AI Agents in Pharma: How Insilico Medicine, Recursion, and Eli Lilly Are Using AI Agents to Design Drugs in Record Time in 2026
Le processus de découverte de médicaments est défaillant depuis des décennies. Il faut 10 à 15 ans pour mettre un nouveau médicament sur le marché. Cela coûte 2 à 3 milliards de dollars. Le taux d'échec dépasse 90 %. Et les patients qui ont besoin de traitements ne peuvent pas attendre 15 ans.
Insilico Medicine a utilisé des agents d'IA pour concevoir un candidat-médicament novateur pour la fibrose pulmonaire idiopathique en moins de 18 mois — de l'identification de la cible à la validation préclinique — pour une fraction du coût traditionnel. Ce médicament entre désormais dans les essais cliniques de phase III.
C'est le point de basculement. Les médicaments conçus par IA ne sont plus théoriques. Ils sont en essais cliniques chez l'homme.
McKinsey : l'IA générative pourrait générer entre 60 et 110 milliards de dollars de valeur annuelle pour l'industrie pharmaceutique. Le marché de la découverte de médicaments par IA est d'environ 5 à 7 milliards de dollars en 2025, et devrait passer à 8 à 10 milliards en 2026. Les logiciels d'IA pour la pharma : 4,6 milliards de dollars d'ici 2027 avec un TCAC de 40 %. L'IA générative en pharma : 200 millions de dollars en 2023, pour atteindre 3,8 milliards d'ici 2028.
2026 est l'année charnière. Les médicaments conçus par IA entrent en phase III des essais cliniques. Les agents d'IA qui les ont conçus automatisent désormais l'intégralité du pipeline.
Les chiffres
60 à 110 milliards de dollars de valeur annuelle potentielle (McKinsey)
L'évaluation McKinsey du potentiel de valeur annuelle de l'IA générative pour l'industrie pharmaceutique — couvrant la découverte de médicaments, le développement clinique, la fabrication et les opérations commerciales.
Marché de la découverte de médicaments par IA de 5 à 7 milliards de dollars (2025) à 8 à 10 milliards (2026)
La croissance du marché à court terme. À ce rythme, le marché de la découverte de médicaments par IA double approximativement tous les deux ans.
4,6 milliards de dollars de logiciels d'IA pour la pharma d'ici 2027 avec un TCAC de 40 %
La catégorie des logiciels d'IA au sein du secteur pharmaceutique — plateformes, outils et infrastructures pour la R&D pharma assistée par IA.
200 millions de dollars d'IA générative en pharma (2023) à 3,8 milliards d'ici 2028
La sous-catégorie à la croissance la plus rapide. Les modèles génératifs capables de créer des structures moléculaires novatrices, de prédire le repliement des protéines et de concevoir des protocoles d'essais cliniques.
15,4 milliards de dollars d'IA analytique prédictive en pharma d'ici 2031
L'opportunité en aval. L'analytique prédictive — identification de candidats-médicaments, prédiction des résultats d'essais cliniques, optimisation des régimes posologiques.
L'année charnière 2026
2026 est l'année charnière pour l'IA en R&D pharmaceutique. Non pas parce que l'IA arrive. Parce que les médicaments conçus par IA entrent en phase III des essais cliniques.
Les essais de phase III sont des tests à grande échelle, coûteux et pluriannuels de l'efficacité et de la sécurité d'un médicament sur des milliers de patients. Si les médicaments conçus par IA réussissent en phase III, la validation réglementaire et commerciale de la découverte de médicaments par IA est complète.
Le candidat-médicament d'Insilico Medicine se situe à l'avant-garde. L'entreprise a utilisé des agents d'IA pour concevoir une molécule novatrice pour la fibrose pulmonaire idiopathique en moins de 18 mois. Cette molécule est actuellement en phase III. Si elle est approuvée, ce sera le premier médicament conçu par IA à recevoir une homologation réglementaire.
Le pipeline d'agents d'IA : de l'identification de la cible à la conception d'essais cliniques
Identification de la cible
La première étape : identifier le mécanisme biologique (la « cible ») qu'un médicament doit affecter. Identification traditionnelle de cibles : des années de revue de littérature et de biologie expérimentale.
Agents d'IA pour l'identification de cibles : analyse de vastes ensembles de données biologiques — génomique, protéomique, métabolomique, bases de données bibliographiques — pour identifier des cibles médicamenteuses prometteuses plus rapidement et plus exhaustivement que ne peuvent le faire les chercheurs humains.
Découverte de composés leaders
Une fois la cible identifiée, les chercheurs trouvent les molécules susceptibles de l'affecter. Découverte traditionnelle de composés leaders : criblage de millions de molécules dans des expériences en laboratoire.
Agents d'IA pour la découverte de composés leaders : modèles génératifs qui conçoivent des molé molecules novatrices avec des propriétés spécifiques, prédisent leurs interactions avec les cibles médicamenteuses et classent les candidats pour les tests expérimentaux. L'IA conçoit des molécules qui n'ont jamais existé auparavant — pas seulement trouver des molécules existantes, mais en créer de nouvelles optimisées pour la cible spécifique.
Développement préclinique
Agents précliniques IA : modèles prédictifs qui évaluent la sécurité des composés, prédisent la toxicité, modélisent la pharmacocinétique et identifient les candidats les plus prometteurs avant le début des études précliniques coûteuses.
Conception d'essais cliniques
Agents IA pour la conception d'essais cliniques : analyse des données patients pour identifier les populations d'essai optimales, prédire les taux de recrutement, optimiser la sélection des critères d'évaluation et concevoir des protocoles qui maximisent la probabilité de succès.
Les trois études de cas d'entreprises
Insilico Medicine : un médicament conçu par IA en un temps record
Insilico est la preuve que les médicaments conçus par IA peuvent atteindre les essais cliniques. Leur candidat pour la fibrose pulmonaire idiopathique — conçu à l'aide d'agents d'IA en moins de 18 mois — est actuellement en phase III. Si ce médicament est approuvé, ce sera le premier médicament conçu par IA à recevoir une homologation réglementaire.
L'approche d'Insilico : pipeline d'agents d'IA de bout en bout — Chemistry42 pour la génération moléculaire, PandaOmics pour l'identification de cibles, inClinica pour la simulation d'essais cliniques — qui automatise l'intégralité du pipeline de découverte.
Recursion Pharmaceuticals : laboratoires automatisés et apprentissage profond
Recursion associe une infrastructure de laboratoire automatisée à l'apprentissage profond pour exécuter la découverte de médicaments à l'échelle industrielle. Leur plateforme effectue un criblage automatisé à haut débit de candidats-médicaments sur des modèles cellulaires de maladies, avec des réseaux de neurones analysant les données d'imagerie et moléculaires obtenues. L'entreprise a réalisé des centaines de millions d'expériences dans ses laboratoires automatisés.
Eli Lilly TuneLab : plateforme d'IA pour les partenaires biotech
TuneLab d'Eli Lilly est une plateforme d'IA/ML destinée aux partenaires biotech de l'entreprise — de petites sociétés pharmaceutiques qui ne disposent pas des ressources pour construire leur propre infrastructure de découverte par IA. TuneLab fournit des capacités de découverte de médicaments assistées par IA aux partenaires, positionnant Eli Lilly comme un partenaire de choix habilitado par l'IA.
Le paysage réglementaire
** Guidances de la FDA sur l'IA dans le développement de médicaments**
La FDA a publié des guidancees mettant l'accent sur les exigences de transparence pour les systèmes d'IA utilisés dans le développement de médicaments. Les modèles d'IA doivent être documentés, validés et surveillés tout au long du cycle de vie du médicament.
Contrôles tout au long du cycle de vie
Les cadres réglementaires mettent l'accent sur la surveillance et la validation continues des systèmes d'IA tout au long du cycle de vie du développement de médicaments — pas seulement lors de la validation initiale.
Validation en phase III
Les essais cliniques de phase III de médicaments conçus par IA valident le processus de découverte de médicaments par IA lui-même. Si un médicament conçu par IA réussit en phase III, cela fournit une preuve réglementaire que les médicaments conçus par IA peuvent répondre aux normes de sécurité et d'efficacité requises pour l'approbation.
En conclusion
McKinsey : l'IA générative pourrait générer 60 à 110 milliards de dollars annually pour l'industrie pharmaceutique. Marché de la découverte de médicaments par IA : 5 à 7 milliards de dollars (2025) à 8 à 10 milliards (2026). Logiciels d'IA pour la pharma : 4,6 milliards de dollars d'ici 2027 avec un TCAC de 40 %. IA générative en pharma : 200 millions de dollars (2023) à 3,8 milliards d'ici 2028.
2026 est l'année charnière. Les médicaments conçus par IA entrent en phase III des essais cliniques. Le candidat d'Insilico pour la fibrose pulmonaire idiopathique — conçu par des agents d'IA en moins de 18 mois — est actuellement en phase III. S'il réussit, ce sera le premier médicament conçu par IA à recevoir une homologation réglementaire.
Le pipeline s'automatise : de l'identification de la cible à la découverte de composés leaders en passant par le développement préclinique et la conception d'essais cliniques, les agents d'IA sont désormais capables d'exécuter l'intégralité du processus de découverte de médicaments.
Le modèle de l'industrie pharmaceutique a un challenger crédible : des délais de développement de médicaments de 2 à 3 milliards de dollars sur 10 à 15 ans. Insilico a démontré moins de 18 mois. Recursion met à l'échelle la découverte de médicaments industrielle. Eli Lilly construit une infrastructure de partenariats.
Les entreprises qui déploient la découverte de médicaments par IA dès maintenant disposeront de l'infrastructure, de l'expertise et — si la phase III réussit — des preuves de validation pour diriger la prochaine génération de R&D pharmaceutique.
Réservez un appel gratuit de 15 minutes : https://calendly.com/agentcorps