L’IA comme capacité industrielle intégrée
Avec cet investissement, Roche déclare que son parc combiné de GPU (entre infrastructures on-premise et cloud) dépasse désormais “3 500 GPU Blackwell.”
Roche présente cet ensemble comme la plus grande capacité annoncée de ce type dans l’industrie pharmaceutique.
L’objectif est d’accélérer le développement de solutions de diagnostic et de traitements, en intégrant l’IA sur l’ensemble de la chaîne de valeur, de la découverte à la commercialisation.
Une infrastructure IA pour concevoir des modèles prédictifs et raccourcir les délais de R&D
Cette annonce s’inscrit dans la continuité du partenariat stratégique noué entre Roche et NVIDIA en 2023. Pour le laboratoire, cette montée en puissance des capacités de calcul doit soutenir une organisation de santé “AI-accelerated”, c’est-à-dire structurée autour d’usages de l’IA à grande échelle.
Selon Wafaa Mamilli, directrice digitale et technologique de Roche, l’AI factory doit associer puissance de calcul et expertise scientifique afin d’intégrer l’IA sur toute la chaîne, de la découverte au développement, en passant par la production et la mise sur le marché. Mais aussi de concevoir des “modèles prédictifs plus sophistiqués” et de réduire le “délai entre découverte biologique et développement d’un médicament”.
La capacité de calcul est désormais un actif stratégique
Roche présente son AI factory comme une plateforme de calcul intensif destinée à soutenir sa transformation numérique. Pour ce faire l’entreprise s’appuie sur un ensemble de briques technologiques, ce choix traduit une volonté d’industrialisation via la standardisation des outils
- En recherche et développement, le groupe s’appuie sur la plateforme NVIDIA BioNeMo pour alimenter son dispositif “Lab-in-the-Loop”, qui relie expériences de biologie et de chimie à ses modèles d’IA. L’objectif est de permettre aux équipes scientifiques de tester davantage d’hypothèses, à plus grande échelle.
- Dans l’industrie, Roche utilise des jumeaux numériques de lignes de production, construits à partir des bibliothèques NVIDIA Omniverse, pour optimiser les procédés et la conception des usines.
- Dans le diagnostic, le calcul accéléré et le logiciel NVIDIA Parabricks sont mobilisés pour traiter de grands volumes de données. En pathologie numérique, ces technologies doivent permettre l’analyse d’un grand nombre d’images afin d’identifier des signaux de maladie peu visibles.
- En santé numérique, Roche indique aussi recourir à NVIDIA NeMo Guardrails pour encadrer des agents conversationnels présentés comme adaptés à des usages de santé.
Cette diversité d’applications traduit un élargissement de l’IA au-delà de la R&D, vers des fonctions opérationnelles et cliniques. Roche relie directement cette infrastructure à ses objectifs : accélérer la découverte, améliorer l’efficacité des essais cliniques, et exploiter les données à grande échelle.
Le passage à une pharma structurée par les capacités computationnelles
L’augmentation de la capacité de calcul doit permettre de tester davantage d’hypothèses, de recourir plus largement à la simulation et d’automatiser une partie des analyses.
Puissance industrielle, leadership technologique, attractivité de talents … En affirmant disposer de la plus grande capacité annoncée de ce type dans l’industrie pharmaceutique, Roche envoie un signal positif au marché, celui d’un avantage compétitif.
Cette évolution redéfinit le laboratoire pharmaceutique, qui ne repose plus uniquement sur l’expérimentation, mais aussi sur des capacités computationnelles.
Le groupe rappelle que, dans sa stratégie, l’IA est conçue comme une capacité destinée à “compléter l’expertise humaine”.
