Isomorphic Labs conçoit un moteur d'IA de nouvelle génération pour la conception de médicaments

Isomorphic Labs, filiale de Google DeepMind, a annoncé un moteur d'IA spécialisé dans le développement de médicaments, un système que les experts comparent déjà à ce qu'est devenu AlphaFold pour la biologie structurale. Le nouvel outil est présenté comme un développement propriétaire de classe AlphaFold 4, mais conçu non pas pour prédire des structures de protéines, mais pour rechercher et optimiser des molécules thérapeutiques. Si les promesses de l'entreprise se vérifient en pratique, l'industrie pharmaceutique est à l'aube de l'un de ses plus importants bouleversements technologiques depuis des décennies.

Pour mesurer l'enjeu, il faut rappeler où se concentre le principal risque dans la création d'un médicament. Le chemin entre la découverte d'une cible biologique et l'autorisation du produit dure en moyenne 10 à 15 ans et coûte des milliards de dollars. L'étape la plus imprévisible est le développement précoce : le moment où les chercheurs tentent de trouver une molécule qui se lie précisément à la bonne protéine, ne nuise pas au reste de l'organisme et conserve son activité dans des conditions biologiques réelles. C'est là que se brisent la plupart des espoirs et que s'engloutissent des ressources colossales. Le nouveau moteur d'Isomorphic Labs vise directement ce goulet d'étranglement.

La technologie repose sur la modélisation des interactions entre protéines et ligands, de petites molécules capables de se fixer à une protéine et de modifier son comportement. Les ligands sont à la base de la plupart des médicaments modernes. Le problème est que prédire le comportement d'une molécule donnée associée à une protéine donnée est extrêmement difficile : il s'agit de structures tridimensionnelles dynamiques aux milliers de configurations possibles. Les méthodes traditionnelles, simulations physiques et criblage en laboratoire, demandent des mois de travail, même pour des bibliothèques de composés relativement modestes. Selon les informations disponibles, le nouveau système d'Isomorphic Labs peut accomplir ce travail avec une précision sans précédent et plusieurs ordres de grandeur plus vite.

Le lien avec l'héritage d'AlphaFold n'est ni fortuit ni métaphorique. AlphaFold 2, présenté en 2020, a résolu un problème sur lequel la biologie butait depuis un demi-siècle : prédire la structure tridimensionnelle d'une protéine à partir de sa séquence d'acides aminés. Cela a ouvert la voie à la compréhension de millions de protéines dont la structure restait inconnue. Le nouveau moteur d'Isomorphic Labs franchit l'étape logique suivante : connaissant la structure de la protéine cible, le système apprend non seulement à la décrire, mais à chercher activement des molécules capables d'interagir avec elle de la manière voulue. En somme, on passe de la cartographie du monde moléculaire à sa construction délibérée.

Pour l'industrie pharmaceutique, les conséquences pourraient être très concrètes. De grands acteurs comme Eli Lilly, Novartis et Roche ont déjà investi des sommes importantes dans des partenariats avec des entreprises qui utilisent l'IA pour accélérer le développement. Isomorphic Labs, de son côté, a conclu en 2023 des contrats avec plusieurs géants pharmaceutiques pour un montant total supérieur à un milliard de dollars.

Le nouveau moteur doit devenir le socle technologique de ces partenariats et transformer les promesses abstraites de la pharmacie assistée par IA en molécules candidates concrètes. Il est aussi révélateur que l'entreprise garde délibérément la technologie propriétaire, contrairement à AlphaFold, qui avait été ouvert à la communauté scientifique. C'est le signe que DeepMind voit dans cet outil une véritable arme commerciale, et non une contribution académique.

Des questions subsistent toutefois chez les experts. L'écart entre les résultats de laboratoire des systèmes d'IA et leur efficacité réelle en essais cliniques reste important. L'histoire de la pharmacie compte de nombreux cas où des molécules candidates prometteuses ont échoué à des stades avancés à cause d'effets secondaires imprévus ou d'une biodisponibilité insuffisante. Dans quelle mesure le nouveau moteur sait prendre en compte toute cette complexité biologique, seule la pratique le dira.

Pour autant, la direction prise ne fait aucun doute. Isomorphic Labs parie que la pharmacie de demain est avant tout un problème de calcul, et qu'un réseau de neurones bien entraîné peut déceler des motifs dans les interactions moléculaires là où l'intuition humaine est depuis longtemps dans l'impasse. Si le nouveau moteur raccourcit réellement le cycle de développement ne serait-ce que de moitié, l'effet économique et humanitaire sera colossal : des dizaines de maladies pour lesquelles il n'existe aujourd'hui aucun médicament efficace pourraient être traitées bien plus tôt que ne le laissent penser les prévisions actuelles.