Reaxys rend les schémas de chimie enfin recherchables

Elsevier a annoncé le 15 septembre 2026 l’intégration dans Reaxys d’une technologie de vision IA développée par LG AI Research, afin de rendre recherchables des substances visibles seulement dans des images, dessins et schémas de réaction. Pour les chimistes, cela change un point très concret : une structure enfouie dans une figure ne bloque plus la recherche documentaire au milieu d’un PDF. Le système doit aussi accélérer la curation scientifique d’Elsevier sur les substances, réactions, bioactivités, cibles biologiques et propriétés des composés.

Quand une molécule n’existe pas en texte

Le problème est simple à formuler, même s’il est pénible à résoudre. Une grande partie de la chimie utile aux chercheurs est publiée dans des figures, des schémas de réaction ou des dessins de structure, pas dans du texte indexable. Résultat : sans extraction automatique fiable, il faut encore vérifier des documents à la main pour savoir si un composé ou une réaction a déjà été décrit. C’est long, et la chimie n’a pas attendu l’humeur des PDF pour devenir complexe.

Le sujet compte surtout pour la recherche de nouveauté, l’intelligence concurrentielle et la planification de synthèse. Les sources citent aussi un cas plus délicat : la chimie inorganique et organométallique, où les structures sont souvent plus difficiles à interpréter pour une machine. Une erreur sur une liaison, et la molécule n’est plus la bonne.

MolMole, le moteur derrière l’extraction

La technologie intégrée à Reaxys repose sur MolMole, un modèle de LG AI Research présenté le 7 mai 2025 dans un billet de recherche. Ce système combine trois briques : ViDetect repère les zones contenant des structures moléculaires, ViReact identifie réactifs, conditions et produits dans les schémas, et ViMore convertit les structures reconnues en formats chimiques standards comme SMILES, InChI et Mol. Le modèle prend des PDF entiers en entrée, plutôt que des images recadrées, ce qui le rend plus pratique sur des pages de brevets ou d’articles scannés.

LG AI Research dit que ViMore obtient des résultats de pointe sur trois des quatre benchmarks OCSR cités dans son papier, à savoir CLEF, JPO, UOB et USPTO, avec un avantage marqué sur JPO, un jeu de données de faible résolution issu de brevets japonais. Sur son propre benchmark, qui distingue 300 pages de brevets et 250 pages d’articles, la chaîne ViDetect + ViMore surpasse Decimer Segmentation, Image Transformer, MolDetect et MolScribe en précision et rappel, tandis que ViReact fait mieux que ReactionDataExtractor2.0 et RxnScribe, selon l’entreprise.

Ce que change l’intégration dans Reaxys

Chez Elsevier, chaque pipeline d’extraction est validé face à des benchmarks existants avant mise en production. Le flux complet a aussi été testé dans les outils de données et de workflow de l’éditeur avant un déploiement plus large. Cette prudence n’est pas cosmétique : dans une base comme Reaxys, une mauvaise lecture ne se corrige pas à coups de bouton magique.

Mirit Eldor, Managing Director, Life Sciences chez Elsevier, résume l’enjeu ainsi : “A structure buried in a figure should be evidence rather than a dead end,” soit une structure cachée dans une figure doit rester une preuve, pas une impasse. De son côté, Hwayoung Edward Lee, qui dirige l’AI Biz Transformation Unit chez LG AI Research, explique que le modèle a été conçu pour décoder des représentations chimiques visuelles complexes où chaque liaison et chaque disposition spatiale ont du sens, puis pour transformer ces données brutes en connaissance structurée pour les chercheurs.

Et après ? Les réactions chimiques, puis d’autres usages

Les deux entreprises disent que l’extraction des réactions constitue la prochaine étape. L’objectif est d’élargir l’extraction image-based au-delà des substances individuelles pour enrichir les preuves disponibles dans Reaxys sur les réactions elles-mêmes. Elles explorent aussi d’autres problèmes clients à traiter ensemble, en combinant les capacités d’IA spécialisées de LG AI Research avec le contenu chimique, l’expertise scientifique et le travail de curation d’Elsevier.

À ce stade, l’annonce s’inscrit dans la ligne des principes Responsible AI et Privacy d’Elsevier. C’est une précision utile : dans la chimie documentaire, la fiabilité compte autant que la vitesse, et les laboratoires préfèrent généralement une extraction prudente à une IA trop pressée de deviner.