'environnement de chat.
4. Validation par Déploiement Réel : Déploiement fonctionnel sur 8 plateformes de messagerie et validation via des études de cas réels, démontrant la viabilité de l'approche dans des environnements hétérogènes.

4. Résultats et Applications

Les auteurs ont validé BioClaw à travers plusieurs études de cas couvrant divers domaines et modalités de données :

• Contrôle Qualité et Séquençage : Analyse de fichiers FASTQ avec FastQC et recherche de similarité de séquences via BLAST.
• Visualisation de Données : Génération de graphiques en volcan (volcano plots) à partir de résultats d'expression différentielle (RNA-seq) directement dans le chat.
• Biologie Structurale : Rendu de structures protéiques complexes (PyMOL), prédiction de structures de novo (ESMFold) et visualisation de sites de liaison.
• Recherche Bibliographique : Récupération et résumé structuré d'articles depuis PubMed.
• Interprétation de Données Humides (Wet-Lab) : Analyse d'images de gels SDS-PAGE uploadées.
• Planification de Manuscrits : Un "Skill" spécialisé capable de décomposer une idée de recherche en étapes structurées (recherche de littérature, définition des tâches, planification des figures, brouillon), avec des points de contrôle pour la rétroaction humaine.

Les résultats montrent que BioClaw peut accepter des entrées hétérogènes (fichiers, séquences, images), invoquer les outils appropriés et retourner des artefacts interprétables dans le même fil de discussion, réduisant ainsi la friction entre la discussion scientifique et l'analyse exécutable.

5. Signification et Impact

• Paradigme de Collaboration : BioClaw propose un changement de paradigme où le chat de groupe n'est pas seulement un canal de coordination, mais devient le lieu central de la découverte scientifique. Il préserve la continuité du raisonnement collaboratif en gardant les demandes, les calculs, les résultats et les interprétations au même endroit.
• Réduction de la Friction : En éliminant la nécessité de basculer entre des outils locaux et des chats, le système réduit considérablement la surcharge de configuration et le temps perdu, permettant aux chercheurs de se concentrer sur l'interprétation et l'itération.
• Reproductibilité et Traçabilité : La génération automatique de notebooks Jupyter à partir des traces de conversation répond à un besoin critique en biologie computationnelle : la traçabilité complète et la réexécution des analyses.
• Évolutivité Future : L'architecture suggère une évolution vers des écosystèmes multi-agents spécialisés (ex: un "Claw" pour la génomique, un autre pour la structure, un autre pour la littérature) opérant dans le même contexte partagé, mimant la division du travail au sein des équipes scientifiques réelles.

En résumé, BioClaw démontre la faisabilité pratique d'intégrer des agents exécutables riches en outils dans des espaces de travail numériques partagés, ouvrant la voie à une nouvelle ère de découverte scientifique collaborative et assistée par l'IA.