22 solutions recensées en France
L’intégration de technologies de pointe dans la découverte de médicaments transforme profondément l’industrie pharmaceutique. L’accélération de la découverte et du développement de nouveaux traitements, la personnalisation accrue des soins et l’optimisation des coûts sont parmi les bénéfices les plus notables. Les plateformes technologiques permettent de passer plus rapidement de la recherche fondamentale au développement clinique, augmentant ainsi la vitesse et la précision de la découverte de médicaments.
En France, de nombreuses start-ups biotechnologiques se sont lancées dans le domaine de l’intelligence artificielle (IA) appliquée à la découverte de médicaments. En 2023, 22 solutions ont vu le jour, toutes utilisant l’IA pour révolutionner ce processus. Ces solutions, qui adoptent des approches variées, couvrent plusieurs aspects cruciaux de la recherche pharmaceutique : de la conception de nouvelles molécules à l’identification de cibles et de biomarqueurs, en passant par l’optimisation des thérapies géniques. En combinant IA, physique quantique et analyse multi-omique, les entreprises françaises posent les bases d’une nouvelle ère de médecine personnalisée. Cette approche intégrée permet de développer des traitements mieux adaptés aux besoins individuels des patients, augmentant les taux de réussite des thérapies et améliorant la sécurité des médicaments.
77 % des entreprises ont moins de 10 ans :
Les entreprises françaises spécialisées dans la découverte de médicaments sont majoritairement jeunes, reflétant une vague récente d’innovation. La majorité de ces entreprises ont été fondées entre 2016 et 2020. Par exemple, WhiteLab Genomics, Iktos, et Owkin, toutes créées autour de cette période, montrent une tendance claire vers une forte émergence de start-ups biotechnologiques. Seules quelques-unes, comme Ariana pharmaceuticals et Bio-Modeling systems (BMSystems), datent du début des années 2000, démontrant une continuité et une maturation dans le secteur.
Non exhaustif, ce panorama des solutions françaises s’inscrit dans la nomenclature de cet article H&TI détaillant les cas d’usage de l’IA en recherche pré-clinique.
4 grandes catégories
Dans le cadre de son indicateur sur l’IA & la recherche, Health & Tech Intelligence a relevé 22 solutions disponibles en France et réparties en 4 grandes catégories :
- l’identification de biomarqueurs ;
- la découverte de candidats-médicaments ;
- l’identification de cibles ;
- et la découverte de nouvelles molécules.
Il convient de souligner que la plupart des solutions ne se limitent pas à une seule de ces quatre catégories et peuvent être utilisées pour accomplir diverses tâches. Par exemple, la solution R.e.a.l.platform proposée par Vidium qui vise à identifier les gènes impliqués dans le choix du destin cellulaire, cartographier les réseaux de régulation génétique (GRN), identifier des cibles thérapeutiques et des marqueurs précoces. La plateforme permet également de modéliser et valider des traitements potentiels en laboratoire.
9 solutions d’identification de cibles disponibles en France :
Les solutions les plus présentes en France sont celles pour identifier des cibles thérapeutiques potentiellement efficaces. Parmi les 22 solutions relevées par H&TI, 9 d’entre elles sont spécifiquement dédiées à l’identification de cibles thérapeutiques, et certaines de ces solutions proposent des fonctionnalités supplémentaires qui améliorent l’efficacité et la précision du processus de découverte.
Parmi ces 9 solutions, on retrouve plusieurs plateformes françaises de pointe, telles que WhiteLab Genomics, Owkin, et BMSystems. Whitelab Genomics, par exemple, propose une plateforme d’intelligence artificielle dédiée à la conception et à l’optimisation de thérapies géniques et cellulaires. Cette solution utilise des algorithmes avancés pour analyser les données génomiques et concevoir des séquences d’ADN/ARN thérapeutiques optimisées, ainsi que des vecteurs de livraison. Ce type de technologie est essentiel pour faciliter la découverte de cibles thérapeutiques, l’ingénierie des payloads et l’optimisation des vecteurs viraux et non viraux.
➡️ La solution Targetmatch d’Owkin est un moteur de découverte de cibles thérapeutiques basé sur l’IA, conçu pour identifier les meilleures cibles thérapeutiques dans des indications spécifiques en exploitant des données patients multimodales. Cette plateforme intègre des données de jeux de données privés et publics, incluant des données cliniques, génomiques et des littératures biomédicales, favorisant une caractérisation approfondie des patients et des cibles.
➡️ Une autre solution notable est Cadi discovery de BMSystems. Cette plateforme utilise une approche de modélisation heuristique et mathématique pour comprendre les systèmes biologiques complexes. Elle permet d’identifier de nouvelles cibles thérapeutiques, de découvrir des mécanismes de maladies et de valider des hypothèses biologiques, offrant une compréhension plus profonde des processus biologiques sous-jacents.
➡️ En plus de ces solutions, Virtual cell par Deeplife se distingue par son approche en biologie des systèmes. Cette solution d’IA interprétable permet une compréhension approfondie des mécanismes biologiques, identifiant et priorisant les cibles thérapeutiques et les biomarqueurs exploitables. Elle permet également de réaliser des analyses complètes des voies métaboliques et de former à grande échelle des modèles cellulaires spécifiques aux maladies.
➡️ Scienta lab et One biosciences offrent également des contributions significatives dans ce domaine. La plateforme Scienta Lab vise à identifier rapidement des cibles thérapeutiques et à accélérer le développement de nouveaux traitements grâce à l’intégration de modèles biologiques avancés et d’algorithmes d’apprentissage automatique. One Biosciences combine l’IA et des protocoles de cellule unique pour générer des données de haute qualité à partir de cellules épithéliales de tumeurs congelées, facilitant l’interprétation des insights biologiques complexes pour la découverte de cibles et le développement de médicaments, avec un fort accent sur l’oncologie et la néphrologie.
➡️ La plateforme Oncosniper d’Oncodesign se concentre spécifiquement sur l’oncologie, utilisant l’intelligence artificielle pour identifier et valider de nouvelles cibles thérapeutiques basées sur des signatures moléculaires. Enfin, la plateforme R.E.A.L. de Vidium fournit une analyse de données omiques et une modélisation in silico pour identifier les gènes impliqués dans le choix du destin cellulaire, cartographier les réseaux de régulation génétique et identifier des cibles thérapeutiques et des marqueurs précoces.
➡️ La solution DIS (Drug intelligence science) de Hifibio se distingue également par son intégration de technologies de cellule unique avancées et d’intelligence artificielle pour optimiser la découverte et le développement de médicaments. Cette plateforme permet l’identification de cibles thérapeutiques, la découverte d’anticorps et la stratification des patients grâce à des analyses monocellulaires et bioinformatiques poussées. Les modèles d’apprentissage automatique de la plateforme facilitent la prédiction de la liaison et de l’affinité des anticorps.
Une répartition équitable entre les 3 autres champs :
Les 14 autres solutions se répartissent globalement de manière égale entre l’identification de biomarqueurs et la découverte de nouvelles molécules, chacune comptant 4 solutions. La découverte de candidats-médicaments comptabilise 5 solutions.
👉 Pour en savoir plus sur les autres solutions cliquez sur le tableau interactif ci-dessous :
37 % des IA dédiées à l’oncologie
L’oncologie se révèle particulièrement propice à l’intégration de l’IA en raison de plusieurs facteurs déterminants. D’une part, la recherche sur le cancer bénéficie de flux d’investissements massifs, attirés par l’urgence et la gravité de la maladie. D’autre part, les initiatives comme le Cancer Genome Atlas Project (TCGA) et le Catalogue of Somatic Mutations in Cancer (COSMIC) ont permis de constituer des bases de données d’une richesse et d’une structuration sans précédent. Ces ressources offrent un substrat inestimable pour l’entraînement des modèles d’IA, facilitant non seulement l’identification de nouvelles cibles thérapeutiques, mais aussi l’optimisation des traitements existants.
En conjuguant ces éléments, l’oncologie et l’IA créent un cadre de recherche et de développement particulièrement dynamique, capable de transformer en profondeur les approches thérapeutiques. Selon le rapport “Unlocking the Potential of AI in Drug Discovery” publié en 2023 par le Boston consulting group (BCG), l’oncologie représente 37 % des domaines thérapeutiques où l’IA est le plus présente.
13 solutions françaises pour l’oncologie :
Parmi les 9 solutions dédiées à l’identification de cibles thérapeutiques, 6 sont principalement orientées vers l’oncologie, illustrant la synergie naturelle entre cette discipline médicale et les technologies de pointe. TargetMatch d’Owkin, par exemple, se distingue par son utilisation avancée de données multimodales pour identifier les meilleures cibles thérapeutiques, avec une attention particulière aux cancers. D’autres solutions notables, telles qu’OncoSNIPER d’Oncodesign, One Biosciences, DIS de Hifibio, Virtual cell de Deeplife, et Scienta lab, contribuent également de manière significative à cette avancée.
En complément, 7 autres solutions que l’on retrouve dans les autres catégories sont également dédié à l’oncologie :
- Arca efficacy d’Arcascience, focalisée sur l’évaluation de l’efficacité des médicaments, offrant ainsi des informations précieuses pour le développement de nouvelles thérapies oncologiques ;
- Aqemia, qui intègre des techniques de physique et d’intelligence artificielle pour accélérer la découverte de médicaments ciblant les cancers ;
- Atlas de Qubit pharmaceuticals, qui utilise des simulations à haute performance pour découvrir et optimiser de nouvelles molécules thérapeutiques ;
- KEM d’Ariana pharmaceuticals, spécialisée dans l’analyse de données cliniques et précliniques pour identifier les meilleures combinaisons de traitements contre le cancer ;
- Alphanosos, qui développe des traitements basés sur des composés naturels pour cibler les cellules cancéreuses de manière innovante ;
- mCUBE d’Epigene labs, une plateforme qui utilise des données épigénétiques pour identifier des cibles thérapeutiques et développer des traitements personnalisés contre le cancer ;
- Iktos robotics d’Iktos, qui combine l’intelligence artificielle et la robotique pour accélérer le processus de découverte de médicaments, y compris ceux destinés à l’oncologie.
Les enjeux de l’accès aux données et de la standardisation :
Malgré un nombre de solutions nettement inférieur à celui des États-Unis, l’adoption de l’IA dans la découverte de médicaments en France progresse, particulièrement en oncologie, tout en rencontrant des défis spécifiques. Le pays bénéficie d’un écosystème de recherche solide, avec des institutions renommées et des initiatives de collaboration publique-privée. L’Institut national du cancer (Inca) occupe un rôle clé dans la promotion de la recherche en oncologie, y compris l’intégration de l’IA.
Cependant, des défis subsistent en matière d’accès aux données et de standardisation. Bien que des efforts soient en cours pour améliorer la standardisation et le partage des données, beaucoup reste à faire pour atteindre un niveau de maturité comparable à celui de certains pays leaders dans ce domaine. La France travaille également à renforcer ses capacités en matière de formation et de rétention des talents spécialisés dans l’IA et la bio-informatique.
Cartographie interactive des solutions françaises
À noter : l’entreprise Synsight est en procédure collective en date du 3 juillet 2024.














