La découverte de médicaments par IA est passée du battage médiatique au pipeline clinique — voici ce qui est réellement testé

Le discours sur l'IA dans la découverte de médicaments dure depuis des années : l'IA trouvera de nouvelles cibles, concevra des molécules inédites et compressera des délais qui s'étendaient historiquement sur des décennies. En 2026, la phase de preuve de concept est véritablement terminée. Plus de 200 composés conçus par IA sont en tests cliniques, la FDA a mis en place une voie accélérée dédiée aux médicaments découverts par IA, et la molécule la plus avancée issue de l'IA a passé la Phase IIa avec des résultats d'efficacité positifs. Tout cela ne signifie pas que le problème est résolu — mais la question n'est plus de savoir si l'IA peut contribuer à la découverte de médicaments. Elle est de savoir quelles contributions survivent réellement aux essais de phase avancée et à quoi ressemble le parcours réglementaire lorsqu'elles y parviennent.

Le cas le plus avancé : le rentosertib pour la fibrose pulmonaire

Le rentosertib d'Insilico Medicine est actuellement le médicament découvert par IA le plus avancé en développement clinique. Il cible TNIK, une kinase impliquée dans la signalisation fibrotique, et a été identifié et conçu entièrement par des systèmes d'IA — de l'identification de la cible à la conception de la molécule. Le médicament est développé pour la fibrose pulmonaire idiopathique (FPI), une maladie pulmonaire progressive avec des options thérapeutiques limitées.

Les résultats de Phase IIa, publiés début 2026, ont montré des signaux positifs d'efficacité et de sécurité. Le rentosertib progresse maintenant vers la Phase IIb, ce qui en fait la première molécule issue de l'IA à démontrer une efficacité clinique chez l'humain. La mise en garde importante : la Phase IIa compte généralement 50 à 200 patients. Les essais de Phase III en impliquent des milliers. La transition Phase II → Phase III est historiquement l'endroit où la plupart des programmes de médicaments échouent, et le bilan du rentosertib ne dit encore rien sur la probabilité de Phase III.

Le pipeline plus large d'Insilico comprend plusieurs autres candidats conçus par IA en oncologie et en inflammation. L'approche de l'entreprise utilise l'IA générative pour la conception de molécules et l'apprentissage par renforcement pour l'optimisation — un workflow désormais courant dans le domaine, mais qu'Insilico a déployé à l'échelle clinique plus tôt que la plupart.

Isomorphic Labs et les ambitions cliniques d'AlphaFold 3

Isomorphic Labs, la spin-off de Google DeepMind qui commercialise AlphaFold, se prépare à entrer en essais de Phase I avec des candidats médicaments conçus par IA en oncologie d'ici fin 2026. L'entreprise s'appuie sur AlphaFold 3, qui a étendu les capacités originales de prédiction de structure des protéines pour modéliser comment les protéines interagissent simultanément avec de petites molécules, des acides nucléiques et d'autres protéines — les interactions dont dépend la liaison des médicaments.

La capacité d'AlphaFold 3 à prédire les structures de liaison protéine-ligand a constitué une avancée pratique significative pour la conception de médicaments. Les prédictions de structure antérieures pouvaient vous dire à quoi ressemble une protéine ; AlphaFold 3 peut modéliser comment une molécule candidate pourrait se fixer au site de liaison. Combiné à la conception moléculaire générative, cela crée un workflow in-silico capable d'évaluer des milliards de candidats moléculaires avant de synthétiser un quelconque composé physique.

Le pipeline d'Isomorphic est distinct d'AlphaFold lui-même — l'outil de recherche est en libre accès, tandis qu'Isomorphic construit des programmes de médicaments propriétaires par-dessus. L'annonce de Phase I attendue d'ici fin 2026 sera un jalon significatif : le premier test humain d'une molécule conçue en utilisant les capacités complètes de prédiction des interactions structurelles d'AlphaFold 3.

Le cadre réglementaire rattrape son retard

La FDA a lancé son programme pilote de voie accélérée pour l'IA début 2026, sélectionnant dix entreprises avec des candidats médicaments découverts ou conçus par IA pour un examen accéléré de Phase I. Ce pilote est une réponse au volume croissant de demandes de nouveau médicament expérimental (IND) issues de l'IA et au besoin de l'agence de développer les compétences des évaluateurs face aux dossiers de preuves générées par IA avant que le volume n'augmente encore.

La FDA et l'Agence européenne des médicaments ont publié conjointement les « Guiding Principles of Good AI Practice in Drug Development » en janvier 2026 — le premier cadre réglementaire international harmonisé pour l'IA dans la R&D pharmaceutique. Le document traite de la documentation des données d'entraînement, de la validation des modèles et de la manière dont les preuves générées par IA doivent être représentées dans les soumissions réglementaires. Il ne répond pas à toutes les questions, mais il donne aux entreprises une norme vers laquelle orienter leur conformité, plutôt que chaque agence improvisant séparément.

Un projet de directives sur l'utilisation de l'IA dans les décisions réglementaires des médicaments devrait être finalisé par la FDA plus tard cette année. Le calendrier est important : sans directives finalisées, les entreprises qui procèdent à des soumissions lourdes en IA font face à une incertitude quant à la documentation attendue par l'agence et à la manière dont les données générées par IA seront pondérées par rapport aux preuves expérimentales traditionnelles.

La question du taux de succès clinique

Les programmes de médicaments par IA affichent un taux de succès de 80 à 90 % dans les essais de Phase I, nettement supérieur aux moyennes historiques. La Phase I teste principalement la sécurité et le dosage, pas l'efficacité — les molécules optimisées par IA semblent avoir de meilleurs profils de sécurité et propriétés pharmacocinétiques que les molécules découvertes par des approches plus anciennes, probablement parce que l'optimisation par IA modélise explicitement les propriétés ADMET (absorption, distribution, métabolisme, excrétion, toxicité) dès le départ.

La Phase II est une autre histoire. Les médicaments conçus par IA réussissent en Phase II à environ 40 %, similaire aux moyennes historiques de l'industrie. L'écart entre les performances en Phase I et en Phase II suggère que l'IA devient compétente pour éviter les modes d'échec évidents (sécurité, tolérabilité) mais n'a pas encore démontré sa capacité à prédire l'efficacité clinique — qui dépend d'hypothèses biologiques sur les mécanismes des maladies qui restent difficiles même avec les meilleurs modèles structuraux.

Les entreprises avec les pipelines de Phase II les plus crédibles — Insilico, Recursion Pharmaceuticals, Schrödinger, Generate Biomedicines — attaquent chacune ce problème différemment. Recursion utilise l'imagerie biologique à grande échelle pour générer des données d'entraînement pour les modèles de mécanismes de maladies. Generate Biomedicines se concentre sur les thérapeutiques à base de protéines où le lien cible-mécanisme est plus direct. Schrödinger combine des simulations de physique quantique avec l'IA. Aucune de ces approches n'a encore démontré de succès en Phase III, mais les données de Phase I et Phase II qui s'accumulent en 2026 commenceront à différencier les plateformes qui ont des modèles biologiques véritablement prédictifs de celles qui sont principalement meilleures en synthèse moléculaire.

Ce que signifiera réellement la première approbation de la FDA

Aucun médicament issu de l'IA n'a reçu d'approbation complète de la FDA à la mi-2026. La fenêtre d'approbation la plus précoce plausible est 2027–2028, sous réserve de résultats positifs de Phase III pour les médicaments actuellement en Phase II. Lorsque cette première approbation aura lieu, elle sera citée comme un jalon — mais le jalon portera davantage sur le précédent réglementaire que sur la validation scientifique. La question plus difficile est de savoir à quoi ressembleront les taux d'approbation de Phase III dans le pipeline de médicaments par IA d'ici 2030, lorsque suffisamment de programmes auront parcouru tout le parcours pour tirer des conclusions sur les approches IA qui produisent des médicaments fonctionnant réellement dans de grandes populations.

Le jalon immédiat à surveiller en 2026 est le lancement de la Phase I d'Isomorphic et les résultats intermédiaires de Phase IIb du rentosertib. Ces deux points de données feront davantage pour façonner la confiance des investisseurs et des scientifiques dans le domaine que n'importe quel nombre de programmes de pipeline annoncés.