Pourquoi OpenAI et Anthropic se lancent-elles toutes deux dans la biotechnologie ?

Vous êtes-vous déjà demandé pourquoi, presque chaque semaine ces derniers temps, une nouvelle entreprise d’IA annonce son entrée dans la biotech ?

Nvidia et Eli Lilly construisent ensemble un laboratoire à San Francisco ; Isomorphic Labs, issue de DeepMind, mène des recherches sur les médicaments ; Sam Altman a personnellement investi dans Retro, société spécialisée dans la longévité ; et Anthropic renforce progressivement sa présence en sciences de la vie. Alex Colville est au cœur de tout cela. Il est cofondateur d’age1, le premier fonds de capital-risque mondial dédié à la longévité, qu’il a créé avec Laura Deming. Il a obtenu un doctorat en génétique à Stanford, où il a étudié la biologie du vieillissement, et a géré plus de 100 millions de dollars d’investissements dans ce domaine. Cet article ne traite qu’une seule question : pourquoi les entreprises d’IA veulent-elles faire de la biotech, que peuvent-elles y apporter concrètement, et où vont-elles buter ? Je présente d’abord ses propos, puis ajoute mes propres réflexions.

Pourquoi les entreprises d’IA se précipitent-elles toutes dans la biotech ?

Alex commence par un chiffre : les deux médicaments contre l’obésité, semaglutide et tirzepatide, génèrent collectivement plus de revenus qu’OpenAI et Anthropic réunies, et leur croissance reste très rapide. Beaucoup supposent que ce type d’activité sera capté par les entreprises technologiques, mais ce n’est pas encore le cas. Selon lui, des sociétés comme OpenAI, Anthropic ou Google bénéficient déjà d’évaluations stupéfiantes et ont besoin de revenus tout aussi impressionnants ; or, en regardant autour d’elles, elles constatent qu’un seul médicament dans le monde rapporte davantage que leur entreprise entière — ce qui justifie naturellement cet intérêt.

La deuxième raison est la « moat » (avantage concurrentiel durable). Les médicaments sont protégés par des brevets et le secteur est fortement régulé, contrairement à la plupart des produits technologiques, qui tendent à terme vers la standardisation et à la baisse continue de leurs prix. Il cite une observation fréquente de Marc Andreessen : les prix dans les secteurs régulés continuent d’augmenter, tandis que ceux des secteurs non régulés subissent une pression constante à la baisse. Ainsi, selon lui, la biotech résiste fortement à l’IA — elle ne sera pas bouleversée par Anthropic en un an. La raison est simple : les problèmes sont trop nombreux et complexes, et même en mobilisant toute l’intelligence disponible, cela prend du temps.

En ce qui concerne Anthropic spécifiquement, il indique que l’entreprise a publié une carte stratégique identifiant les sciences de la vie comme l’un des domaines à plus fort impact. L’équipe a également déclaré publiquement que ce pourrait être sa deuxième orientation stratégique majeure, au minimum dans le top cinq. Récemment, Anthropic a lancé un nouveau modèle dédié aux sciences de la vie et évoqué des programmes précliniques dans des domaines tels que le vieillissement et les maladies rares. Sa réaction s’est résumée à une phrase : « Quand Anthropic affirme publiquement que c’est une priorité, cela signifie : “c’est lancé.” »

Ce que je trouve rare dans cette section, c’est qu’elle ne travestit pas les motivations des entreprises d’IA en nobles causes. Elles viennent ici parce que c’est le marché le plus lucratif au monde, doté de la barrière défensive la plus solide, et d’un secteur que l’IA ne peut pas balayer pour l’instant. Cette vision claire facilite justement l’évaluation de leurs prochaines actions : non pas suivre ce qui est le plus séduisant, mais s’ancrer là où le remplacement par l’IA est le plus difficile.

Deux domaines où l’IA a déjà apporté de l’aide

Alors, concrètement, qu’a déjà permis l’IA ? Alex identifie deux changements les plus évidents.

Le premier concerne la génération de molécules. Pour certaines classes de médicaments, la conception moléculaire est désormais bien plus rapide et nettement moins coûteuse qu’auparavant, sans nécessiter à chaque étape l’alternance entre chercheurs humains et laboratoires — bien qu’on soit loin encore de « zéro humain, zéro expérimentation ». Il cite des sociétés comme Nabla Bio, capables déjà de générer « zéro-shot » des anticorps et des petites molécules, c’est-à-dire de produire des candidats moléculaires en une seule fois, sans avoir besoin d’un jeu d’exemples préalable. Toutefois, il précise qu’à ce stade, la plupart des travaux visent des cibles connues (protéine ou gène sur lequel agit un médicament), générant de nouvelles versions de médicaments existants — simplement beaucoup plus vite. La prochaine étape, selon lui, est inéluctable : même des cibles entièrement nouvelles verront des molécules générées en une seule fois de cette manière.

Le deuxième changement est plus banal : les tâches courantes sont désormais 30 à 95 % plus rapides — rédaction de documents réglementaires, analyse des concurrents, recherche d’opportunités de partenariat ou prise de connaissance d’une nouvelle cible. Son jugement : il y a un an et demi à deux ans, créer une société pharmaceutique était une entreprise lourde ; aujourd’hui, elle est presque « démocratisée ».

Mon interprétation est que l’un concerne la « création de choses », l’autre l’« exécution plus efficace de tâches », et que les deux interviennent dans la première moitié du développement pharmaceutique. Ils rendent les essais et erreurs moins coûteux et permettent aux petites équipes de démarrer, mais n’ont pas encore touché la partie la plus ardue du secteur. Ce qu’est précisément cette partie, il l’explique ensuite.

L’étape la plus coûteuse et la plus lente : là où l’IA n’a pas encore aidé

Certains imaginent un futur peuplé de millions de sociétés biotech « sans employé » : avec suffisamment de tokens, comme on écrit du logiciel avec l’IA, on pourrait faire de la recherche et de la conception d’un seul souffle. Alex pense que cela reste très éloigné de la réalité. Son raisonnement : le véritable goulot d’étranglement intervient après la génération de molécules. Pour transformer une molécule optimisée en médicament approuvé, il faut prouver qu’elle est sûre et efficace — et cette phase représente une part disproportionnée des coûts et du temps du développement pharmaceutique. Concevoir la molécule est certes complexe et coûteux, mais comparé à cette étape, c’est négligeable. C’est devenu « la dernière frontière », dit-il : choisir la molécule la plus prometteuse, puis réaliser l’ensemble du processus au moindre coût. Même si une personne conçoit une molécule avec l’IA, chaque société doit encore dépenser des millions de dollars par la suite — et c’est précisément là que l’IA a aujourd’hui le moins de levier.

Je considère cette partie comme la plus lucide de toute la discussion. Le récit autour de l’IA tourne toujours autour de « devenir plus intelligente », mais en fin de compte, les médicaments ne font pas concurrence sur l’intelligence, mais sur la preuve. Or la preuve exige des patients, du temps, des régulateurs et de l’argent — rien de tout cela ne se réduit automatiquement parce qu’un modèle s’améliore. Cela explique aussi pourquoi les entreprises d’IA acceptent d’entrer sur ce terrain, sans oser affirmer qu’elles rendront les médicaments moins chers dès demain.

Dans le domaine de la longévité, les fonds restent maigres et aucun produit n’existe encore

Il revient sur le terrain dans lequel il investit. La longévité est le domaine que les gens associent le plus spontanément à l’IA, mais sa réalité est plus modeste que beaucoup ne l’imaginent. Alex estime que l’ensemble des entreprises ciblant le vieillissement vaut environ 15 milliards de dollars, soit environ un cinquantième du nombre d’entreprises et des montants investis dans l’oncologie. Les financements médiatisés, bien qu’impressionnants en apparence, sont presque invisibles sur un graphique à barres comparé aux financements de l’IA. Sa conclusion : chaque dollar a aujourd’hui un effet multiplicateur énorme, et nous en sommes encore aux toutes premières étapes.

Plus important encore, ce domaine ne dispose toujours d’aucun produit commercial éprouvé chez l’humain. Il prévoit que la première vague apparaîtra au cours de la prochaine décennie, visant à retarder ou prévenir certains aspects du vieillissement — non pas une technologie révolutionnaire, mais la première preuve concrète. Il qualifie ce moment de « ChatGPT de la longévité », même si les retours ne seront pas aussi immédiats que lors de la première utilisation d’un grand modèle. Son grand-père fut l’un des premiers soldats américains traités à la pénicilline ; après une pneumonie qui faillit lui coûter la vie, il vécut jusqu’à plus de quatre-vingt-dix ans. Il dit attendre depuis longtemps le « moment pénicilline » de la longévité, qu’il estime à dix à quinze ans. Tout comme les statines sont aujourd’hui prescrites à un certain âge pour prévenir les maladies cardiovasculaires, il attend une « statine » agissant sur d’autres systèmes que le cardiovasculaire.

Le traitement le plus proche des humains est un médicament pour chiens. La société Loyal développe une pilule orale quotidienne destinée à prolonger la durée de vie des chiens, qui pourrait devenir la première thérapie anti-vieillissement approuvée par la Food and Drug Administration (FDA) américaine. Selon lui, les autorisations d’efficacité et de sécurité sont déjà obtenues ; seul reste à finaliser le procédé de fabrication, prévu pour la fin de l’année prochaine, bien que des incertitudes demeurent. La version humaine, estime-t-il, est encore à plusieurs années.

À plus long terme se profile une deuxième génération plus audacieuse, où l’IA jouera un rôle majeur. Une piste consiste à remplacer, d’ici cinquante ans, les cellules et tissus âgés par des neufs ; l’autre, la reprogrammation épigénétique, ne change pas le type cellulaire mais ramène simplement l’« âge » cellulaire en arrière. C’est précisément ce qu’il a étudié durant la première moitié de son doctorat. Il considère NewLimit comme la plus avancée dans ce domaine, disposant de plus de 600 millions de dollars de trésorerie. Partant du foie, ils utilisent la technologie de l’ARN messager pour créer une thérapie chez des souris âgées, leur permettant de résister aux dommages causés par l’alcool comme le font les jeunes souris ; ils passeront ensuite aux cellules immunitaires et aux reins. Il insiste toutefois sur le fait qu’aucune approche unique ne résoudra tout : la matrice extracellulaire (structure de soutien entourant les cellules) s’endommage aussi, et remettre à zéro l’âge cellulaire seul ne suffira probablement pas — plusieurs voies doivent progresser simultanément.

Je trouve cette section remarquablement réaliste. À l’extérieur règne beaucoup de bruit ; à l’intérieur, on ne compte que quelques entreprises, quelques souris et un seul médicament pour chiens. Le rôle de l’IA ici n’est pas de remplacer cette longue phase de validation, mais d’accélérer l’exploration de davantage de pistes possibles.

Son point de vue sur les entreprises d’IA et la biosécurité

La biologie possède une particularité absente dans d’autres secteurs : les mêmes capacités peuvent à la fois guérir et nuire aux êtres humains. Alex se réjouit vivement que les fondateurs de presque tous les laboratoires de pointe prennent réellement à cœur la biosécurité, ainsi que les menaces liées aux pandémies et au bioterrorisme. Il pense que, placé dans leur position, un PDG typique de grande entreprise s’en soucierait probablement moins. Il ne croit pas que ces laboratoires réussissent toujours ou fassent assez — après tout, être constamment juste dans ce rôle est extrêmement difficile — mais leur engagement est sincère, et il en est reconnaissant.

Il aborde également franchement la dimension réputationnelle. Ces laboratoires savent très bien que, dès qu’ils sont perçus comme capables de guérir le cancer, il devient difficile de les restreindre ou de les fermer. Il admet que se cacher derrière cet « halo » peut sembler un peu inquiétant, mais estime que leur souci authentique constitue un immense bénéfice pour l’humanité. Il ajoute que, hormis le bioterrorisme, les applications de l’IA en biologie suscitent à peine de controverses — elles sont véritablement bénéfiques pour l’humanité, contrairement à d’autres usages où la frontière entre bien et mal est floue.

Quelques réflexions personnelles

Rétrospectivement, les éléments décrits par Alex forment plusieurs niveaux d’une même histoire. Pourquoi les entreprises d’IA s’y lancent-elles ? Pour les revenus les plus élevés et la moindre concurrence. Ce qu’elles peuvent accélérer : la conception de molécules et l’efficacité quotidienne. Ce qu’elles ne peuvent pas accélérer : la validation humaine, la plus coûteuse et la plus lente. Et sur une frontière comme celle de la longévité, les fonds restent rares et le premier produit n’est même pas encore arrivé. Rassembler ces niveaux conduit à une conclusion limpide : l’IA a rendu « imaginer » bon marché, mais elle n’a pas rendu « prouver » bon marché.

Pour ma part, cela signifie des choses différentes pour les observateurs et pour les acteurs. Les observateurs sont entraînés par les titres du type « l’entreprise X entre dans la biotech » et croient que les médicaments vont devenir bon marché et que les humains, longévifs. Les acteurs doivent poser une question supplémentaire : cette entreprise résout-elle le problème de l’idée ou celui de la preuve ? L’IA accélère le premier ; le second dépend toujours du temps, des patients et des financements.

Bien sûr, ce qu’Alex propose est un jugement, non une prophétie. Que le premier produit de longévité apparaisse dans les dix ans, ou que l’IA parvienne à réduire le coût de la validation, reste à confirmer. Mais le classement qu’il propose est utile : s’il ne pouvait miser que sur une seule catégorie, il choisirait celle dont la preuve viendra en premier — retarder et prévenir le vieillissement —, tandis que le remplacement et la reprogrammation n’arriveraient que cinq ans plus tard.

Les idées continueront de coûter de moins en moins cher. La preuve, non.