Une nouvelle ère pour la R&D pharmaceutique : Nvidia et Eli Lilly dévoilent un laboratoire de co‑innovation d'un milliard de dollars
Dans une initiative historique qui marque l'approfondissement de la convergence entre l'intelligence artificielle (artificial intelligence) et les sciences de la vie, Nvidia et le géant pharmaceutique Eli Lilly ont annoncé un partenariat stratégique visant à établir un laboratoire conjoint de co‑innovation en IA (AI) dans la région de la baie de San Francisco. La collaboration prévoit un investissement pouvant atteindre 1 milliard de dollars au cours des cinq prochaines années, dédié aux talents, aux infrastructures et aux ressources de calcul. Cette initiative vise à réinventer fondamentalement le processus de découverte de médicaments, en exploitant le calcul avancé pour accélérer le développement de médicaments transformateurs.
Le partenariat souligne un changement significatif dans l'industrie pharmaceutique, qui évolue des méthodes expérimentales traditionnelles vers la « biologie numérique » où la découverte est pilotée par d'énormes jeux de données et l'IA générative (Generative AI). En combinant l'expertise scientifique approfondie de Lilly en biologie et en chimie avec le leadership de Nvidia en calcul accéléré, le laboratoire a l'intention de raccourcir les cycles de développement et d'améliorer les taux de réussite des nouvelles thérapies.
Accélérer la découverte avec le calcul de nouvelle génération
Au cœur de cette collaboration se trouve l'intégration de matériels et de logiciels de pointe conçus spécifiquement pour la recherche biologique. Le nouveau laboratoire utilisera la plateforme BioNeMo de Nvidia, un cadre d'IA générative adapté à la découverte de médicaments, pour construire et entraîner des modèles capables de comprendre des systèmes biologiques complexes.
De manière significative, le laboratoire déploiera des architectures de calcul Nvidia futures, y compris la très attendue architecture Vera Rubin. Ce matériel de nouvelle génération devrait fournir le débit de calcul immense requis pour entraîner des modèles de pointe sur les vastes jeux de données propriétaires de Lilly. L'intégration de ces technologies vise à permettre aux scientifiques d'explorer des espaces biologiques et chimiques in silico — en simulant interactions et propriétés virtuellement avant de synthétiser une seule molécule dans le monde physique.
Cette puissance de calcul sera augmentée par le superordinateur IA (AI supercomputer) précédemment annoncé par Lilly, décrit comme l'un des plus puissants du secteur pharmaceutique. Ensemble, ces ressources forment une "usine IA" (AI factory) capable d'entraîner de grands modèles fondamentaux biomédicaux (foundation models) pour identifier et optimiser des candidats-médicaments avec une rapidité et une précision sans précédent.
Le système d'apprentissage continu : faire le lien entre laboratoires informatiques (dry labs) et laboratoires expérimentaux (wet labs)
Une innovation centrale du nouveau laboratoire est la mise en œuvre d'un « système d'apprentissage continu » (continuous learning system) qui relie de façon transparente les prédictions computationnelles (laboratoires informatiques, dry labs) aux expérimentations physiques (laboratoires expérimentaux, wet labs). Cette approche établit une boucle de rétroaction dynamique où les modèles d'IA génèrent des hypothèses, des systèmes robotisés réalisent des expériences pour les tester, et les données résultantes sont immédiatement réintégrées pour affiner les modèles.
Cette méthodologie "scientifique dans la boucle" (scientist-in-the-loop) est conçue pour permettre une expérimentation 24 h/24 et 7 j/7. En automatisant les tâches routinières et en raccourcissant l'écart entre prédiction et validation, les chercheurs peuvent itérer sur les candidats‑médicaments beaucoup plus rapidement que ne le permettent les processus manuels traditionnels. L'objectif ultime est de créer un système auto‑améliorant où l'IA devient de plus en plus compétente pour prédire des structures moléculaires et des cibles biologiques susceptibles de réussir.
Comparaison de la découverte de médicaments traditionnelle et du modèle de co‑innovation accéléré par l'IA
| Feature | Traditional Drug Discovery | AI-Accelerated Co-Innovation Model |
|---|---|---|
| Primary Method | Sequential trial-and-error experimentation | Generative AI prediction and simulation |
| Data Utilization | Siloed, often manual data analysis | Integrated, massive-scale dataset training |
| Cycle Time | Years for target identification and validation | Weeks or months for in silico validation |
| Feedback Loop | Slow, manual iterations | Real-time, continuous automated feedback |
| Infrastructure | Standard lab equipment and servers | AI Supercomputers and Robotic Automation |
Au‑delà de la découverte : fabrication et jumeaux numériques (Digital Twins)
La portée du partenariat entre Nvidia et Eli Lilly s'étend au‑delà de la phase initiale de découverte, jusqu'au développement clinique, à la fabrication et aux opérations de la chaîne d'approvisionnement. Les entreprises prévoient d'exploiter l'IA physique (Physical AI) — l'application de l'IA pour interagir avec et contrôler le monde physique — afin d'optimiser la production de médicaments.
En utilisant Nvidia Omniverse et des serveurs RTX PRO, Lilly entend créer des jumeaux numériques (Digital Twins) de ses lignes de production. Ces simulations virtuelles haute fidélité permettront aux ingénieurs de modéliser les processus de production, de tester des modifications et d'optimiser les flux de travail dans un environnement virtuel avant de les mettre en œuvre dans le monde réel. Cette capacité devrait réduire les temps d'arrêt, accroître l'efficacité et garantir un meilleur contrôle qualité dans la fabrication de thérapies complexes.
Implications stratégiques pour l'industrie
L'établissement de ce laboratoire à South San Francisco représente une étape majeure dans l'industrialisation de l'IA pour la santé. Jensen Huang, fondateur et PDG de Nvidia, a souligné que, bien que l'IA transforme chaque industrie, son impact sur les sciences de la vie sera le plus profond. Il a insisté sur le fait que le partenariat vise à inventer un « nouveau modèle » pour la découverte de médicaments.
De même, David A. Ricks, PDG de Lilly, a noté que la combinaison des 150 ans de savoir scientifique de l'entreprise avec la puissance de calcul de Nvidia pourrait réinventer la manière dont les médicaments sont découverts. Cette démarche suggère que la compétitivité pharmaceutique future reposera largement sur la capacité à intégrer le calcul haute performance avec la recherche biologique.
Alors que le laboratoire commence ses opérations en début d'année, il sert de banc d'essai critique pour l'adoption plus large d'agents d'IA, de la robotique et de modèles fondamentaux (foundation models) en médecine. La réussite de cette entreprise pourrait établir une nouvelle norme pour le fonctionnement des entreprises pharmaceutiques, les faisant évoluer vers des entreprises hybrides techno‑bio.
Technologies clés qui animent le laboratoire
La collaboration se concentrera sur le déploiement d'une pile technologique spécifique conçue pour gérer les défis uniques des données biologiques :
- Modèles d'IA générative : modèles fondamentaux personnalisés entraînés sur des données biologiques propriétaires pour prédire les interactions moléculaires.
- Automatisation robotisée : équipements de laboratoire humides automatisés contrôlés par des agents d'IA pour exécuter des expériences sans intervention humaine.
- Jumeaux numériques : répliques virtuelles de systèmes physiques utilisées pour simuler la fabrication et la logistique de la chaîne d'approvisionnement.
- Calcul haute performance (High-Performance Computing, HPC) : grappes massives de GPU assurant la puissance de traitement nécessaire pour un entraînement continu des modèles.
Cet investissement d'un milliard de dollars n'est pas simplement un engagement financier mais un alignement stratégique qui place les deux entreprises à l'avant‑garde de la révolution biotechnologique pilotée par l'IA.
