La découverte de médicaments pilotée par l’IA pourrait réduire considérablement le coût et le temps nécessaires pour développer un candidat médicament. Rentosertib est jusqu’à présent l’exemple le plus clair. Selon Insilico Medicine, le programme est passé de l’hypothèse à un candidat préclinique en moins de 18 mois. Les travaux précliniques de Rentosertib ont coûté environ 2,6 millions de dollars, contre 15 à 25 millions de dollars pour une approche conventionnelle. Insilico a publié dans Nature Medicine des résultats de phase IIa validés par des pairs. Un seul programme réussi ne permet pas d’établir l’économie d’une plateforme entière. Rentosertib ciblait la fibrose pulmonaire idiopathique, une maladie bien caractérisée avec des endpoints cliniques établis. Il est encore trop tôt pour savoir si cette approche peut offrir des délais et des coûts similaires dans des domaines de maladies plus complexes. Environ 230 milliards de dollars de ventes de médicaments brevetés aux États-Unis sont menacés par la concurrence des génériques ou biosimilaires entre 2025 et 2030. Les partenariats pourraient devenir une voie plus naturelle pour les entreprises pharmaceutiques cherchant à accéder à la découverte pilotée par l’IA sans assumer le risque de construire toute la pile elles-mêmes. Si d’autres programmes produisent des résultats similaires, une plus grande partie de la valeur dans la découverte de médicaments pourrait se déplacer vers des plateformes full-stack qui sous-license leurs capacités à l’industrie pharmaceutique.