Top 5 des entreprises d’IA et de biotechnologie numérique (septembre 2026)

Révolution de l’IA en biotechnologie

No sector is left unchanged by the power of IA and digital modeling, and Biotech is no exception.

C’est parce que la biologie est de loin la science « désordonnée » parmi les sciences dures. La chimie ou la physique peuvent travailler dans des environnements très contrôlés, avec des composés purs, etc. La biologie doit faire face à des systèmes préexistants extrêmement complexes et en constante évolution. De plus, lorsqu’on analyse une seule protéine, les biochimistes examinent des milliers ou des millions d’atomes. Ainsi, il peut devenir très difficile de prévoir chaque réaction chimique possible.

Le big data, les modèles d’IA et la numérisation créent les conditions d’une révolution du savoir dans la recherche biotechnologique.

La première ère de la biomédecine consistait à tirer dans le noir et voir ce qui fonctionnait.

Nous sommes maintenant solidement ancrés dans l’ère du génome, où nous pouvons nous concentrer sur des cibles spécifiques, comme un gène défectueux.

With the incoming digital revolution, we can replicate complete proteins, cells, or even entire organs and bodies in a virtual environment.

Qu’est‑ce que cela va changer ?

A big part of why genomics and precision therapies are taking over “traditional” chemical drugs has been a very poor success rate for new drugs in the last decade.

Peut‑être peut‑on produire un médicament approuvé par la FDA parmi dix mille candidats. Chaque étape 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 dizaines de milliards de dollars gaspillés.

Source: Biosourcing

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

Il n’est donc pas surprenant que la découverte de médicaments soit au cœur du modèle économique de la plupart des entreprises biotechnologiques d’IA.

Les nouvelles méthodes comme l’apprentissage automatique permettent au logiciel de « deviner » la réponse la plus probable en utilisant une méthode probabiliste plutôt qu’une méthode entièrement « mécanique »/algorithmique.

Comme pour la plupart des technologies d’apprentissage automatique, beaucoup de travail a été réalisé pendant une décennie complète, avec seulement les experts du domaine qui y prêtaient réellement attention.

La véritable révolution qui l’a fait reconnaître dans le grand public a eu lieu en 2020 lorsque Alphabet/Google DeepMind a résolu un défi de 50 ans sur le repliement des protéines (GOOG ). Le programme a depuis modélisé la plupart des protéines connues de tous les organismes vivants, et Google crée une nouvelle société, Isomorphic Laboratories, pour aider à identifier de nouveaux médicaments.

Top 5 des entreprises d’IA et de biotechnologie numérique

Pour les investisseurs, Google peut être un excellent pari sur l’IA en général, mais l’aspect biotechnologique ne représente qu’un petit segment d’une très grande entreprise. Ainsi, cet article examinera les sociétés cotées en bourse qui se consacrent exclusivement au sujet 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 (NVDA ) et sa bibliothèque de génomique Parabricks.

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

1. Roivant Sciences Ltd.

ROIV Graphique du prix

L’entreprise se spécialise dans l’acquisition de startups biotechnologiques et augmente leurs chances de commercialisation grâce à des filiales appelées -vant (car chacune aura « vant » comme suffixe de son nom).

Une partie de ces acquisitions a été l’achat de Silicon Therapeutics pour 450 M$. Grâce à un superordinateur et du matériel informatique sur mesure, Silicon Therapeutics développe de nouvelles molécules. Cela s’est ajouté à un portefeuille existant de solutions biotechnologiques d’IA, VantAI.

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

D’autres « vant » sont également axés sur les données ou la simulation numérique, comme les « Simulations physiques atomiques précises » de Psivant. Ou le logiciel/plateforme d’intelligence d’essais cliniques Lokavant.

Source: Roivant

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

Dans l’ensemble, Roivant peut constituer un moyen de jouer sur le volet données de la biotechnologie, pas seulement la biologie numérique mais aussi les dossiers médicaux, les essais cliniques, etc.… ; tout en touchant d’autres médicaments innovants, notamment pour les soins de la peau, avec Vtama pour le psoriasis.

2. Schrödinger, Inc.

SDGR Graphique du prix

L’entreprise se spécialise dans les modèles basés sur la physique pour trouver la meilleure molécule possible pour un objectif donné, en équilibrant des métriques conflictuelles telles que la puissance, la solubilité, la demi‑vie, la synthétisabilité, etc…

Elle utilise également l’apprentissage automatique, mais l’ajout d’un modèle basé sur la physique permet de le tester dans des domaines entièrement nouveaux pour lesquels aucun jeu de données n’existe afin d’« entraîner » l’IA. Cela permet à Schrödinger (SDGR ) de passer d’un milliard de molécules potentielles à seulement huit candidats solides en quelques jours, uniquement grâce à des calculs numériques.

Source: Schrodinger

Schrödinger a signé avec Bayer un accord de collaboration de 5 ans en 2020 pour un revenu de 10 M$. L’idée de cet accord est d’utiliser la technologie Schrödinger conjointement avec les modèles de prédiction in‑silico de Bayer.

Un autre partenariat récent est avec Lilly, avec jusqu’à 425 M$ de paiements de jalons au total pour une découverte réussie.

Les collaborations passées comprenaient Takeda, Sanofi (SNW.DE ) (SNY ), Bristol Myers Squibb et d’autres petites sociétés pharmaceutiques.

Source: Schrodinger

Dans l’ensemble, Schrödinger construit un portefeuille en pleine expansion, incluant de plus en plus de molécules propriétaires et entièrement détenues. Bien qu’elle ne génère pas encore de revenus, l’entreprise n’est pas rentable, se concentrant sur l’expansion et les dépenses de R&D pour améliorer sa technologie.

L’entreprise envisage également de s’étendre à de nouveaux segments au‑delà de la découverte de médicaments, comme les biopharmaceutiques complexes ou même des matériaux tels que les produits chimiques, les batteries ou les polymères.

Source: Schrodinger

Les investisseurs voudront surveiller 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 potentiel d’une expansion de la technologie de base vers de nouveaux marchés.

3. Exscientia

L’entreprise utilise l’IA pour développer des thérapies de précision. Elle exploite une technologie de découverte de médicaments « full stack » basée sur l’IA avec un logiciel dédié à chaque étape du processus de découverte.

Source: Exscientia

La technologie d’Exscientia réduit de 70 % le temps nécessaire pour passer d’une cible biologique à la découverte d’un médicament correspondant et diminue de 80 % les besoins en capital.

Cela a abouti à 4 composés en phase clinique précoce, 30 programmes au total, et 6,5 M$ de revenus provenant de jalons avec des partenaires. L’accent principal a été mis sur l’oncologie (cancer) et les maladies inflammatoires.

Source: Exscientia

L’entreprise se trouve dans une position financière très confortable pour une société de découverte de médicaments en phase de démarrage, avec 625 M$ au troisième trimestre 2022, et une consommation nette de trésorerie de seulement 15 M$.

Cela pourrait constituer une option intéressante pour les investisseurs recherchant une société de découverte de médicaments d’IA bien établie, disposant d’une très grande trésorerie et de multiples partenariats en cours pour plus de sécurité.

4. Absci Corporation

ABSI Graphique du prix

L’entreprise a été fondée en 2011, avec des sites à Vancouver, New York et Zug, en Suisse. Elle a ajouté à sa technologie initiale la propriété intellectuelle de deux acquisitions en IA‑biologie en 2021, Totient (anticorps) et Denovium (lignes cellulaires).

L’entreprise se concentre principalement sur la conception d’anticorps, créant de nouveaux anticorps « de novo », et les testant en laboratoire selon un processus de six semaines.

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

Absci a établi une collaboration avec Merck (total de 610 M$ de frais initiaux et de paiements potentiels de jalons futurs) et Astellas pour la découverte de nouveaux produits, ainsi qu’un partenariat avec Nvidia pour améliorer l’architecture matérielle derrière la technologie Absci.

Absci est encore à un stade précoce mais a déjà démontré un potentiel et une capacité d’innovation énormes. Les investisseurs de la société devront adhérer à l’éthique « rien n’est impossible » de l’entreprise et de son brillant fondateur, et espérer que les récents accords de collaboration soient les premiers d’une longue série.

5. e-therapeutics plc

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

Elle monétise également la découverte sur sa plateforme avec d’autres sociétés pharmaceutiques, dont la plus importante est le géant Novo Nordisk.

L’entreprise se trouve à un stade très précoce sans revenus et a dû lever 13,5 M£ à l’été 2022. Elle a enregistré une perte nette de 2,8 M£ au premier semestre 2022, avec une trésorerie de 21,8 M£ à ce moment‑là.

Les investisseurs d’e‑therapeutics devront surveiller la trésorerie disponible et espérer que les nouvelles découvertes et les revenus des partenariats rendront finalement l’entreprise rentable.

Construire un portefeuille de biologie numérique

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

De plus, la plupart des entreprises du secteur se concentrent sur les mêmes marchés, principalement la découverte de petites molécules et la conception d’anticorps, avec éventuellement des lignes cellulaires.

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

Par conséquent, une exposition large est plus susceptible de profiter de cette croissance sans dépendre excessivement de modèles ou de méthodes mathématiques spécifiques dans un environnement très dynamique et concurrentiel.