Paper2Agent : Stanford publie un système qui convertit des papers de recherche en serveurs MCP

Des chercheurs de Stanford ont publié Paper2Agent dans Nature le 16 septembre 2026. Le système prend un article scientifique et son code source, les passe dans un pipeline de six étapes, et produit un serveur MCP fonctionnel que des agents IA peuvent interroger en langage naturel. Le code est disponible sous licence MIT sur GitHub.

Ce que fait Paper2Agent

Papers bioRxiv agentifiés avec succès sur 100 testés, résultats du benchmark Paper2Agent (Stanford, Nature 2026)
Papers bioRxiv agentifiés avec succès sur 100 testés, résultats du benchmark Paper2Agent (Stanford, Nature 2026). Source : Miao et al., Nature, 16 septembre 2026.

Le problème de départ est documenté : la majorité des codes associés aux publications scientifiques sont difficiles à réutiliser. Ils nécessitent une configuration manuelle, des dépendances précises et une lecture attentive du README pour en extraire la moindre utilité. Paper2Agent automatise cette chaîne.

Le pipeline comporte six étapes : téléchargement du code source, construction d’un environnement isolé, indexation des tutoriels disponibles, exécution et enregistrement des résultats, extraction et validation des outils MCP, puis assemblage du serveur final. Le résultat est un serveur MCP que l’équipe décrit comme un « auteur correspondant virtuel » : l’agent peut poser des questions sur les méthodes du papier et obtenir des réponses calculées, pas seulement des citations de texte.

Les résultats mesurés

Les auteurs ont testé le système sur AlphaGenome, un modèle de Google DeepMind pour l’analyse génomique. Paper2Agent a généré 22 outils MCP en 45 minutes environ, pour un coût de 14 dollars. La précision sur des requêtes nouvelles atteint 100 %, et 98,7 % (± 1,3) sur des requêtes dérivées des tutoriels existants. Le temps d’exécution est 1,9 fois plus rapide que l’approche directe Claude + dépôt.

À plus grande échelle, l’équipe a appliqué Paper2Agent à 100 articles bioRxiv tirés aléatoirement. 74 ont été agentifiés avec succès. Sur 599 outils extraits, 593 ont passé la validation. La précision globale atteint 91,2 %, contre 80,3 % pour le baseline Claude Sonnet 4 utilisé directement sur les dépôts.

MCP comme infrastructure de réutilisation scientifique

Le choix de MCP (Model Context Protocol) comme format de sortie n’est pas anodin. MCP est un protocole ouvert qui standardise la façon dont les agents IA accèdent à des outils externes. En produisant des serveurs MCP, Paper2Agent rend les méthodes des papers directement utilisables depuis Claude Code, Cursor, ou tout autre client compatible.

Trois démos sont hébergées sur Hugging Face : AlphaGenome (analyse génomique), Scanpy (données single-cell) et TISSUE (transcriptomique spatiale). Elles sont accessibles en ajoutant l’URL du serveur MCP dans la configuration de l’agent.

L’équipe est composée de Jiacheng Miao, Joe R. Davis, Jonathan K. Pritchard et James Zou, tous affiliés à Stanford. Le preprint était disponible sur arXiv depuis septembre 2025 (identifiant 2509.06917) ; la version définitive a été publiée dans Nature le 16 septembre 2026.

Limites

Le taux de réussite de 74 % sur 100 papers aléatoires signifie que 26 % des dépôts résistent à l’automatisation : configurations trop spécifiques, dépendances manquantes ou code insuffisamment structuré. Les auteurs identifient la qualité du code associé au paper comme le principal facteur limitant, pas le pipeline lui-même.

Le benchmark se limite par ailleurs au domaine biomédical (bioRxiv). La généralisation à d’autres disciplines (physique, économie, sciences sociales) n’a pas encore été évaluée formellement, même si le pipeline ne contient pas de composant spécifique à la biologie.

Le code source est disponible sur GitHub (MIT) et les serveurs de démonstration sont accessibles sur paper2agent.ai. Le preprint est consultable sur arXiv à l’adresse arxiv.org/abs/2509.06917.

Si tu veux un agent branché sur tes outils plutôt qu’une démo, c’est ce que je construis en automatisation IA sur mesure.

Laisser un commentaire