L’essor de la découverte de médicaments par l’IA s’accélère avec le laboratoire NVIDIA-Eli Lilly et les plateformes fondées sur les données

NVIDIA et Eli Lilly ont annoncé en janvier un laboratoire de co-innovation en IA, inédit en son genre, afin de relever les principaux défis de la découverte de médicaments par intelligence artificielle. Ce partenariat de 1 milliard de dollars marque une nouvelle phase dans l’intégration de l’intelligence artificielle à la recherche et au développement pharmaceutiques, alors que les entreprises utilisent des plateformes pilotées par l’IA pour analyser d’immenses jeux de données biologiques, mener des expériences plus rapidement et identifier des composés prometteurs avec beaucoup moins d’itérations.

Pendant des décennies, le processus de découverte de médicaments s’est révélé extrêmement inefficace. En moyenne, il faut environ 2 500 composés et plus de quatre ans rien que pour trouver un médicament susceptible de justifier un essai clinique. En chimie médicinale, des modèles d’IA sont désormais utilisés pour générer et évaluer des milliers de candidats moléculaires en une fraction du temps autrefois nécessaire pour n’en concevoir qu’une poignée, tandis que des systèmes d’apprentissage profond peuvent prédire les structures protéiques, l’affinité de liaison et les risques de toxicité avant même qu’un composé n’entre dans un laboratoire.

La migration des maladies sous l’effet du climat, le vieillissement des populations et les enseignements difficiles de la COVID-19 façonnent la prochaine ère du développement de médicaments. L’Organisation mondiale de la Santé a averti à plusieurs reprises que le réchauffement climatique élargit l’aire de répartition de virus tels que la dengue, Zika et le chikungunya vers de nouvelles régions, y compris certaines parties des États-Unis et de l’Europe du Sud. Les données de surveillance de la WHO, du CDC et des autorités nationales de régulation orientent de plus en plus la hiérarchisation de la recherche lorsque des agences signalent une menace et évaluent si des contre-mesures existent ou peuvent être développées rapidement.

Une autre évolution se produit au sein même de la science, avec le passage de médicaments à cible unique à des thérapies à actions multiples. L’avenir réside dans les antiviraux à actions multiples et les thérapies préventives capables de cibler plusieurs agents pathogènes par un mécanisme commun. Un médicament oral unique pouvant protéger contre la COVID, le RSV et la grippe changerait fondamentalement la manière dont les sociétés gèrent les risques saisonniers et pandémiques.

Des entreprises comme Insilico Medicine et Recursion Pharmaceuticals utilisent des plateformes d’IA pour identifier des cibles thérapeutiques et faire progresser des candidats jusqu’aux essais cliniques à une vitesse sans précédent. Moderna a expliqué publiquement utiliser l’IA pour optimiser la conception de l’ARNm et les flux de fabrication, raccourcissant les cycles de développement. L’IA transforme également les essais cliniques grâce à des algorithmes utilisés pour identifier les patients éligibles, prédire les difficultés de recrutement et détecter plus tôt les signaux de sécurité, tandis que des systèmes de contrôle qualité pilotés par l’IA contribuent à garantir la constance de la production à grande échelle dans la fabrication.

Recursion Pharmaceuticals a indiqué que la moyenne du secteur est de 2 500 composés synthétisés sur 42 mois pour trouver un candidat au développement, alors que sa moyenne est de 330 composés synthétisés en 17 mois. L’entreprise a déclaré que son système d’exploitation pour le développement de médicaments intègre des laboratoires humides robotisés, des jeux de données biologiques à l’échelle du pétaoctet et des modèles d’IA, et qu’elle a construit des cartes CRISPR knockout du génome entier dans des cellules neuronales et microgliales. Elle a indiqué que Roche et Genentech ont versé 213 millions de dollars de frais d’accès, que Sanofi a versé 134 millions de dollars pour cinq de ses programmes de découverte, que son chiffre d’affaires pour l’ensemble de l’année 2025 s’élevait à 74,7 millions de dollars, qu’elle a cinq programmes cliniques en progression, plus de 500 millions de dollars de paiements d’étape cumulés de la part de partenaires, ainsi qu’une trésorerie lui donnant de la visibilité jusqu’en 2028. Elle a également fait état d’une réduction médiane de 43 % de la charge polypoïde chez les patients atteints de polypose adénomateuse familiale, constituant ainsi sa première preuve de concept clinique.

Tempus AI a déclaré avoir constitué une gigantesque bibliothèque de données cliniques et moléculaires et l’utiliser pour faire progresser la médecine de précision grâce à l’IA, à l’apprentissage automatique et à l’analyse de données, principalement en oncologie, en diagnostic et en génomique. L’entreprise a indiqué que son chiffre d’affaires glissant atteignait 1,27 milliard de dollars, en croissance d’environ 30 % par an, les activités de diagnostic alimentant le moteur de données et les connaissances générées étant monétisées via des licences de données, des analyses d’IA et l’appariement pour les essais cliniques. Elle a également indiqué que son carnet de commandes dépasse 1,1 milliard de dollars et qu’elle affichait une perte nette glissante de 245 millions de dollars.

D’ici 2030, selon des projections du recensement américain citées dans le document source, entre 30 % et 60 % de la population des États-Unis sera âgée de plus de 55 ans, tandis que la Chine et le Japon vieillissent encore plus rapidement. Les patients plus âgés prennent davantage de médicaments, sont exposés à un risque plus élevé d’interactions médicamenteuses et répondent différemment aux traitements, ce qui accentue la pression en faveur de programmes de développement de médicaments construits autour d’horizons de court, moyen et long terme.