NVIDIA et Eli Lilly créent un laboratoire IA pour accélérer la découverte de médicaments

NVIDIA et le géant pharmaceutique américain Eli Lilly ont annoncé le 27 mars 2026 la création d’un laboratoire conjoint dédié à l’application de l’intelligence artificielle à la découverte de médicaments. Doté d’un investissement initial de 450 millions de dollars sur trois ans, le NVIDIA-Lilly AI Drug Discovery Lab combinera les supercalculateurs DGX SuperPOD de NVIDIA avec l’expertise biopharmaceutique d’Eli Lilly pour réduire de moitié le temps de développement préclinique des molécules thérapeutiques.

Points clés

Un investissement massif dans la convergence IA-pharma

L’annonce a été faite conjointement par Jensen Huang, PDG de NVIDIA, et David Ricks, PDG d’Eli Lilly, lors d’un événement à Indianapolis, siège historique du laboratoire pharmaceutique. L’investissement de 450 millions de dollars sur trois ans — réparti à parts égales entre les deux partenaires — financera la construction d’une infrastructure de calcul dédiée, le recrutement de 200 chercheurs spécialisés en IA et biologie computationnelle, et le développement de modèles de fondation spécifiquement entraînés sur des données moléculaires et pharmacologiques.

Le laboratoire sera physiquement installé sur le campus d’Eli Lilly à Indianapolis, avec une antenne au siège de NVIDIA à Santa Clara. Il disposera de deux clusters DGX SuperPOD équipés de 512 GPU B200, offrant une puissance de calcul de plus de 100 exaflops en précision FP8 — soit l’équivalent de la puissance combinée des dix plus grands supercalculateurs académiques des États-Unis.

BioNeMo au cœur de la plateforme technique

La plateforme technique du laboratoire reposera sur BioNeMo, le framework de NVIDIA pour l’IA appliquée aux sciences de la vie. Lancé en 2023 et régulièrement enrichi depuis, BioNeMo propose des modèles de fondation pré-entraînés pour la prédiction de structures protéiques (dans la lignée d’AlphaFold), la génération de molécules candidates, la simulation d’interactions médicament-cible, et l’optimisation des propriétés pharmacocinétiques des composés.

Kimberly Powell, vice-présidente de NVIDIA en charge du secteur santé, a détaillé l’architecture technique lors de la présentation. Le pipeline de découverte intégrera trois couches de modèles IA : un modèle génératif de type diffusion pour proposer des structures moléculaires candidates, un modèle de scoring basé sur des graphes de neurones pour évaluer l’affinité de liaison avec les cibles biologiques, et un modèle de simulation de dynamique moléculaire accéléré par GPU pour prédire le comportement des molécules in vivo.

Daniel Skovronsky, directeur scientifique d’Eli Lilly, a souligné l’impact attendu sur les délais de développement : « Aujourd’hui, la phase de découverte préclinique prend en moyenne 4 à 5 ans et coûte 500 millions de dollars. Notre objectif avec ce laboratoire est de ramener ce délai à 2 à 2,5 ans tout en augmentant le taux de succès des molécules qui atteignent la phase clinique de 10 % à 20 %. »

La stratégie pharma de NVIDIA prend forme

Ce partenariat avec Eli Lilly confirme l’engagement croissant de NVIDIA dans le secteur pharmaceutique, devenu l’un de ses axes de diversification les plus prometteurs au-delà des data centers et du gaming. En janvier 2026, NVIDIA avait déjà annoncé un partenariat de recherche avec Roche, le premier groupe pharmaceutique mondial, pour appliquer l’IA à la conception d’anticorps thérapeutiques. En octobre 2025, c’est avec Amgen que NVIDIA avait noué un accord similaire pour la simulation de protéines à grande échelle.

Jensen Huang ne cache plus ses ambitions dans le domaine. Lors de sa keynote au GTC 2026, il avait déclaré que « la biologie computationnelle sera le prochain trillion-dollar market pour NVIDIA, après les data centers IA ». Les chiffres semblent lui donner raison : selon McKinsey, le marché mondial de l’IA appliquée à la découverte de médicaments devrait passer de 3,2 milliards de dollars en 2025 à 11,5 milliards en 2028, avec un taux de croissance annuel composé de 53 %.

Un écosystème en pleine effervescence

NVIDIA et Eli Lilly ne sont pas seuls sur ce terrain. L’ensemble de l’industrie pharmaceutique accélère son adoption de l’IA pour la R&D. Google DeepMind, avec AlphaFold 3 et Isomorphic Labs, cible directement la conception de médicaments à partir de structures protéiques prédites. Recursion Pharmaceuticals, valorisée à 4,8 milliards de dollars, a constitué l’une des plus grandes bases de données biologiques au monde pour entraîner ses modèles de découverte. Insilico Medicine, start-up hongkongaise, a déjà fait entrer en phase clinique II un candidat-médicament entièrement conçu par IA contre la fibrose pulmonaire idiopathique.

Pour Andrew Hopkins, professeur de chimie informatique à l’université de Dundee et fondateur d’Exscientia, « nous vivons un changement de paradigme comparable à l’introduction du séquençage génomique dans les années 2000. L’IA ne remplace pas les chimistes médicinaux, elle leur donne des outils qui auraient relevé de la science-fiction il y a cinq ans. La question n’est plus de savoir si l’IA transformera la découverte de médicaments, mais à quelle vitesse. »

Les défis à surmonter

Malgré l’enthousiasme, des obstacles significatifs subsistent. Le premier concerne la qualité et la disponibilité des données biologiques. Les modèles d’IA sont aussi bons que les données sur lesquelles ils sont entraînés, et les données expérimentales en biologie sont souvent bruitées, incomplètes et hétérogènes. Le deuxième défi est réglementaire : la FDA et l’EMA n’ont pas encore établi de cadre clair pour l’évaluation des médicaments dont la conception a été assistée par IA, créant une incertitude pour les laboratoires qui investissent massivement dans ces approches.

Le troisième défi, peut-être le plus fondamental, est celui de la validation clinique. Si l’IA excelle à identifier des molécules candidates in silico, le passage aux essais sur l’homme reste le principal goulet d’étranglement. Aucun médicament entièrement conçu par IA n’a encore obtenu d’autorisation de mise sur le marché. Le candidat le plus avancé, l’INS018_055 d’Insilico Medicine, n’est qu’en phase II. La promesse de l’IA devra encore faire ses preuves dans les essais cliniques de phase III, les plus longs et les plus coûteux du processus de développement.

FAQ

Quels types de médicaments seront développés dans le laboratoire NVIDIA-Lilly ?

Le laboratoire se concentrera initialement sur trois domaines thérapeutiques prioritaires d’Eli Lilly : l’oncologie, les maladies neurodégénératives (notamment Alzheimer) et les maladies auto-immunes. Les modèles d’IA seront utilisés pour identifier de nouvelles cibles biologiques, générer des molécules candidates et optimiser leurs propriétés pharmacocinétiques avant les essais précliniques.

Comment l’IA accélère-t-elle concrètement la découverte de médicaments ?

L’IA intervient à plusieurs étapes : elle analyse des millions de structures moléculaires pour identifier des candidats prometteurs en quelques jours au lieu de plusieurs mois, prédit la toxicité et l’efficacité des composés avant les tests en laboratoire, et optimise les propriétés des molécules pour améliorer leur absorption et leur stabilité dans l’organisme. La simulation par GPU permet de modéliser des interactions moléculaires qui prendraient des années à explorer expérimentalement.

Quand peut-on espérer voir un premier médicament issu de ce laboratoire ?

Eli Lilly vise l’identification de premières molécules candidates dans les 18 à 24 mois suivant le lancement du laboratoire, soit fin 2027 ou début 2028. Cependant, le passage en essais cliniques puis l’obtention d’une autorisation de mise sur le marché nécessiteront encore plusieurs années supplémentaires. Un premier médicament commercialisé issu de ce partenariat n’est réalistement envisageable qu’à l’horizon 2031-2033.

Sources : NVIDIA Newsroom, Eli Lilly communiqué de presse, McKinsey Global Institute, Reuters, STAT News, Nature Biotechnology.

Article rédigé par la rédaction de LagazetteIA. Dernière mise à jour : 28 mars 2026.