L’IA conçoit des protéines. L’argent est toujours gagné dans le laboratoire humain.

L’IA conçoit des protéines. L’argent est toujours gagné dans le laboratoire humain.

Le design des protéines est désormais possible, et l’industrie de la recherche marché veut obtenir une part des crédits correspondants. En octobre 2024Le Prix Nobel de chimie a été décerné à David Baker.Et à Demis Hassabis et John Jumper, de DeepMind, pour avoir appris aux ordinateurs à modéliser et à créer des protéines – les machines moléculaires qui effectuent la plupart du travail dans les cellules vivantes. Ce prix représente un véritable progrès : un système d’intelligence artificielle peut désormais proposer une protéine que la nature n’a jamais créée. Cela a également entraîné une multitude de prévisions. Chaque cabinet de conseil a publié une estimation du marché de l’ingénierie protéique, chacune avec sa propre année de référence, son propre taux de croissance et sa propre confiance en ce que les plateformes d’IA, le design rationnel et l’évolution dirigée peuvent être résumés en un seul chiffre.

Ces chiffres sont très discordants. Market Research FutureLe marché atteindra 1,9 milliard de dollars en 2024.Et les projets devraient atteindre 6,5 milliards de dollars d’ici 2035, avec une croissance annuelle de 11,8 %. Grand View Research estime que les revenus atteindront 2,6 milliards de dollars en 2023, et une croissance cumulée de 16,2 % jusqu’en 2030. Coherent Market Insights, dans ses prévisions pour l’année 2026, déjà…On trouve 4,9 milliards de dollars, avec un taux de croissance de 16,7 %.C’est une base qui est plus de deux fois et demi celle de la première entreprise. Cette divergence n’est pas due à une négligence. C’est le signe d’une catégorie où les gènes synthétiques, les anticorps, les enzymes industrielles, les instruments, les réactifs et les services sont regroupés en un seul ensemble, puis multipliés par l’optimisme. Les rapports décrivent un marché qui ne se comporte pas comme tel, et qui ne peut même pas s’accorder sur le point où commence ce marché.

Mais en réalité, quelque chose de réel s’est produit, et ce n’est pas ce que rapportent les rapports. L’informatique a permis de réduire le coût de la partie la plus difficile de l’ancien problème. Le laboratoire de BakerIl a rendu open source son outil de conception RFdiffusion en 2023.De plus, les alternatives libres à AlphaFold de DeepMind sont désormais courantes. Un étudiant compétent peut concevoir une protéine, un ligand, une enzyme ou un antigène vaccinal en un week-end, à un coût quasi nul. La conception, qui était autrefois un métier rare, est désormais considérée comme un produit de consommation. C’est une bonne chose pour la science… mais c’est une mauvaise perspective pour ceux qui espèrent être payés uniquement pour avoir la capacité de concevoir des protéines.

Le problème est que une protéine sur un écran n’est pas une médicine, une enzyme ou un agent de liaison valide. Tout design in silico doit encore passer par le monde physique : le laboratoire de synthèse, d’expression, de purification et de caractérisation, puis la faisabilité de fabrication et les réglementations en jeu. À mesure que le coût du design diminue, le travail qui suit devient de plus en plus important, mais aussi de plus en plus coûteux en termes relatifs. Le point critique a changé, et les contraintes liées à ce processus ont également changé.Briser le goulet d’étranglement lié aux laboratoires humidesCela est devenu le slogan dominant pour le marché des IA et des anticorps. Les stratégies de marketing de l’industrie elle-même reconnaissent cette réalité.L’IA génère plus de designs moléculaires qu’ jamais auparavant.Et la prochaine épreuve est de les valider.

Cette reposition se manifeste clairement dans les résultats financiers des entreprises contractuelles qui servent les designers. GenScript, spécialiste des gènes synthétiques, est le bénéficiaire le plus direct de cela. C’est l’entreprise qui transforme les séquences en ADN. Elle s’est développée dans les domaines de la production de protéines et de la fabrication de produits biologiques, ce que les startups basées sur l’IA ne peuvent pas offrir. Son activité liée aux protéines…Le cours de la rose a augmenté de 52 % au premier semestre 2025.À mesure que la demande augmentait, les chiffres de l’entreprise eux-mêmes montaient également. Les analystes prévoient que même le secteur de la synthèse génétique va croître.De environ 1,1 milliard de dollars en 2025 à 6,2 milliards de dollars d’ici 2035.– Plus de cinq fois l’augmentation.

Lonza, le fabricant de contrat suisse, s’est placé au niveau de la faisabilité de fabrication – c’est-à-dire là où une molécule conçue doit être transformée en produit de grande quantité par une usine. Son activité de développement précoce affirme que…Plus de 1 000 candidats biothérapeutiques ont été évalués.Et plus de 1 500 variantes ont été exprimées. C’est là le “bottleneck” dans sa forme la plus pure : le designer met l’ambition en jeu, tandis que Lonza décide si cette ambition est réalisable.

Thermo Fisher Scientific, le plus grand fournisseur mondial d’équipement de laboratoire, joue le rôle de point de vente.Vendez les systèmes d’expression, les instruments et les réactifs.Chaque designer a besoin de cela, quel modèle que soit celui qui a produit cette séquence. Et il a entouré cette franchise de…Une collaboration avec OpenAIPour pousser l’intelligence artificielle plus loin dans le développement des médicaments. Les fonds stables viennent de là, plutôt que de n’importe quel outil de conception. Thermo a enregistré des revenus pour le deuxième trimestre de 11,9 milliards de dollars, ce qui dépasse les 11,7 milliards de dollars prévus par les analystes, selon les données du marché.

Charles River Laboratories, une entreprise de recherche contractuelle spécialisée dans la découverte de médicaments et l’évaluation de la sécurité en phase préclinique, est le élément qui gâche toute cette histoire romantique.Services de protéomique – extraction, fractionnement et identification des protéinesIl se trouve donc directement sur la voie des produits biologiques conçus par l’IA. Son département de recherche devrait commencer à travailler sur de nouveaux modèles, afin de tester davantage de molécules. Cependant, ses revenus se situent autour de 1 milliard de dollars par trimestre, depuis huit trimestres consécutifs. L’impact positif de l’IA n’a pas encore transformé cette situation en un cycle de dépenses soutenu ; Charles River reste donc soumis au cycle de financement des entreprises biotechnologiques. Néanmoins, les indicateurs globaux d’AInvest indiquent que l’action est valable pour acheter – c’est une anticipation qui précède actuellement les performances commerciales de l’entreprise.

L’objection la plus forte contre cette interprétation est digne de respect. Si le calcul intentionnel pouvait être automatisé à un coût quasi nul, pourquoi les laboratoires traditionnels ne seraient-ils pas utilisés ? Des start-ups comme Adaptyv vendent déjà leurs produits…Caractérisation automatisée des protéines conçues par l’IAEt les prix de la synthèse génétique ont diminué depuis des années. Les entreprises pharmaceutiques les plus ambitieuses, spécialisées dans l’IA, pourraient finir par intégrer leurs activités de recherche en laboratoire interne, en utilisant leurs propres données, et exclure ainsi les intermédiaires qui percevent des frais pour leur service. L’intermédiation représente donc un coût lié au déséquilibre entre les acteurs concernés ; mais ce déséquilibre finit par disparaître.

Pour les investisseurs, donc, le rapport de marché est une carte incorrecte pour décrire un territoire réel. Il essaie de mesurer un marché de produits dont les limites ne peuvent être définies clairement. De plus, il place le centre de gravité des changements dans l’endroit incorrect : les modèles, en réalité, reposent sur la capacité, la validation et l’expérience réglementaire. Le signal global de Invest classe même Thermo Fisher comme une entrée en bourse. La distinction utile est entre les entreprises qui opèrent selon des modèles cycliques et celles qui opèrent selon des modèles de type “toll booth”. La position de Thermo est la plus durable, quel que soit le outil de conception utilisé ; celle de GenScript est plus ciblée sur les périodes de croissance ; celle de Lonza dépend des pipelines de ses clients ; celle de Charles River est plus exposée au cycle de financement, bien qu’elle soit cotée à un prix plus élevé. Les conditions de rupture sont deux. L’automatisation pourrait rendre la validation commercialisable et réduire les frais de service. Et la preuve finale d’une protéine conçue par l’IA n’est pas la confiance du modèle, mais plutôt le rendement d’un fermenteur et les résultats d’une étude clinique.

L’IA a rendu l’invention d’une protéine aussi simple que d’écrire une phrase. L’argent, cependant, provient toujours de la création d’un « corps » pour cette protéine… Et cela continuera tant que créer une protéine est plus difficile que de l’imaginer.