En 2026, plus de 20 molécules identifiées ou conçues par intelligence artificielle sont en essais cliniques chez l’homme. Ce chiffre, qui était proche de zéro il y a cinq ans, marque un tournant pour l’industrie pharmaceutique.
- Le problème que l'IA résout
- Comment l'IA intervient
- Les acteurs clés
- Les résultats concrets
- Les limites
- Questions fréquentes
- L’IA remplace-t-elle les chimistes dans la recherche pharmaceutique ?
- Combien de temps l’IA fait-elle gagner dans le développement d’un médicament ?
- Un médicament découvert par IA a-t-il déjà été approuvé ?
- Sources
Le problème que l’IA résout
Développer un médicament prend en moyenne 12 à 15 ans et coûte plus de 2,6 milliards de dollars selon le Tufts Center for Drug Development. Le taux d’échec est écrasant : plus de 90 % des molécules entrant en essais cliniques échouent. L’IA promet de comprimer les délais et d’améliorer le taux de réussite en identifiant les meilleures molécules candidates plus rapidement et plus précisément.
Comment l’IA intervient
- Identification de cibles : l’IA analyse des millions de publications scientifiques et de données génomiques pour identifier les protéines impliquées dans une maladie.
- Design de molécules : des modèles génératifs (similaires à ceux qui génèrent des images) créent de nouvelles molécules optimisées pour se lier à une cible spécifique.
- Prédiction de propriétés : l’IA prédit la toxicité, la solubilité, la biodisponibilité et l’efficacité d’une molécule avant même qu’elle ne soit synthétisée.
- Optimisation des essais cliniques : sélection des patients les plus susceptibles de répondre au traitement, design optimal des protocoles.
Les acteurs clés
| Entreprise | Approche | Stade le plus avancé |
|---|---|---|
| Isomorphic Labs (Google) | AlphaFold + design de molécules | Partenariats Eli Lilly, Novartis |
| Insilico Medicine | IA générative end-to-end | Phase II (fibrose) |
| Recursion Pharmaceuticals | IA + biologie cellulaire à haut débit | Phase II |
| Exscientia | Design de molécules IA | Phase I |
| BenevolentAI | Knowledge graph + IA | Phase II |
Les résultats concrets
Insilico Medicine a identifié une nouvelle cible thérapeutique et conçu une molécule pour la fibrose pulmonaire idiopathique en moins de 18 mois — un processus qui prend habituellement 4 à 6 ans. La molécule, INS018_055, est en phase II d’essais cliniques.
Isomorphic Labs, la filiale de Google DeepMind dédiée au drug discovery, a signé des accords de partenariat d’une valeur potentielle de plus de 3 milliards de dollars avec Eli Lilly et Novartis.
Les limites
- L’IA peut prédire quelles molécules pourraient fonctionner, mais la validation biologique reste indispensable et longue.
- Les données d’entraînement sont biaisées vers les cibles et les maladies déjà étudiées.
- La complexité du corps humain dépasse encore les capacités de modélisation de l’IA.
- Aucune molécule découverte par IA n’a encore obtenu d’autorisation de mise sur le marché.
L’IA peut-elle vraiment diviser par deux le temps de développement des médicaments ?
Questions fréquentes
L’IA remplace-t-elle les chimistes dans la recherche pharmaceutique ?
Non. L’IA accélère les phases de criblage et d’identification de molécules candidates, mais les chimistes restent indispensables pour la validation expérimentale, les essais cliniques et le jugement expert sur la faisabilité des molécules proposées.
Combien de temps l’IA fait-elle gagner dans le développement d’un médicament ?
Les estimations varient entre 2 et 4 ans sur un cycle moyen de 12 à 15 ans. Le gain principal se situe en phase préclinique, lors de l’identification et l’optimisation des molécules, tandis que les essais cliniques restent largement incompressibles.
Un médicament découvert par IA a-t-il déjà été approuvé ?
Pas encore. La molécule la plus avancée, INS018_055 d’Insilico Medicine pour la fibrose pulmonaire, est en phase II d’essais cliniques. Plusieurs autres molécules conçues par IA sont en phase I ou II, mais aucune n’a franchi toutes les étapes réglementaires.
Sources
À lire aussi
