L'IA Peut Traiter 15 Millions de Molécules par Jour, Mais Ne Peut Toujours Pas Guérir la Maladie d'Alzheimer

En avril 2026, The Next Web (TNW) a publié un article qui remet en question le battage médiatique autour de l'IA dans la pharmacie : la technologie accélère effectivement certaines étapes du développement des médicaments, mais selon l'évaluation de TNW, la révolution dans la découverte de médicaments est radicalement exagérée. Les chatbots de santé représentent un danger documenté, et les maladies les plus graves, dont la maladie d'Alzheimer, restent non résolues malgré des chiffres impressionnants de puissance de calcul.

Un

Exemple Révélateur : 15 Millions de Molécules pour une Maladie

L'exemple clé que cite TNW est le travail de l'entreprise pharmaceutique Novartis. Fin 2025, une équipe de chercheurs travaillant sur la maladie de Huntington a utilisé l'IA générative pour concevoir informatiquement 15 millions de composés potentiels pour un type spécifique de molécule. C'est un volume gigantesque—plusieurs ordres de grandeur plus que ce qu'un laboratoire traditionnel pourrait cribler en temps comparable manuellement ou même avec un criblage haut débit classique.

Ce sont précisément ces chiffres—des millions de molécules candidates de médicaments générées par l'IA—qui sont généralement cités comme preuve d'une révolution en pharmacie. TNW ne nie pas que les modèles génératifs puissent parcourir l'espace chimique à des échelles inaccessibles aux humains. Le problème, selon TNW, est différent : l'échelle de la génération de candidats n'est pas la même que l'échelle des succès cliniques réels. Entre « concevoir 15 millions de molécules » et « obtenir un médicament qui fonctionne et qui a réussi les essais cliniques » s'étend un long chemin, où la grande majorité des candidats sont éliminés.

Pourquoi les Maladies les Plus Graves Restent Non Résolues

La thèse principale de l'article de TNW : là où des avancées véritables sont nécessaires—dans les maladies neurodégénératives comme la maladie d'Alzheimer, la maladie de Huntington et autres pathologies complexes, mal comprises au niveau moléculaire—l'IA n'a pas encore changé la situation. La raison n'est pas un manque de puissance de calcul, mais que le mécanisme biologique lui-même est mal compris pour ces maladies : un modèle peut générer des millions de molécules candidates plausibles, mais si la science ne comprend pas encore entièrement quelle cible exacte doit être atteinte pour arrêter la progression d'Alzheimer, même le système génératif le plus puissant optimisera le mauvais problème.

Thèses clés de l'article de TNW :

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

Il est révélateur que TNW ait choisi non pas une startup promettant une révolution, mais une grande entreprise pharmaceutique conservatrice avec une longue histoire—Novartis—comme exemple. C'est un détail important : il ne s'agit pas d'affirmations marketing d'une petite entreprise d'IA ayant besoin d'attirer des investissements, mais de processus de travail réels au sein d'une organisation qui par définition est prudente face aux promesses audacieuses en développement de médicaments et doit substantier tout résultat par des essais cliniques longs et coûteux.

Ce que Cela Signifie pour l'Industrie de la Biotechnologie

L'article de TNW fonctionne comme contre-poids à la vague de gros titres enthousiastes sur « l'IA qui résoudra le cancer et Alzheimer en quelques années ». En pratique, l'IA générative en pharmacie fonctionne aujourd'hui mieux avec la partie du processus qui se prête à la formalisation—générer et cribler initialement les structures chimiques, prédire leurs propriétés, optimiser les échafaudages moléculaires connus. Mais là où une compréhension fondamentale de la biologie de la maladie est nécessaire, comme avec Alzheimer et autres troubles neurodégénératifs, la puissance de calcul seule ne remplace pas des décennies de connaissances scientifiques manquantes.

Pour les investisseurs et les entreprises pharmaceutiques, cela signifie la nécessité d'évaluer plus sobrement quelles étapes du développement des médicaments l'IA accélère réellement, et lesquelles restent aussi longues et incertaines qu'avant l'apparition des modèles générateurs—et de ne pas confondre des chiffres impressionnants de composés générés avec la garantie du succès clinique.

La deuxième partie de la thèse de TNW mérite également une attention particulière—sur les chatbots de santé comme source documentée de risque. Contrairement aux applications d'IA en laboratoire, où un candidat erroné est simplement éliminé au stade de test suivant, une erreur d'un chatbot donnant des conseils médicaux directement aux utilisateurs peut causer un vrai préjudice sans aucune surveillance intermédiaire d'un spécialiste—et c'est précisément cette différence de niveau de risque, selon la publication, qui mérite beaucoup plus d'attention publique qu'elle ne reçoit actuellement.