Au début des années 2020, l’intelligence artificielle était comme un nouveau jouet brillant. Les LLM commençaient à écrire de la poésie, à générer des images surréalistes et à transformer les systèmes de dossiers médicaux électroniques (EHR). À l’époque, les conversations étaient dominées par des verbes au futur : L’IA va changer la médecine ; l’IA pourrait accélérer la recherche.
En 2026, l’IA s’est étendue à d’autres aspects de la vie quotidienne. Dans le secteur biopharmaceutique, le « cycle de l’engouement » s’est installé dans un rythme d’application pragmatique. Pourtant, les conversations sur Sermo indiquent que les médecins ne savent pas jusqu’où ira l’évolution. « Je pense que personne ne peut prédire à quelle vitesse [l’IA] va évoluer, elle peut être exponentielle ou atteindre un [plateau] », écrit un médecin généraliste de la communauté.
Un neurologue pédiatrique a un point de vue similaire : « Tout reste à décider, et cela clarifiera le rôle de l’homme face aux progrès que l’IA apportera. »
Si le résultat final reste imprévisible, la direction est claire. L’IA modifie fondamentalement la façon dont les thérapies sont conçues, testées et délivrées. Voici comment l’IA dans le développement des médicaments va remodeler le paysage clinique en 2026.
Accélérer le processus d’identification des cibles
Pendant des décennies, l’identification des cibles (la recherche des molécules spécifiques ciblées par un médicament au cours de son développement) a été un jeu de devinettes, souvent entaché de taux d’échec élevés.
L’émergence de l’IA pour la découverte de médicaments pourrait accélérer le processus. En passant à la sélection computationnelle des cibles avant la validation en laboratoire, les chercheurs identifient des cibles viables avec une plus grande efficacité. Cela leur permet de faire échouer les candidats in silico (sur ordinateur) plutôt qu’in vivo (dans des modèles animaux ou des essais sur l’homme). Cela dit, l’IA a ses limites. Les modèles sont souvent entraînés sur des données incomplètes ou de mauvaise qualité, ce qui réduit leur précision, selon une étude de 2025. Il est également possible de s’entraîner avec des données biaisées, ce qui donne lieu à des systèmes d’IA biaisés, soulignent les auteurs de l’étude.
Les médecins inscrits sur Sermo observent cette évolution. Lorsqu’on leur a demandé si l’IA allait accélérer de manière significative le développement des médicaments dans les cinq à dix prochaines années, 29 % ont prédit une accélération significative, 37 % ont parlé d’améliorations modérées et seulement 3 % ont déclaré que les délais ne changeraient pas de manière significative. Lorsque la communauté s’est interrogée sur les domaines dans lesquels elle estime que l’IA a le plus fort impact potentiel, les réponses les plus fréquentes ont été l’identification des cibles à un stade précoce (28 %), la prévision des interactions entre les médicaments et les cibles (28 %) et la conception d’essais cliniques (15 %).
En février 2026, aucun médicament conçu par l’IA n’aura été approuvé par la FDA, mais voici un aperçu de la manière dont ces avancées transforment le développement futur des médicaments :
Identification des cibles à un stade précoce
Les algorithmes peuvent désormais analyser simultanément les ensembles de données génomiques, les informations protéomiques et la littérature scientifique afin de mettre en évidence les liens de causalité entre les cibles biologiques et les états pathologiques.
Un oto-rhino-laryngologiste de Sermo est encouragé par cette application. « Je pense que l’IA est extrêmement prometteuse pour le développement de médicaments », explique-t-il. « Elle peut analyser d’énormes ensembles de données, identifier des cibles potentielles plus rapidement et réduire le temps et le coût de la découverte à un stade précoce. Même si elle ne remplacera pas l’expertise humaine, elle peut considérablement accélérer la recherche, améliorer la précision et ouvrir la voie à des traitements qui auraient été impossibles à trouver avec les méthodes traditionnelles. »
Un ophtalmologiste membre de Sermo estime que l’IA « permettra d’accélérer rapidement les tests de molécules prometteuses et d’en éliminer d’autres beaucoup plus tôt dans le processus ».
Prévoir les interactions entre les médicaments et les cibles
Une fois la cible identifiée, l’obstacle suivant est l’affinité de la liaison. La molécule se fixera-t-elle réellement ? Historiquement, cela nécessitait des tests physiques exhaustifs. Les modèles d’apprentissage profond pourraient aider à prédire ces interactions.
Conception d’essais cliniques
Des critères d’évaluation médiocres ou des critères d’exclusion irréalistes peuvent compromettre une étude au cours de la phase de conception du protocole, avant que les sujets ne soient recrutés. Des outils d’IA simulent désormais des protocoles d’essai à partir de données historiques afin de prévoir les goulets d’étranglement potentiels. « L’IA est très prometteuse : elle accélère la découverte de cibles, prédit le comportement des molécules et réduit les taux d’échec à un stade précoce », écrit un dermatologue sur Sermo.
Certains membres de Sermo restent prudemment optimistes. « L’IA raccourcit les délais et affine la recherche de nouvelles molécules et cibles, et elle commence à aider à concevoir de meilleurs essais et à sélectionner les patients », note un radio-oncologue. « Mais nous avons encore besoin de beaucoup plus de validation indépendante et de transparence avant de faire pleinement confiance à ses résultats dans la pratique clinique. »
Recrutement et stratification des patients
Trouver le bon patient pour le bon essai peut être un cauchemar logistique. L’IA affine la stratification des patients en analysant les dossiers médicaux électroniques pour trouver des candidats éligibles qui pourraient autrement être négligés.
Sur Sermo, un médecin généraliste pense que cela pourrait être l’un des points forts de l’IA. « L’IA recèle un immense potentiel pour la découverte de médicaments, en accélérant le processus et en affinant la stratification des patients, à condition qu’elle soit solidement validée et intégrée de manière réfléchie dans la pratique », écrivent-ils.
Sécurité prédictive : réduction de l’attrition clinique grâce à l’utilisation de l’IA dans le développement de médicaments
Au cours du développement d’un médicament, il arrive parfois qu’un candidat montre son efficacité mais échoue sur le plan de la sécurité, souvent à un stade avancé. Les modèles prédictifs de sécurité peuvent contribuer à atténuer ce risque.
L’analyse informatique peut aider à détecter les problèmes potentiels de cardiotoxicité et de métabolisme avant qu’un médicament ne pénètre dans le corps humain. En générant des profils d’activité qui montrent comment une molécule peut interagir avec des récepteurs non ciblés (ceux que vous ne voulez pas qu’elle touche), les chercheurs peuvent s’assurer que seuls les candidats de haute qualité sont retenus.
Les membres de Sermo sont partagés quant au degré de confiance qu’ils accordent aux prédictions générées par l’IA au cours des recherches préliminaires. 13 % des participants à un sondage ont déclaré être « très confiants », 36 % sont « plutôt confiants », 31 % sont neutres et 17 % ne sont pas confiants.
Optimiser les essais cliniques grâce aux jumeaux numériques
Un jumeau numérique est essentiellement une représentation virtuelle d’un patient – ou d’un bras de contrôle – construite à partir de vastes quantités de données sur la santé. Il permet aux chercheurs de simuler la manière dont un patient présentant des caractéristiques spécifiques pourrait réagir à un traitement. Cela a des implications pour l’objectif à long terme de réduire la taille des groupes de contrôle ou de compléter les bras placebo traditionnels dans certains contextes. Elle pourrait contribuer à réduire les pertes de temps et d’ argent en prédisant les résultats avant le déploiement des ressources réelles.
Sur Sermo, un gynécologue-obstétricien estime qu’il s’agit d’un outil essentiel pour l’avenir. « L’IA va pouvoir accélérer le développement de médicaments », écrit-il. « Les jumeaux numériques seront extrêmement utiles.
Pour en savoir plus sur cette technologie spécifique, lisez l’article complet de Sermo sur les jumeaux numériques dans le secteur de la santé.
Renforcer la confiance grâce à la transparence de la « boîte de verre
Malgré l’enthousiasme, l’IA et le développement de médicaments ont un problème de relation persistant : le problème de la « boîte noire ».
Au départ, les algorithmes d’apprentissage profond produisaient une réponse correcte (par exemple, « Cette molécule va se lier à cette protéine »), mais ils ne pouvaient pas expliquer comment ils étaient parvenus à cette conclusion. En médecine, cela ne suffit pas.
L’objectif est de passer à des systèmes d’IA de type « boîte de verre » qui offrent un raisonnement traçable. L’interprétabilité est particulièrement importante pour les applications médicales de l’IA à haut risque. Si une IA suggère une voie de traitement, un médecin humain doit être en mesure d’en vérifier la logique.
Les médecins de Sermo s’inquiètent de la possibilité que les fournisseurs s’appuient sur les données de l’IA sans faire preuve d’esprit critique. En réponse à un sondage demandant ce qui préoccupe le plus les membres au sujet de l’intégration de l’IA dans le développement de médicaments, la réponse la plus populaire a été « la dépendance excessive des équipes de recherche à l’égard de la technologie », avec 26 % des voix. Le facteur qui augmenterait le plus leur confiance est la validation indépendante des algorithmes (25 %). De toute évidence, de nombreux membres se méfient de la possibilité d’accorder une confiance aveugle aux réponses des modèles de boîte noire.
La transition de la boîte noire à la boîte de verre est toujours en cours, du point de vue d’un médecin généraliste membre de Sermo. De nombreux modèles d’IA fonctionnent encore comme des « boîtes noires » et, en l’absence de méthodologies transparentes ou de données prospectives solides, il est difficile d’évaluer la capacité de ces outils à se généraliser au-delà des ensembles de données conservés », expliquent-ils.
Aux États-Unis, les outils d’IA utilisés dans le développement de médicaments ne sont pas réglementés en tant que produits autonomes. La Food and Drug Administration (FDA) évalue plutôt la manière dont les connaissances générées par l’IA sont utilisées dans le cadre du processus de développement des médicaments, en particulier lorsqu’elles influencent la conception des essais cliniques, les évaluations de sécurité ou les demandes d’homologation. Bien que les autorités de réglementation se soient montrées ouvertes aux approches assistées par l’IA, les normes de validation des modèles adaptatifs ou d’apprentissage continu sont encore en cours d’évolution.
Le rôle de l’IA à l’avenir
Dans le domaine du développement de médicaments, l’IA a le potentiel de remplacer le criblage brutal par une conception rationnelle et prédictive. Elle pourrait contribuer à l’avènement d’une véritable médecine de précision, c’est-à-dire à la fourniture du bon médicament au bon patient, au bon moment et avec moins de gaspillage. Sur Sermo, les médecins participent à des discussions sur les avantages et les inconvénients potentiels de l’IA dans le développement de médicaments et au-delà. Rejoignez la communauté pour accéder (et contribuer) à la plus grande base de données d’évaluation de médicaments au monde, débattre des preuves cliniques de la première vague de thérapies conçues par l’IA et rester à la pointe des nouvelles avancées.
