ZURICH – La propagation galopante de l’intelligence artificielle (IA) n’épargne pas le secteur pharmaceutique. De l’identification de nouvelles molécules à la production, en passant par la recherche clinique, les nouveaux algorithmes accélèrent les processus, réduisent les coûts, voire ouvrent de nouveaux champs thérapeutiques.
Inscrivez-vous gratuitement à notre newsletter du mardi !
L’emploi de ces nouveaux outils est susceptible de diviser par deux les quatre à sept ans nécessaires habituellement à l’identification de nouvelles substances actives et à leur développement préclinique, comme les sept à neuf ans dévolus au développement clinique, devisaient récemment Boston Consulting Group et Standard & Poor’s dans une étude.
Pour autant, ces avancées s’accompagnent d’autant de nouveaux risques et défis, entre fiabilité des données, encadrement réglementaire, considérations éthiques et non des moindres opacité du fonctionnement des modèles d’intelligence artificielle.
Chez Genentech, l’IA prend la forme d’un “laboratoire circulaire” explique à l’agence AWP Aviv Regev, responsable de la recherche et du développement précoce pour la filiale californienne de Roche. Les algorithmes sont alimentés par de grandes bases de données pour générer des modèles, qui serviront ensuite de base à la prochaine expérience. “Les données ainsi produites seront réutilisées pour répéter le modèle,” poursuit la spécialiste en biologie computationnelle.
Décharger, pas remplacer
Novartis de son côté insiste sur le côté complémentaire des nouveaux outils. “Nous considérons l’IA comme une extension de l’intelligence humaine, pas comme une intelligence artificielle,” expose le responsable médical Shreeram Aradhye. L’objectif est ainsi de soulager la charge de travail de tous les employés dans le domaine de la recherche et du développement, de manière à leur permettre de se concentrer sur leurs compétences particulières et à faciliter la prise de décisions.
“Le champ des possibles est si vaste que l’être humain ne peut tout simplement pas l’appréhender seul. Mais l’emploi de modèles d’IA offre aux scientifiques un turbo pour les explorer”, poursuit Mme Regev.
“La valeur ajoutée de l’IA réside au final dans le fait qu’elle épargne aux chercheurs une débauche d’énergie pour le formatage de tableaux de données, leur permettant de se concentrer sur leur fonction essentielle qui est de répondre à la question : Comment interpréter au mieux l’information ?”, abonde M. Aradhye.
La compréhension humaine demeure indispensable à l’interprétation des résultats obtenus au moyen d’IA perçues comme des “boîtes noires” par Interpharma. “Un point délicat est le fait que nous ne pouvons pratiquement pas comprendre comment une IA aboutit à son résultat. Ce qui se passe dans un modèle est une boîte noire,” déplore l’association faîtière de la recherche pharmaceutique en Suisse.
L’organisation souligne en outre la transformation graduelle de l’industrie pharmaceutique induite par l’emploi d’outils encore en plein développement. “Le spectre des véritables possibilités ne va se dévoiler qu’au cours des prochaines années ou décennies,” indique son directeur René Buholzer.
A l’instar de la conduite autonome, se pose aussi la question de la responsabilité finale pour les résultats des recherches. L’emploi d’outils d’IA dans le recherche ne doit pas dédouaner les chercheurs de leurs responsabilité vis-à-vis des patients, estime M. Aradhye.
Inscrivez-vous gratuitement à notre newsletter du mardi !
Découvrez Jobpro.ch, notre site d’offres d’emploi en Suisse romande
Le 18 juin 2025. Sources : Keystone-ATS. Crédits photos: Adobe Stock, Pixabay ou Pharmanetis Sàrl (Creapharma.ch).
