Comment les grands labos s’emparent de l’IA?

Selon la société d’expertise en intelligence économique CB Insights, parue le 3 juillet dernier, l’intelligence artificielle (IA) devrait générer plus de 350 Mds $ de valeur annuelle pour le secteur pharmaceutique. La pression croissante sur les coûts des médicaments et les pertes de revenus à venir dues à l’expiration des brevets (chiffrée à 236 Mds $ jusqu’en 2030) poussent les grands laboratoires à optimiser le processus de développement de leurs nouvelles molécules. La ruée des grandes entreprises pharmaceutiques reflète cette nouvelle réalité : il ne s’agit plus de se préparer à l’IA, mais de ne pas se laisser distancer dans son application. 

Quatre piliers du déploiement de l’IA dans le secteur pharmaceutique

Les plateformes de drug discovery

Les plateformes de découverte de médicaments constituent le principal domaine d’application de l’IA dans l’industrie pharmaceutique. Ces systèmes leur permettent d’analyser les données issues de leurs essais précliniques, d’orienter la conception de leurs expériences, de définir des cibles thérapeutiques, de prédire les interactions médicamenteuses… Les cas d’usage sont multiples (cf. plus bas) et la quasi-totalité des dix premières entreprises du classement CB Insights disposent de leur propre plateforme de drug discovery. 

Sanofi –  Ainsi, comme l’a confié Emmanuel Frenehard, vice-président exécutif et directeur digital de Sanofi à mind Health, le laboratoire français a développé une IA, appelée Target ID (Target Identification), pour l’identification de cibles. “Cette IA nous a permis d’identifier, sur des milliers de cibles, sept cibles plausibles”, explique-t-il. Aussi, la plateforme CodonBERT de Sanofi facilite la conception d’ARNm en optimisant sa séquence, qui peut avoir un impact important sur plusieurs propriétés, (notamment l’expression, la stabilité et l’immunogénicité). La conception des vaccins et autres thérapies géniques s’en trouve ainsi accélérée. 

Roche – De son côté, le laboratoire Roche, par la voix de l’un de ses porte-parole, fait valoir auprès de mind Health, son “avant-gardisme dans la lutte contre la crise sanitaire mondiale urgente de la résistance aux antimicrobiens (RAM). À cette fin, les scientifiques de notre filiale américaine Genentech ont développé un algorithme d’apprentissage profond appelé GNEProp. Cet outil d’IA de pointe accélère considérablement la découverte de nouvelles petites molécules d’antibiotiques pour les “superbactéries”. En identifiant des médicaments candidats prometteurs dotés de mécanismes d’action uniques que les méthodes traditionnelles négligent souvent, GNEProp offre l’espoir de nouvelles façons de lutter contre des infections de plus en plus incurables”. 

Bayer – Interrogé par mind Health, Sai Jasti, Head of Data Science & Artificial Intelligence chez Bayer Pharmaceuticals R&D, explique : “Notre objectif est d’améliorer la productivité de la R&D jusqu’à 40 % d’ici 2030, en utilisant l’IA pour accélérer la découverte de médicaments et le développement clinique. Nous suivons également la qualité des informations générées, la précision des prédictions et l’impact global sur l’efficacité du pipeline.