Comment Demis Hassabis envisage l'IA comme la solution au plus grand défi de la découverte de médicaments

Demis Hassabis, le neuroscientifique lauréat du prix Nobel et fondateur de DeepMind de Google, a longtemps compris que l’humanité est confrontée à l’un de ses puzzles scientifiques les plus redoutables : naviguer dans le paysage virtuellement infini des molécules médicamenteuses possibles. Lors de discussions récentes sur sa dernière entreprise, Isomorphic Labs, Hassabis a articulé une vision qui va bien au-delà de la recherche pharmaceutique traditionnelle — une approche systématique et évolutive pour découvrir des médicaments qui pourrait transformer notre façon de relever les défis sanitaires émergents.

L’échelle vertigineuse des possibilités moléculaires

Avant d’entrer dans l’approche de Hassabis, il est utile de saisir à quel point le problème est immense. Le nombre brut de composés chimiques potentiels qui pourraient exister sur Terre dépasse de loin même les comparaisons cosmiques les plus extrêmes. Les scientifiques estiment qu’il y a environ 10^60 molécules petites, semblables à des médicaments — un chiffre qui dépasse de plusieurs ordres de grandeur les estimations de 10^22 à 10^24 étoiles visibles dans l’univers observable.

Cette réalité statistique souligne pourquoi la découverte de médicaments a historiquement été plus un art qu’une science, guidée par la chance plutôt que par une méthodologie systématique. La pénicilline est née d’une observation fortuite en laboratoire. La plupart des médicaments révolutionnaires représentent des triomphes obtenus contre des probabilités écrasantes, chaque composé réussi étant trouvé après avoir exploré un espace chimique incroyablement vaste.

Isomorphic Labs : de la vision à la découverte de médicaments pilotée par l’IA à grande échelle

Conscient de ce défi, Demis Hassabis a fondé Isomorphic Labs en 2021 avec une mission audacieuse : exploiter l’intelligence artificielle pour naviguer dans cette complexité moléculaire et transformer fondamentalement la façon dont de nouvelles thérapies sont découvertes. Contrairement au développement traditionnel de médicaments, qui consiste à tester des milliers de composés un par un, l’approche de Hassabis utilise l’apprentissage automatique pour identifier des candidats prometteurs à une échelle et une vitesse sans précédent.

L’avantage stratégique est convaincant. En entraînant des systèmes d’IA sur d’immenses ensembles de données de structures moléculaires et de leurs propriétés biologiques, les chercheurs peuvent prédire quels composés sont le plus susceptible d’interagir efficacement avec des cibles pathologiques — réduisant ce qui pourrait autrement prendre des années de travail en laboratoire à quelques heures de calcul. Isomorphic Labs se positionne non pas simplement comme une autre startup biotech, mais comme une entreprise plateforme visant à systématiser l’ensemble du processus de découverte de médicaments grâce à la technologie.

Redéfinir “Résoudre la maladie” : un processus reproductible et évolutif

Lorsqu’on lui demande à propos de l’ambition souvent-quotée de Hassabis de “résoudre toutes les maladies”, il faut clarifier le cadre. Comme il l’a expliqué dans des interviews récentes, il ne prétend pas pouvoir éradiquer la maladie dans son ensemble — une promesse irréaliste qu’il rejette explicitement. Son vision consiste plutôt à construire un système durable et reproductible capable de répondre aux menaces sanitaires en évolution.

“Résoudre la maladie” dans le cadre de Hassabis signifie construire une infrastructure — à la fois technologique et organisationnelle — qui permet une découverte et une amélioration continues des médicaments. À mesure que les défis sanitaires émergent ou évoluent, ce processus évolutif peut s’adapter et produire systématiquement de nouvelles solutions thérapeutiques. C’est un changement par rapport au modèle traditionnel de recherche d’un seul médicament révolutionnaire, pour établir un moteur perpétuel d’innovation médicale. L’objectif est pragmatique : fournir des médicaments transformateurs aux patients qui en ont besoin, plutôt que de promettre des cures universelles.

La voie à suivre : pourquoi la preuve est essentielle dans la médecine pilotée par l’IA

Actuellement, Isomorphic Labs ne possède aucun médicament en essais cliniques, et l’entreprise reste délibérément prudente quant aux délais. Cependant, la mesure ultime du succès pour Demis Hassabis et son équipe est sans ambiguïté : transformer la découverte pilotée par l’IA en médicaments réels qui démontrent une efficacité thérapeutique.

Comme l’a souligné Krishna Yeshwant, associé directeur chez Google Ventures et investisseur précoce dans Isomorphic : “Pour vraiment démontrer la valeur de cette approche, il faut fournir une preuve concrète. Vous devez découvrir vos propres médicaments, les amener aux patients, et montrer qu’ils fonctionnent.” Cette étape représente le seuil crucial entre une technologie prometteuse et un impact industriel transformateur.

Le domaine plus large de la découverte de médicaments par l’IA se trouve à un point d’inflexion. Si les méthodologies de Hassabis s’avèrent efficaces pour livrer de nouvelles thérapies pour des conditions comme le cancer, les maladies auto-immunes et les troubles génétiques rares, les implications dépassent largement le cadre des traitements individuels. La réussite pourrait valider un paradigme entièrement nouveau pour l’innovation pharmaceutique — un où l’intelligence machine accélère la capacité de l’humanité à répondre à la maladie avec précision, rapidité et à une échelle auparavant inimaginable.