Top 5 des entreprises d'IA et de biotechnologie numérique (septembre 2025)

Révolution de l'IA en biotechnologie

Aucun secteur n’est laissé inchangé par le pouvoir des AI et la modélisation numérique, et la biotechnologie ne fait pas exception.

En effet, la biologie est de loin la plus « compliquée » des sciences dures. La chimie ou la physique peuvent traiter d'environnements très contrôlés, de composés purs, etc. La biologie doit faire face à des systèmes préexistants extrêmement complexes et en constante évolution. De plus, lorsqu’ils analysent une seule protéine, les biochimistes examinent des milliers, voire des millions d’atomes. Il peut donc être très difficile de prédire toutes les réactions chimiques possibles.

Le Big Data, les modèles d’IA et la numérisation créent les conditions d’une révolution des connaissances dans la recherche en biotechnologie.

Le premier âge de la biomédecine consistait à photographier dans le noir et à voir ce qui fonctionnait.

Nous sommes désormais fermement ancrés dans l’ère de la génomique, où nous pouvons nous concentrer sur des cibles spécifiques, comme un gène défectueux.

Avec la révolution numérique à venir, nous pouvons reproduire des protéines, des cellules complètes ou même des organes et des corps entiers dans un environnement virtuel.

Qu’est-ce que cela va changer ?

La raison pour laquelle la génomique et les thérapies de précision prennent le pas sur les médicaments chimiques « traditionnels » s’explique en grande partie par le très faible taux de réussite des nouveaux médicaments au cours de la dernière décennie.

Peut-être peut-on produire un médicament approuvé par la FDA pour dix mille médicaments candidats. Chaque étape du processus doit être testée en laboratoire, sur des cellules vivantes, des animaux ou des humains.

Cela représente souvent une à deux décennies de temps perdu, ainsi que des milliards de dollars gaspillés.

Source : Biosourcing

Tirer à l’aveugle n’est plus un plan viable pour la découverte de médicaments. C’est pourquoi les chercheurs ont besoin de modèles prédictifs numériques pour prédire, avant tout test physique, si un médicament est un bon candidat.

Il n’est donc pas surprenant que la découverte de médicaments soit au premier plan du modèle économique de la plupart des sociétés de biotechnologie de l’IA.

De nouvelles méthodes telles que l'apprentissage automatique permettent au logiciel de « deviner » la réponse la plus probable en utilisant une méthode probabiliste au lieu d'une méthode entièrement « mécanique »/algorithmique.

Comme la plupart des technologies d’apprentissage automatique, beaucoup de travail a été réalisé pendant une décennie complète, avec seuls les experts du domaine y prêtant vraiment attention.

La véritable révolution qui l'a fait reconnaître dans le grand public a été en 2020, lorsque Alphabet/Google DeepMind ont résolu un défi vieux de 50 ans sur le repliement des protéines. Le programme a depuis modélisé la plupart des protéines connues de tous les organismes vivants, et Google crée une nouvelle société, Laboratoires isomorphes, pour aider à identifier de nouveaux médicaments.

Top 5 des entreprises d'IA et de biotechnologie numérique

Pour les investisseurs, Google pourrait constituer un formidable atout en matière d’IA en général, mais l’aspect biotechnologique ne représentera qu’un segment infime dans une très grande entreprise. Ainsi, cet article passera en revue les sociétés cotées en bourse qui se consacrent uniquement au thème de l’IA et de la biologie virtuelle.

Pour la même raison, nous n'examinerons pas les entreprises impliquées dans le matériel d'IA, comme Nvidia et sa bibliothèque génomique Parabricks.

(les entreprises sont classées par capitalisation boursière au moment de la rédaction de cet article)

1. Roivant Sciences Ltée.

Roivant Sciences Ltée. (ROIV -1.56%)

La société se spécialise dans l’acquisition de startups biotechnologiques et dans l’augmentation de leurs chances de commercialisation via des filiales appelées -vant (car chacune aura « vant » comme dernière partie de son nom).

Une partie de ces acquisitions a été l'achat de Silicon Therapeutics pour 450 M$. Grâce à un supercalculateur et du matériel informatique sur mesure, Silicon Therapeutics développe de nouvelles molécules. Ceci s'ajoute à un portefeuille de piles biotechnologiques d'IA préexistant, VantAI.

Roivant possédait également le « vant » Datavant, une solution big data pour la santé, la vente aux sociétés pharmaceutiques hospitalières, les assurances, etc… avec des procédures conformes à la réglementation et respectueuses de la vie privée.

D'autres « vant » sont également orientés données ou simulation numérique, comme les « simulations précises basées sur la physique de tous les atomes » de Psivant. Ou le logiciel/plateforme de veille sur les essais cliniques Lokavant.

Source: Roivant

Cependant, la majeure partie des revenus de l’entreprise provient des ventes de produits pharmaceutiques approuvés.

Globalement, Roivant peut être un moyen de jouer sur le côté données de la biotechnologie, non seulement la biologie numérique mais aussi les dossiers médicaux, les essais cliniques, etc…. ; tout en abordant d'autres médecines innovantes, notamment pour les soins de la peau, avec Vtama pour le psoriasis.

2. Schrodinger, Inc.

Schrodinger, Inc. (SDGR -0.22%)

La société se spécialise dans les modèles basés sur la physique pour trouver la meilleure molécule possible pour un objectif donné, en équilibrant des mesures contradictoires telles que la puissance, la solubilité, la demi-vie, la synthétisabilité, etc.

Il utilise également l’apprentissage automatique, mais l’ajout d’un modèle basé sur la physique lui permet d’être testé dans des domaines entièrement nouveaux pour lesquels aucun ensemble de données n’existe pour « entraîner » l’IA. Cela permet à Schrödinger de passer d’un milliard de molécules potentielles à seulement 1 candidats solides en quelques jours, exclusivement grâce au calcul numérique.

Source : Schrödinger

Schrödinger a signé avec Bayer un accord de collaboration de 5 ans en 2020 pour un chiffre d'affaires de 10 millions de dollars. L'idée de l'accord est d'utiliser la technologie Schrödinger avec les modèles de prédiction in silico de Bayer.

Un autre partenariat récent est celui avec Lilly, avec jusqu'à 425 millions de dollars de paiements d'étape au total pour une découverte réussie.

Les collaborations passées comprenaient Takeda, Sanofi Bristol Myers Squibb et d'autres petites sociétés pharmaceutiques.

Source : Schrödinger

Dans l'ensemble, Schrödinger construit un portefeuille croissant, comprenant de plus en plus de molécules exclusives et en pleine propriété. Bien qu’elle n’ait pas encore de revenus, l’entreprise n’est toujours pas rentable et se concentre sur son expansion et ses dépenses en R&D pour améliorer sa technologie.

La société envisage également de se développer vers de nouveaux segments au-delà de la découverte de médicaments, comme les produits biopharmaceutiques complexes ou même les matériaux comme les produits chimiques, les batteries ou les polymères.

Source : Schrödinger

Les investisseurs voudront garder un œil sur les nouvelles collaborations, car elles refléteront les avancées de la technologie de Schrödinger, telles qu'évaluées par les leaders du secteur, ainsi que le succès possible de l'expansion de la technologie de base vers de nouveaux marchés.

3. Exscientia

Exscientia SA (EXAI + 0%)

L'entreprise utilise l'IA pour développer thérapies de précision. Il exploite une technologie de découverte de médicaments IA « complète » avec un logiciel dédié à chaque étape du processus de découverte de médicaments.

Source: Exscientia

La technologie d'Exscientia réduit de 70 % le temps nécessaire pour passer d'une cible biologique à la recherche d'un médicament correspondant et un processus de 80 % plus capitalisé.

Cela a abouti à 4 composés aux premiers stades cliniques, à 30 programmes au total et à 6.5 milliards de dollars de revenus provenant des étapes franchies avec des partenaires. L'accent a été mis principalement sur l'oncologie (cancer) et les maladies inflammatoires.

Source: Exscientia

La société se trouve dans une situation financière très confortable pour une société de découverte de médicaments en phase de démarrage, avec 625 millions de dollars au troisième trimestre 3, pour une consommation nette de trésorerie de seulement 2022 millions de dollars.

Cela pourrait être une option intéressante pour les investisseurs qui envisagent une société de découverte de médicaments IA bien établie avec une très grande trésorerie et de multiples partenariats en cours pour plus de sécurité.

4. Société Absci

Société Absci (ABSI + 0.93%)

L'entreprise a été fondée en 2011 et possède des sites à Vancouver, New York et Zoug, en Suisse. Elle a ajouté à sa technologie initiale l'IP de 2 acquisitions AI-biologie en 2021, Toient (anticorps) et Dénovium (lignées cellulaires).

La société se concentre principalement sur la conception d’anticorps, en créant de nouveaux anticorps à partir de zéro (« anticorps de novo ») et en les testant en laboratoire au cours d’un processus de 6 semaines.

Ils ont été les premiers, en mars 2023, à pouvoir pour concevoir un anticorps fonctionnel sans aucune donnée préexistante, une méthode également appelée « zéro-shot ». »

Absci a établi une collaboration avec Merck (total de 610 millions de dollars en frais initiaux et paiements potentiels d'étapes futures) et Astellas pour la découverte de nouveaux produits, ainsi qu'un partenariat avec Nvidia pour améliorer l'architecture matérielle derrière la technologie Absci.

Absci en est encore à ses débuts, mais a déjà montré un énorme potentiel et un potentiel d'innovation. Les investisseurs dans l’entreprise devront adhérer à la philosophie « rien n’est impossible » de l’entreprise et de son brillant fondateur et espérer que les récents accords de collaboration seront les premiers d’une longue série.

5. e-thérapeutique plc

e-therapeutics se concentre sur le développement de nouvelles thérapies in silico à base d’ARNi (interférence ARN). Elle espère que la combinaison des technologies émergentes, de l’ARNi et de la découverte informatique de médicaments lui donnera un avantage significatif sur ses concurrents.

Elle monétise également la découverte sur sa plateforme avec d'autres sociétés pharmaceutiques, dont la plus grande est la grande valeur sûre Novo Nordisk.

La société en est à un tout premier stade de pré-revenu et a dû lever 13.5 millions de livres sterling à l'été 2022. La société a enregistré une perte nette de 2.8 millions de livres sterling au premier semestre 1 pour un solde de trésorerie à l'époque de 2022 millions de livres sterling.

Les investisseurs dans les produits thérapeutiques électroniques devront garder un œil sur les liquidités disponibles et espérer que de nouvelles découvertes et des revenus de partenariats rendront l'entreprise rentable à terme.

Construire un portefeuille de biologie numérique

C’est un secteur dans lequel il est difficile d’investir, car il combine 2 technologies très complexes : IA + biotechnologie avancée. Cela en fait une sorte de « boîte noire » pour les investisseurs, même s’ils possèdent une certaine expertise dans l’un des 2 domaines.

En outre, la plupart des entreprises du secteur se concentrent sur les mêmes marchés, principalement la découverte de petites molécules et la conception d’anticorps, avec peut-être également des lignées cellulaires.

La diversification constituerait donc une stratégie d’investissement plus sûre, car très peu de personnes pourront être sûres d’avoir choisi le « gagnant ». En outre, le marché devrait croître très rapidement, avec un TCAC de 45% entre 2022 et 2027.

Ainsi, une exposition généralisée est plus susceptible de capter cette croissance sans trop s’appuyer sur des modèles ou des méthodes mathématiques spécifiques dans un domaine concurrentiel et en évolution très rapide.