Helical lève 10 millions de dollars pour transformer les modèles de fondation biologiques en systèmes opérationnels pour la pharma

Helical a levé 10 millions de dollars en amorçage pour faire passer les modèles de fondation biologiques du statut de technologie de recherche prometteuse à celui de systèmes opérationnels pour les laboratoires pharmaceutiques. Le signal compte pour le marché : les investisseurs ne misent pas simplement sur une énième plateforme d'IA, mais sur une équipe qui déploie déjà ses solutions chez de grands clients. Dans un secteur où l'erreur coûte cher, un usage en production pèse souvent plus lourd que les promesses tapageuses ou les démos.

La start-up est basée à Londres, mais ses racines sont luxembourgeoises : trois amis d'enfance originaires du Luxembourg l'ont fondée. Le fonds redalpine mène ce tour de 10 millions de dollars, et des dirigeants de Cohere et de Hugging Face figurent parmi les business angels. Ce casting n'est pas anodin. Il montre que le projet inspire confiance non seulement aux acteurs classiques du capital-risque, mais aussi à des personnes directement impliquées dans le développement des modèles d'IA modernes et de l'infrastructure qui les entoure.

L'essentiel, chez Helical, tient moins au montant levé qu'au stade du produit. L'entreprise affirme travailler déjà en production avec plusieurs groupes pharmaceutiques du top 20 mondial, et revendique une collaboration publique avec Pfizer. Pour une jeune start-up d'IA, ce niveau de validation reste rare. La pharma n'adopte pas de nouveaux outils sur un coup de tête : les cycles d'évaluation y sont longs, les exigences strictes en matière de qualité des données, de reproductibilité des résultats et d'intégration aux processus de recherche existants. Si une solution atteint l'usage réel, elle a franchi au moins une partie du chemin le plus difficile.

L'idée de « transformer les modèles de fondation en systèmes » est elle-même révélatrice. Un modèle de base peut briller dans des scénarios de laboratoire et sur des jeux de données de test, mais les entreprises n'ont que faire de capacités abstraites : elles veulent des outils concrets. Une interface claire, des pipelines fiables, un contrôle qualité, la compatibilité avec leurs données internes et une logique de décision lisible. Dans la biotech et la pharma, ce fossé entre modèle et produit est particulièrement profond : on parle de biologie complexe, d'expériences coûteuses et de cycles de développement de médicaments qui peuvent s'étaler sur des années.

Par « bio foundation models », le marché désigne généralement de grands modèles entraînés sur des séquences biologiques, des structures moléculaires ou des corpus de données scientifiques associés. Leur potentiel est discuté depuis longtemps comme la prochaine grande couche de l'IA après les modèles de langage, car ils peuvent aider à repérer des liens difficiles à identifier manuellement. L'approche a toutefois ses limites : la pharma ne se contente pas de jolies prédictions sur des slides, elle a besoin d'outils qu'elle peut vérifier sur ses données internes et confronter aux résultats de laboratoire.

C'est pourquoi les investisseurs s'intéressent de plus en plus non pas au modèle « magique » en tant que tel, mais à la capacité d'une équipe à l'intégrer dans une véritable chaîne de recherche.

Le pari de Helical paraît donc pragmatique. Plutôt que de vendre au marché la seule promesse d'une « IA pour la découverte de médicaments », l'entreprise construit, à en juger par son positionnement, une couche qui rend ces modèles exploitables au quotidien par les équipes de recherche. Pour les laboratoires, cela pourrait se traduire par une analyse plus rapide des données biologiques, une recherche de motifs plus commode et un travail plus structuré sur les hypothèses.

Pour le marché de l'IA, c'est un signe supplémentaire d'un glissement : la course aux plus gros modèles cède la place à la course aux systèmes qui s'intègrent réellement dans les processus métier. C'est précisément cette dimension applicative qui constitue généralement le principal goulot d'étranglement du passage à l'échelle.

La conclusion est simple : Helical a levé un montant relativement modeste à l'aune du boom de l'IA, mais compense par la qualité de ses signaux — déploiement précoce chez de grands laboratoires, lien public avec Pfizer et un solide tour de table. C'est dans ces transitions de l'hypothèse de recherche à l'outil opérationnel que se crée aujourd'hui la nouvelle valeur de l'IA sectorielle. Si l'entreprise parvient à démontrer que son approche apporte une valeur stable dans de vrais processus de R&D, l'intérêt pour les systèmes de bio-IA appliqués à la pharma ne fera que croître dans les prochaines années.