Les investissements dans la découverte de médicaments basée sur l’intelligence artificielle (IA) continuent de croître, soulignant la conviction de l’industrie en une découverte plus rapide en silico, capable de transformer les étapes initiales de la recherche et développement. Le premier semestre de 2026 a été marqué par une série régulière de nouvelles offres liées à des plates-formes d’IA, avec des projets se concentrant tant sur la découverte de petites molécules que sur le développement élargi des capacités d’IA dans le domaine pharmaceutique. Cela dit, l’augmentation de la vitesse de découverte amplifie également le coût des développements erronés une fois qu’un candidat entre dans les phases de formulation et de fabrication.
Le goulot d’étranglement dans la découverte de médicaments liés à l’IA
Malgré une découverte accélérée et une puissance de calcul accrue, le développement de nouvelles molécules demeure un défi. Alors que l’IA élargit le champ des possibilités chimiques en générant des candidats plus complexes, les sponsors et les partenaires de développement en phase précoce sont toujours confrontés aux mêmes questions essentielles de développabilité, qui sont déterminantes quant à l’avenir d’un actif. Des problèmes tels qu’une faible solubilité, une biodisponibilité limitée, des préoccupations de stabilité, et des contraintes de fabrication continuent d’influencer les décisions de développement. Pour les sponsors travaillant avec des principes actifs peu solubles, ces défis restent un véritable goulot d’étranglement. L’IA peut faciliter la découverte et le classement des molécules, mais la stratégie de développement doit toujours guider la sélection des candidats susceptibles de réussir en clinique.
Quand la découverte va plus vite que le développement
Bien que l’IA permette une identification plus rapide des candidats prometteurs, cette rapidité ne rend pas nécessairement leur formulation ou leur fabrication plus aisée. Un nombre accru de découvertes entraîne souvent une recrudescence des problèmes de développement familiers, notamment lorsque les candidats émergent d’un espace chimique complexe. De plus, un nombre croissant de ceux-ci présentent des problématiques comme une faible solubilité aqueuse, une biodisponibilité limitée, ainsi que des contraintes qui compliquent leur formulation. Les plates-formes d’IA générative ont tendance à prioriser la puissance et la spécificité au détriment de la développabilité, ce qui entraîne une sélection de composés avec des poids moléculaires et des logP plus élevés, souvent associés à une solubilité aquatique réduite.
Si une molécule paraît prometteuse lors des dépistages préliminaires, elle peut se heurter à des difficultés lorsqu’il s’agit de concevoir une forme posologique stable ou d’assurer une exposition efficace par les scientifiques en formulation et les partenaires de développement. Ces défis ne sont pas anecdotiques : ils jouent un rôle central pour déterminer si un programme peut progresser efficacement vers la clinique et si le produit peut être créé de manière évolutive et reproductible. Les anciennes hypothèses de dépistage deviennent plus cruciales, car elles sont souvent fondées sur un ensemble plus restreint de composés. Lorsqu’elles sont appliquées de manière rigide, elles peuvent inciter les sponsors à négliger des molécules qui pourraient pourtant offrir des voies viables, si elles sont accompagnées d’une stratégie de formulation adéquate.
Au sein d’un environnement de développement orienté vers l’IA, ce risque peut s’avérer coûteux, surtout quand les candidats les plus prometteurs sont également ceux qui dérogent le plus aux idées traditionnelles sur ce qui constitue une molécule développable. Pour les équipes en phase de démarrage, la tâche ne se limite pas à choisir ce qui semble le plus facile à gérer ; il s’agit plus de déterminer si une molécule forte peut être soutenue par une combinaison adéquate de formulation, d’évaluation biopharmaceutique et de planification de fabrication.
À quoi le développement précoce doit répondre plus tôt
Une découverte plus rapide impose une rigueur accrue aux décisions initiales de développement. Pour qu’un projet puisse avancer sans engendrer de complications ultérieures, les sponsors doivent obtenir des réponses claires à un certain nombre de questions dès le début. Parmi celles-ci figurent :
- La molécule peut-elle atteindre une exposition thérapeutique à une dose pratique ?
- Peut-elle rester stable durant le traitement et le stockage ?
- Existe-t-il une méthode de fabrication viable qui puisse être maintenue au fur et à mesure que le programme progresse ?
Ces questions sont déterminantes pour éviter des retards, réduire le gaspillage de matériel et empêcher les équipes de devoir revisiter des travaux qui auraient pu être clarifiés plus tôt. Dans un tel contexte, le développement précoce doit être plus proactif, jouant un rôle essentiel pour évaluer si un candidat prometteur peut avancer de manière scientifiquement et opérationnellement solide.
Pourquoi le développement dépend encore de la preuve
Il est impératif que le développement s’appuie sur une boucle de décision intégrée et non uniquement sur des prévisions. Bien que l’IA puisse affiner les choix et améliorer la priorisation, elle ne peut remplacer les épreuves qui démontrent la viabilité d’un candidat une fois la phase de formulation entamée. Ce processus requiert toujours une séquence de dépistage in vitro, de modélisation PB in silico et de validation in vivo.
Dès les premiers stades de développement, les scientifiques en formulation et les partenaires de développement peuvent utiliser ces méthodes pour établir des limites pratiques autour de la dissolution, de l’absorption et de la stabilité, et évaluer si une approche de formulation signifie une amélioration des performances et peut soutenir le programme. Lorsqu’il est bien exécuté, cela conduit à des décisions plus éclairées, à l’utilisation plus efficace d’une matière active limitée, et à moins de surprises à un stade avancé.
Là où la flexibilité de la formulation compte le plus
L’arrivée de nouveaux candidats issus de l’IA accentue l’importance de la stratégie de formulation, notamment lorsque ces composés s’écartent des approches standard. Cette tendance est particulièrement évidente dans les cas où un candidat montre une faible solubilité dans les solvants, de hauts points de fusion ou une fenêtre de traitement étroite. Dans ces situations, les sponsors ont besoin de solutions allant au-delà du chemin par défaut, en trouvant une flexibilité de formulation suffisante pour surmonter les propriétés de la molécule sans compromettre sa valeur.
Une telle flexibilité nécessite souvent d’explorer :
- Approches favorisant la biodisponibilité : Des dispersions solides amorphes peuvent offrir une voie tangible pour améliorer l’absorption des composés peu solubles.
- Flexibilité de traitement : Lorsqu’il existe des limitations dues à la chaleur, aux solvants ou aux propriétés matérielles, un traitement par fusion sans solvant ou d’autres techniques non conventionnelles peuvent offrir des options viables.
- Espace de conception de formulation élargi : Une flexibilité accrue des excipients et des systèmes multi-composants adaptés permettent aux formulateurs d’équilibrer performances, stabilité et fabricabilité.
Le développement décide toujours des avancées
Bien que l’IA transforme profondément la découverte de petites molécules, les candidats qui suscitent le plus d’intérêt in silico doivent encore faire leurs preuves dans des conditions réelles de développement. Ils requièrent des stratégies de formulation capables de soutenir leur performance ainsi que des parcours de fabrication adaptés à l’évolution des programmes. Avec l’accélération des découvertes, la pression sur le développement augmente. Les sociétés pharmaceutiques qui naviguent habilement cette transition se positionneront favorablement pour amener des molécules efficaces en clinique, tout en préservant ce qui les rend attrayantes.
Photo : Yuuji, Getty Images
