L’IA pourrait raccourcir les délais de développement des médicaments et accroître les profits de l’industrie pharmaceutique

L’intelligence artificielle accélère le développement des médicaments et réduit les coûts dans l’ensemble de l’industrie pharmaceutique, avec à la clé une hausse potentielle des bénéfices d’exploitation de plus de 10 %. Les outils d’IA sont de plus en plus adoptés à toutes les étapes du développement clinique, aidant les laboratoires pharmaceutiques à concevoir les essais plus efficacement, à recruter les patients plus rapidement et à automatiser les soumissions réglementaires. Ces améliorations pourraient raccourcir les délais de développement des médicaments d’environ 18 mois tout en réduisant les dépenses de recherche et développement d’environ 5 % au cours des prochaines années.

Le développement d’un nouveau médicament est traditionnellement un processus long et coûteux, qui prend souvent plus d’une décennie et exige des investissements importants avant qu’un produit n’arrive sur le marché. Une grande partie du temps et des coûts se concentre pendant les essais cliniques et l’examen réglementaire, lorsque les entreprises doivent recruter des patients, gérer de grands volumes de données et préparer des dossiers réglementaires détaillés. L’IA est de plus en plus utilisée pour rationaliser ces étapes en analysant les données historiques d’essais, en améliorant la conception des protocoles, en optimisant la sélection des sites cliniques et en renforçant le suivi des patients pendant les essais.

Ces gains d’efficacité peuvent aider à réduire les retards, à limiter les modifications coûteuses des protocoles d’essai et à accélérer la documentation réglementaire. Des délais de développement plus courts pourraient aussi prolonger la période pendant laquelle les médicaments génèrent des revenus avant l’expiration des brevets et l’arrivée de la concurrence des génériques. Une mise sur le marché plus précoce, combinée à des coûts de R&D plus faibles, pourrait se traduire par une amélioration significative de la rentabilité des grands groupes pharmaceutiques.

Les entreprises des sciences de la vie se mobilisent pour concrétiser la promesse de l’IA : identification plus rapide des thérapies prometteuses, développement rationalisé et nouveaux traitements parvenant aux patients plus tôt et avec davantage de sécurité. Les biotechs et les entreprises pharmaceutiques intègrent les modèles d’IA générative les plus récents dans leurs systèmes de R&D : elles analysent d’immenses volumes de données, identifient des schémas afin d’éclairer des recommandations ou des prévisions, et optimisent les études cliniques. La structure de ces partenariats commence à s’apparenter à un modèle pur de licence d’IA, les laboratoires privilégiant désormais la capacité à reprendre les pondérations de modèles de tiers et à les affiner à l’aide de jeux de données propriétaires sur leur propre infrastructure.

Cependant, la concrétisation de ces bénéfices dépend de la qualité et de la provenance des données qui les alimentent. Selon le modèle, il peut s’agir de données d’essais cliniques, de données probantes en vie réelle, de données génomiques, de dossiers de santé électroniques et de jeux de données accessibles au public. Si ces données ne sont ni traçables, ni attribuables, ni conformes, elles peuvent engendrer des risques en matière de confidentialité et de responsabilité juridique.

Une autre préoccupation concerne l’usage secondaire, lorsque des modèles d’IA sont entraînés sur des données recueillies lors d’essais menés avant l’existence de cette technologie, ce qui signifie que le patient n’a pas pu consentir explicitement à un tel usage. Cela soulève la question de savoir si les cadres de consentement d’origine couvrent de manière adéquate l’application de données de santé personnelles à l’entraînement d’algorithmes d’apprentissage automatique, en particulier lorsque ces modèles peuvent être commercialisés ou utilisés d’une manière qui n’était pas envisagée au moment de la collecte des données. Pour les entreprises des deux côtés des accords entre IA et industrie pharmaceutique, des pratiques rigoureuses de traçabilité de la provenance des données deviennent essentielles pour gérer les risques et garantir une valeur à long terme.

Les grands groupes pharmaceutiques disposant de capacités mondiales de développement clinique devraient être les principaux bénéficiaires de cette évolution, car ils ont l’échelle, les données et l’infrastructure nécessaires pour déployer efficacement l’IA. Parmi les entreprises citées comme particulièrement bien placées pour tirer parti des gains d’efficacité portés par l’IA figurent Daiichi Sankyo, Takeda et Astellas. L’IA devrait améliorer la productivité dans l’ensemble du secteur, mais le développement de médicaments restera gourmand en capitaux et fortement réglementé.