- ▸ L'état des lieux : 173 programmes, zéro approbation
- ▸ Ce que l'IA change dans la découverte de médicaments
- ▸ Les programmes les plus avancés
- ▸ Ce que l'IA ne peut pas accélérer
L’état des lieux : 173 programmes, zéro approbation
Au premier trimestre 2026, plus de 173 programmes de médicaments découverts ou conçus à l’aide de l’intelligence artificielle sont en développement clinique à travers le monde. Parmi eux, 15 à 20 devraient entrer en essais de Phase III — la dernière étape avant la demande d’approbation réglementaire — au cours de l’année.
Pourtant, à ce jour, aucun médicament entièrement conçu par IA n’a reçu l’approbation de la FDA ou de l’EMA. C’est le paradoxe central de la pharma augmentée : l’IA a démontré sa capacité à accélérer la découverte de molécules, mais elle n’a pas encore prouvé qu’elle pouvait produire un médicament approuvé et commercialisé. 2026 est l’année où ce sera — ou non — démontré.
Ce que l’IA change dans la découverte de médicaments
Le développement pharmaceutique traditionnel suit un parcours long et coûteux. De l’identification d’une cible biologique à l’approbation finale, le processus prend en moyenne 10 à 15 ans et coûte entre 1 et 2 milliards de dollars. L’essentiel de ce temps et de cet argent est consommé par les phases exploratoires : trouver la bonne molécule, vérifier qu’elle interagit avec la bonne cible, s’assurer qu’elle n’est pas toxique.
L’IA compresse ces phases initiales de manière spectaculaire. Les modèles de machine learning peuvent analyser des millions de structures moléculaires, prédire leurs propriétés pharmacologiques et identifier des candidats prometteurs en quelques semaines là où les méthodes traditionnelles prenaient des années. Les workflows IA réduisent les délais de découverte précoce de 30 à 40 % et le développement préclinique à 13-18 mois au lieu de trois à quatre ans.
Les programmes les plus avancés
Plusieurs programmes illustrent la maturité croissante de l’approche. Insilico Medicine a conduit son médicament contre la fibrose pulmonaire idiopathique de l’identification de la cible aux essais de Phase II en moins de 30 mois — un délai qui aurait pris 6 à 8 ans avec les méthodes conventionnelles. C’est l’un des cas les plus documentés d’accélération par IA dans l’industrie pharmaceutique.
Le zasocitinib (TAK-279), un inhibiteur de tyrosine kinase 2 initialement conçu par Nimbus Therapeutics en s’appuyant sur la plateforme de simulation moléculaire de Schrödinger, a atteint les essais de Phase III. Si les résultats sont positifs, il pourrait devenir l’un des premiers médicaments dont la conception a été significativement assistée par IA à obtenir une approbation réglementaire.
Le REC-394, ciblant les infections à Clostridioides difficile, devait présenter une mise à jour de Phase II au premier trimestre 2026. Les résultats seront scrutés comme un indicateur de la fiabilité des pipelines IA dans les maladies infectieuses.
Ce que l’IA ne peut pas accélérer
Il est tentant de projeter les gains de la phase de découverte sur l’ensemble du processus. Ce serait une erreur. Les essais cliniques — Phase I (sécurité), Phase II (efficacité préliminaire), Phase III (efficacité à grande échelle) — restent soumis à des contraintes que l’IA ne peut pas contourner.
Le recrutement de patients prend du temps. Les suivis cliniques s’étalent sur des mois ou des années. Les revues réglementaires ont leurs propres calendriers. La biologie humaine ne se compresse pas par la puissance de calcul. Un médicament conçu en trois mois par l’IA passera quand même trois à cinq ans en essais cliniques.
C’est la raison pour laquelle, malgré des centaines de programmes en développement, aucune approbation n’a encore été obtenue. L’IA a raccourci le début du parcours, pas sa totalité. Les analystes indépendants estiment à environ 60 % la probabilité qu’un médicament entièrement conçu par IA reçoive une approbation réglementaire d’ici fin 2027.
Les enjeux de 2026
Cette année concentre un nombre inhabituel de lectures de résultats cliniques pour des programmes IA. Si plusieurs essais de Phase III s’avèrent positifs, cela validera le modèle et déclenchera une vague d’investissements supplémentaires dans le secteur. Si les résultats sont décevants, les sceptiques qui questionnent depuis des années la valeur ajoutée réelle de l’IA en pharma auront un argument de poids.
Le secteur de la biotech IA est à un point d’inflexion. Les promesses ont été nombreuses, les investissements massifs, les publications académiques impressionnantes. Il reste à franchir l’étape que la science et la réglementation ne permettent pas de simuler : prouver, chez des patients réels, que les molécules conçues par IA guérissent.
Ce que cela change pour l’industrie pharmaceutique
Quel que soit le résultat des essais de 2026, l’IA a déjà transformé les premières étapes du développement pharmaceutique de manière irréversible. Les grandes sociétés pharma — Pfizer, Roche, AstraZeneca — ont toutes intégré des plateformes d’IA dans leurs pipelines de recherche. Le modèle économique de la découverte de médicaments ne reviendra pas en arrière.
La question n’est plus de savoir si l’IA a sa place dans la pharma. C’est de savoir si elle peut tenir la promesse ultime : des médicaments meilleurs, moins chers et plus rapides à développer. Les 15 à 20 essais de Phase III de 2026 commenceront à répondre.
