Bernstein : environ 70 projets d'IA pharmaceutique entrent en phase clinique, il faudra encore attendre 3 à 5 ans pour la réponse définitive.

TechFlow rapporte que, selon Chaoxiang Research, un rapport de Bernstein daté du 26 août 2026 indique qu'environ 70 projets de R&D de médicaments basés sur l'IA sont entrés dans le pipeline clinique, la grande majorité étant encore à un stade précoce ; les véritables défis se joueront dans les trois à cinq prochaines années. Récemment, les PDG de DeepMind et d'Anthropic ont affirmé « guérir la plupart des maladies d'ici 5 à 10 ans », ce que Bernstein juge davantage comme une défense de la valeur sociale de l'IA, dénuée de fondements concrets dans le développement pharmaceutique. De la découverte de cibles aux essais cliniques, en passant par la capacité des systèmes de santé, chaque niveau constitue un goulot d'étranglement : la biologie doit in fine être validée chez l'humain, un rythme que les algorithmes ne peuvent tout simplement pas accélérer.

Pour Bernstein, la valeur fondamentale de l'IA dans le secteur pharmaceutique réside dans l'amélioration de la qualité des décisions, et non uniquement dans l'accélération des processus. Une augmentation du taux de réussite de 20 % génère un retour sur investissement en R&D bien supérieur à des économies équivalentes en temps et en coûts. Si l'IA est mobilisée pour s'attaquer à des maladies réfractaires dont la compréhension biologique reste incomplète, elle peut créer une valeur encore plus grande, même si le taux de réussite global demeure modeste. Les approches des grands laboratoires pharmaceutiques varient considérablement : Eli Lilly compte le plus grand nombre de partenariats externes (25), Roche investit le plus massivement en puissance de calcul, et Amgen dispose de l'avantage concurrentiel le plus solide grâce à ses données deCODE Genetics. L'IA n'a pas encore eu d'impact visible sur les statistiques d'approbation de la FDA ; la moyenne annuelle de 48,5 nouveaux médicaments approuvés au cours des cinq dernières années reflète davantage la modernisation du cadre réglementaire et l'essor des biomédicaments. L'IA joue déjà un rôle dans la conception moléculaire, le criblage virtuel et la découverte de cibles, mais « guérir toutes les maladies » exige de franchir plusieurs obstacles, un défi qui ne saurait être résolu par une simple évolution algorithmique.