fr.wedoany.com Rapport : En octobre 2025, Eli Lilly a annoncé la construction du supercalculateur le plus puissant jamais réalisé dans l’industrie pharmaceutique. En février 2026, « LillyPod » a été mis en service, équipé de plus de 1 000 GPU NVIDIA Blackwell Ultra, offrant une puissance de calcul supérieure à 9 000 pétaflops, assemblé en environ quatre mois, avec un accès rapide à environ 700 To de données génomiques. C’est le symbole d’une conviction croissante dans le secteur : l’intelligence artificielle n’est plus une curiosité de recherche, mais une infrastructure scientifique centrale, au même titre qu’un laboratoire humide ou une équipe d’opérations cliniques.
Cependant, cette même annonce contenait un aveu préoccupant. Le directeur de l’information et du numérique d’Eli Lilly a indiqué que les bénéfices de toute cette puissance ne se concrétiseraient pas avant 2030. Aucun médicament conçu par IA n’a encore obtenu d’approbation réglementaire, et les candidats les plus avancés issus de l’IA sont encore en essais intermédiaires. L’écart entre l’ampleur de l’infrastructure et la faiblesse des preuves cliniques constitue la tension centrale de ce domaine, particulièrement marquée et complexe en Asie. Une enquête de ZS auprès de cadres pharmaceutiques et biotechnologiques montre qu’environ 85 % des répondants prévoient d’investir dans les données, la numérisation et l’IA en R&D, mais les perspectives 2026 de ZS indiquent que seulement 17 % environ des responsables technologiques déclarent obtenir un retour mesurable sur leurs investissements en IA dans la recherche et la découverte. L’industrie a investi dans l’IA comme infrastructure, mais la plupart n’ont pas encore vu de retour.
En termes de données de validation, à la mi-2025, plus de 29 projets thérapeutiques pilotés par l’IA et rapportés publiquement étaient entrés en phase d’essais humains, et début 2026, plus de 173 projets originaux issus de l’IA étaient en développement clinique. Une fois entrés dans les tests sur patients, les molécules découvertes par IA affichent un taux de succès de 80 % à 90 % en phase I, bien supérieur à la moyenne historique de l’industrie, qui est d’environ 50 % à 65 %. Mais en phase II, où l’efficacité est réellement testée, le taux de succès des molécules issues de l’IA tombe à environ 40 %, statistiquement indiscernable des normes traditionnelles du secteur, avec des échantillons de petite taille. Le taux d’échec clinique global de l’industrie pharmaceutique, d’environ 90 %, reste inchangé.
Insilico Medicine, basée à Hong Kong, a fait progresser le rentosertib (anciennement ISM001-055), un inhibiteur de TNIK pour la fibrose pulmonaire idiopathique, jusqu’à la preuve de concept en phase IIa. En juin 2025, Nature Medicine a publié les résultats d’un essai mené dans 22 centres en Chine sur 71 patients, montrant une amélioration significative de la fonction pulmonaire par rapport au placebo. C’est le premier médicament combinant une cible et un composé conçus par IA à produire des lectures humaines intermédiaires crédibles, mais il a été réalisé en collaboration avec la chimie médicinale traditionnelle. Parallèlement, Recursion Pharmaceuticals a arrêté son candidat REC-994 issu de l’IA en mai 2025, et plusieurs autres médicaments conçus par IA ont été suspendus ou déclassés après la phase II au cours de l’année. La leçon est que l’IA subit le même taux d’attrition impitoyable que les autres aspects du développement de médicaments.
En Asie, trois facteurs structurels complexes entrent en jeu. Premièrement, la souveraineté des données. Depuis 1998, la Chine limite le transfert de données génétiques humaines à des entités étrangères. Les « Règlements sur la gestion des ressources génétiques humaines » de 2019, les « Règles d’application » de 2023 et la « Loi sur la biosécurité » de 2020 ont établi un cadre réglementaire. Le transfert transfrontalier de données génomiques nécessite un examen administratif par le ministère des Sciences et des Technologies ainsi qu’une évaluation de sécurité par le département du cyberespace, ce qui peut prendre plusieurs mois. BGI et AstraZeneca ont déjà été sanctionnés par le passé pour traitement non autorisé d’échantillons génétiques. Un projet de révision en 2026 pourrait réduire le champ des données restreintes aux séquences d’acides nucléiques, mais le principe de localisation est profondément ancré. Le décret 14117 des États-Unis limite également le transfert massif de données génomiques américaines vers des « pays préoccupants ». Deuxièmement, le calcul : les contrôles à l’exportation des puces d’IA avancées par les États-Unis contraignent des régions comme la Chine à adopter des modèles différents. Troisièmement, les talents : les personnes qui comprennent à la fois l’architecture Transformer et le repliement des protéines sont très convoitées dans le secteur, et particulièrement rares en Asie.
Le domaine de la découverte de médicaments par IA a absorbé environ 9,7 milliards de dollars au cours de la dernière décennie, mais les investisseurs commencent à se montrer lucides. Les chercheurs étudiant les flux de capital-risque ont nommé ce phénomène « IA washing », où les entreprises utilisent l’IA comme étiquette marketing sans réelle capacité scientifique centrale. Les financements les plus solides sont allés aux entreprises en boucle fermée combinant l’IA à l’exécution expérimentale. Le supercalculateur d’Eli Lilly représente une véritable infrastructure, le rentosertib d’Insilico Medicine représente une molécule clinique asiatique issue de l’IA avec des lectures réelles, tandis que la longue traîne des start-ups représente la pratique consistant à emballer des prédictions issues de bases de données publiques comme des plateformes propriétaires. La distance entre ces trois éléments est précisément celle qui sépare l’infrastructure du battage médiatique.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
