L'IA peut traiter 15 millions de molécules par jour, mais n'a toujours pas guéri Alzheimer

En avril 2026, The Next Web (TNW) a publié un article qui remet en cause l'emballement autour de l'IA dans la pharmacie. La technologie accélère bel et bien certaines étapes du développement de médicaments, mais la révolution du drug discovery est, selon le média, radicalement exagérée. Les chatbots de santé représentent un danger documenté, et les maladies les plus graves, dont la maladie d'Alzheimer, restent sans solution malgré des chiffres de puissance de calcul impressionnants.

Un exemple parlant : 15 millions de molécules pour une seule maladie

L'exemple central cité par TNW est le travail du laboratoire pharmaceutique Novartis. Fin 2025, une équipe de chercheurs travaillant sur la maladie de Huntington a conçu par calcul, grâce à l'IA générative, 15 millions de composés potentiels d'un certain type de molécules. Le volume est gigantesque, supérieur de plusieurs ordres de grandeur à ce qu'un laboratoire traditionnel pourrait passer en revue dans un temps comparable, à la main ou même avec un criblage classique à haut débit.

Ce sont précisément ces chiffres, des millions de molécules candidates générées par IA, que l'on présente d'ordinaire comme la preuve d'une révolution pharmaceutique. TNW ne nie pas que les modèles génératifs puissent explorer l'espace chimique à une échelle hors de portée de l'humain. Le problème, selon le média, est ailleurs : l'échelle de génération de candidats n'est pas celle des succès cliniques réels. Entre « concevoir 15 millions de molécules » et « obtenir un médicament fonctionnel ayant passé les essais cliniques », il y a un long chemin au cours duquel l'immense majorité des candidats est éliminée.

Pourquoi les maladies les plus graves restent sans solution

La thèse principale de l'article de TNW : là où il faudrait de vraies percées, dans les maladies neurodégénératives comme Alzheimer, dans la maladie de Huntington et dans d'autres pathologies complexes et mal connues au niveau moléculaire, l'IA n'a pas encore changé la donne. La cause n'est pas un manque de puissance de calcul, mais le fait que le mécanisme biologique de ces maladies est lui-même mal compris. Un modèle peut générer des millions de molécules candidates plausibles, mais si la science ne sait pas précisément quelle cible viser pour stopper la progression d'Alzheimer, même le système génératif le plus puissant optimisera le mauvais problème.

Les points clés de l'article de TNW :

• La révolution de l'IA dans le drug discovery est réelle mais, selon TNW, radicalement surestimée
• Les chatbots médicaux de santé sont une source de risques documentée, et pas seulement de confort
• Les maladies les plus graves restent sans solution malgré les progrès de l'IA
• Exemple : fin 2025, une équipe de Novartis a généré 15 millions de composés potentiels pour une thérapie contre la maladie de Huntington

Il est révélateur que TNW ait choisi comme exemple non pas une startup qui promet une révolution, mais un grand laboratoire pharmaceutique conservateur, à l'histoire longue : Novartis. Le détail est important : il ne s'agit pas d'une déclaration marketing d'une petite société d'IA qui doit lever des fonds, mais d'un processus de travail au sein d'une organisation qui, par définition, se méfie des grandes promesses en matière de développement de médicaments et doit confirmer tout résultat par des essais cliniques longs et coûteux.

Ce que cela signifie pour l'industrie biotech

L'article de TNW fait contrepoids à la vague de titres enthousiastes sur une « IA qui résoudra le cancer et Alzheimer en quelques années ». En pratique, l'IA générative en pharmacie réussit aujourd'hui le mieux sur la partie du processus qui se prête à la formalisation : générer et trier en première intention des structures chimiques, prédire leurs propriétés, optimiser des squelettes moléculaires déjà connus. Mais là où il faut une compréhension fondamentale de la biologie de la maladie, comme pour Alzheimer et d'autres troubles neurodégénératifs, la puissance de calcul seule ne remplace pas des décennies de connaissances scientifiques manquantes.

Pour les investisseurs et les laboratoires, cela implique d'évaluer plus sobrement quelles étapes du développement de médicaments l'IA accélère réellement et lesquelles restent aussi longues et incertaines qu'avant les modèles génératifs, sans confondre des chiffres impressionnants de composés générés avec une garantie de succès clinique.

La seconde partie de la thèse de TNW mérite aussi une attention particulière : les chatbots de santé comme source documentée de risque. Contrairement à l'usage en laboratoire, où un candidat erroné est simplement écarté à l'étape de test suivante, l'erreur d'un chatbot qui donne des conseils médicaux directement à l'utilisateur peut causer un préjudice réel sans aucun contrôle intermédiaire d'un spécialiste. Cette différence de niveau de risque mérite, selon le média, bien plus d'attention publique qu'elle n'en reçoit aujourd'hui.