Le changement de phase de l'IA biologique
En janvier 2026, quatre accords majeurs entre grands groupes pharmaceutiques et fournisseurs d'outils d'intelligence artificielle ont été annoncés lors de la conférence JP Morgan Healthcare, le grand rendez-vous annuel du secteur qui rassemble chaque janvier des centaines d'événements à San Francisco. Chai Discovery, jeune pousse soutenue par OpenAI et vieille de seulement deux ans, s'est retrouvée au cœur de cette dynamique, désormais valorisée à 4 milliards de dollars. Ses représentants, le cofondateur Matthew McPartlon et le responsable produit Neil Patil, ont détaillé cette évolution lors d'un podcast avec l'équipe de Science. Jusqu'ici, les entreprises d'IA appliquée à la pharma finissaient presque toujours par développer leurs propres pipelines de médicaments plutôt que de vendre leurs outils, faute de pouvoir convaincre les laboratoires de leur fiabilité sans preuves cliniques concrètes. Ce mois de janvier marque un basculement : les outils de conception moléculaire sont désormais jugés assez fiables pour que les équipes de recherche pharmaceutique leur fassent directement confiance.
Résumé et traduction réalisés par Le Fil IA à partir de Latent Space. Lire l'article original →
Ce changement modifie en profondeur la manière dont les médicaments sont conçus. Concrètement, les laboratoires peuvent désormais faire passer plus de candidats médicaments, de meilleure qualité, plus rapidement en laboratoire et dans les essais sur animaux, avec un dépistage plus poussé de la toxicité et une meilleure conception des systèmes de délivrance, ce qui augmente les chances de succès des molécules qui atteignent la phase clinique. Mais l'apport dépasse le simple gain d'efficacité : ces outils rendent possible la conception de mécanismes jusque là hors de portée des méthodes de laboratoire classiques, comme des anticorps déclenchant précisément une cascade moléculaire spécifique, ou des anticorps bispécifiques capables de se lier à deux protéines différentes à la fois, un exercice qui prenait auparavant des années d'essais-erreurs. McPartlon reconnaît avoir lui-même mis du temps à croire à cette thèse, ayant échangé pendant des mois avec le cofondateur Josh avant le lancement de Chai Discovery. L'idée centrale de l'entreprise est que produire dès le départ de bonnes molécules, nécessitant moins de correction en laboratoire, accélère toute la boucle d'itération et transforme la découverte de médicaments en un exercice d'ingénierie plutôt qu'une science empirique fondée sur l'essai-erreur.
Cette bascule n'est pas entièrement nouvelle : le fonds d'investissement a16z avait déjà esquissé cette thèse en 2020. Ce qui a changé depuis, c'est que les modèles capables de prédire la structure des protéines ont évolué vers des modèles de liaison, mesurant l'affinité de fixation entre deux molécules, une capacité qui a ouvert la voie à une véritable conception assistée par IA. Pour Chai Discovery, dans un marché où la meilleure technologie ne suffit pas à elle seule à s'imposer, c'est généralement le meilleur produit qui gagne. L'entreprise a donc misé sur des partenariats étroits avec des laboratoires pharmaceutiques, décrits par Neil Patil comme un moyen d'orienter la recherche selon les besoins réels du terrain plutôt que dans l'abstrait, une approche que l'équipe compare à la création d'un « Photoshop des molécules ». Reste à voir combien d'autres acteurs positionnés sur la prédiction de structure et de liaison sauront suivre cette même trajectoire vers la confiance clinique désormais accordée aux outils d'IA.
Pas d'impact direct sur la France/UE
Le vrai signal, c'est pas la techno, c'est que quatre grands labos aient enfin signé sans exiger de preuves cliniques d'abord. Depuis des années les boîtes d'IA pharma finissaient toutes par devenir leur propre labo, faute de convaincre sur la fiabilité pure : là, Chai Discovery inverse la logique et se fait payer comme fournisseur d'outils. Reste que 4 milliards de valorisation sur deux ans d'existence, ça met une sacrée pression pour que le prochain candidat médicament sorti par IA tienne la route en phase clinique, pas juste sur le papier.