Elsevier intègre le modèle Chemistry Vision de LG AI Research dans Reaxys

Elsevier et LG AI Research ont annoncé le 15 septembre 2026 que la technologie d’IA de vision spécifique à la chimie développée par LG AI Research est désormais utilisée dans les processus d’extraction et de curation de contenu d’Elsevier pour Reaxys, la solution de découverte chimique d’Elsevier, rendant recherchables les substances qui n’apparaissent que sous forme d’images, de dessins et de schémas de réactions dans les brevets et la littérature scientifique.

Les entreprises ont déclaré que les informations sur les substances extraites des images dans les brevets et les revues sont capturées plus rapidement, plus précisément et à plus grande échelle qu’auparavant. Ce travail améliore l’extraction de contenu et la curation scientifique d’Elsevier concernant les substances, les réactions, les bioactivités, les cibles biologiques et les propriétés des substances pour Reaxys.

Pourquoi la chimie liée aux images a été difficile à rechercher

Selon l’annonce, la majeure partie des informations sur les substances et les réactions sur lesquelles les chimistes comptent est transmise via des figures, des dessins et des schémas de réactions plutôt que par du texte indexable. Lorsque cette chimie n’est pas recherchable, les chercheurs doivent souvent vérifier les documents manuellement pour confirmer si un composé ou une réaction a déjà été décrit. Les dessins chimiques véhiculent du sens à travers les liaisons, les atomes, la stéréochimie et les relations spatiales ; ainsi, un modèle qui interprète mal une liaison peut identifier le mauvais composé, tandis qu’un modèle qui omet une structure laisse les chimistes avec une image incomplète. Ce défi est particulièrement aigu dans des domaines tels que la recherche de nouveauté, l’intelligence concurrentielle et la planification de synthèse, ainsi qu’en chimie inorganique et organométallique, où les structures complexes sont plus difficiles à extraire et à indexer.

Le modèle MolMole et ses repères déclarés

La technologie combine la détection de molécules, l’analyse de diagrammes de réactions et la reconnaissance optique de structures chimiques (OCSR) en un seul modèle, et les rapports d’évaluation publiés par LG AI Research indiquent qu’il surpasse les alternatives pour extraire la chimie d’une page de document complète. Un article du 7 mai 2025 sur le blog de recherche de LG AI Research identifie le modèle sous le nom de MolMole, développé dans le cadre du programme Deep Document Understanding du groupe, qui vise à créer une IA capable d’interpréter le texte, les graphiques et les tableaux dans les documents généraux ainsi que les formules structurales moléculaires et les formules de réactions dans les articles et brevets chimiques.

MolMole accepte les documents PDF complets en entrée plutôt que d’exiger des images recadrées, et renvoie les données chimiques reconnues d’un document en une seule fois, selon le billet de blog. Le modèle se compose de trois modules. ViDetect détecte les régions de structures moléculaires au sein des pages PDF et les encadre de boîtes de délimitation. ViReact identifie les positions des réactifs, des conditions de réaction et des produits dans les diagrammes de réactions et classe chaque région. ViMore convertit les structures reconnues en représentations chimiques standard, notamment les formats SMILES, InChI et Mol, en utilisant des techniques spécialisées pour les pages de brevets numérisées et bruyantes.

LG AI Research rapporte que ViMore a obtenu des résultats de pointe sur trois des quatre référentiels OCSR standards (CLEF, JPO, UOB et USPTO), surpassant DECIMER Image Transformer, MolScribe et MolGrapher, et qu’il a particulièrement surpassé les autres modèles sur JPO, un jeu de données difficile, principalement à basse résolution, d’images extraites de brevets japonais. Dans le référentiel propre à LG, qui évalue séparément 300 pages de brevets et 250 pages d’articles afin de refléter leurs caractéristiques différentes, la chaîne combinée ViDetect et ViMore a dépassé Decimer Segmentation et Image Transformer ainsi que MolDetect et MolScribe en précision et rappel, et ViReact a surpassé ReactionDataExtractor2.0 et RxnScribe.

Le document de base, publié sur arXiv a été soumis pour la première fois le 30 avril 2025 et révisé le 8 mai 2025. Il décrit MolMole comme un cadre d’apprentissage profond basé sur la vision qui unifie la détection de molécules, l’analyse de diagrammes de réactions et l’OCSR en une seule chaîne pour extraire les données chimiques directement à partir de documents au niveau de la page. En soulignant l’absence d’un référentiel standard au niveau de la page et d’une métrique d’évaluation, les auteurs présentent également un jeu de test de 550 pages annotées de boîtes englobantes de molécules, d’étiquettes de réactions et de fichiers MOL, ainsi qu’une nouvelle métrique d’évaluation, et rapportent que MolMole surpasse les boîtes à outils existantes tant sur leur référentiel que sur les ensembles de données publics.

Dans le flux de travail d’Elsevier, chaque chaîne d’extraction est validée par rapport aux référentiels Reaxys existants avant sa mise en production, et la chaîne complète a traversé une période de test à travers les données et les outils de flux de travail d’Elsevier avant une utilisation plus large, selon l’annonce.

Déclarations des dirigeants et étapes suivantes

Mirit Eldor, Directrice Générale, Sciences de la Vie chez Elsevier, a déclaré que le partenariat rend du temps aux chimistes en transférant davantage de chimie des figures vers Reaxys sous forme de preuves curées et recherchables. “Une structure enfouie dans une figure devrait être une preuve plutôt qu’une impasse”, a-t-elle affirmé.

Hwayoung Edward Lee, responsable de l’unité AI Biz Transformation chez LG AI Research, a indiqué que le modèle a été conçu pour décoder les représentations chimiques visuelles complexes où chaque liaison et chaque agencement spatial ont une signification, et que l’intégration avec Elsevier transforme les données visuelles brutes en connaissances structurées pour les chercheurs.

Les organisations ont déclaré que l’extraction de réactions constitue la prochaine étape de la collaboration, étendant l’extraction basée sur l’image au‑delà des substances individuelles afin d’élargir les preuves de réactions disponibles via Reaxys. Elles explorent également d’autres défis clients à relever ensemble, associant les capacités spécialisées en IA de LG AI Research au contenu chimique, à l’expertise scientifique et à la curation d’Elsevier. Ce travail s’inscrit dans le respect des Principes d’IA Responsable et des Principes de Confidentialité d’Elsevier, ont indiqué les entreprises.