L’intelligence artificielle entre désormais au cœur des opérations de plusieurs laboratoires pharmaceutiques, avec l’objectif de réduire le temps et le coût nécessaires au développement de nouveaux médicaments et vaccins. Parmi les acteurs engagés sur ce terrain, Sanofi évoque la possibilité de diviser par deux certaines étapes du processus, en particulier grâce à des outils capables d’identifier les patients les plus susceptibles de répondre à un traitement donné.
Ces technologies s’appuient sur des algorithmes visant à analyser de vastes jeux de données biologiques et cliniques, à proposer des structures de molécules et à optimiser la conception des essais. En pratique, elles permettent d’accélérer la phase de découverte et de mieux cibler le recrutement des essais, en combinant profils génétiques, biomarqueurs et historiques médicaux. L’utilisation de ces approches peut aussi alléger certaines tâches de laboratoire et orienter des choix expérimentaux plus précis.
Si les gains potentiels paraissent importants pour l’industrie et pour les patients — réduction des délais, baisse des coûts, essais plus efficaces —, plusieurs limites restent à documenter. La robustesse des modèles dépend fortement de la qualité et de la représentativité des données; la reproductibilité des résultats doit être démontrée dans des contextes cliniques réels; et l’interprétabilité des décisions algorithmiques demeure un enjeu majeur pour l’acceptation par les autorités de santé. Par ailleurs, la convergence entre pratiques industrielles et exigences réglementaires exigera des cadres clairs et des évaluations indépendantes.
Des collaborations entre entreprises, centres de recherche et hôpitaux se multiplient pour tester ces solutions dans des conditions réelles, notamment au niveau des essais cliniques. L’adoption de l’intelligence artificielle dans la recherche biomédicale ouvre donc des perspectives sensibles, tout en appelant à des validations scientifiques et réglementaires rigoureuses avant que ces méthodes ne deviennent des standards de la mise au point des traitements.
