Cap sur l’IA axée sur la biosimulation avec Simulations Plus

Annonceuse :
Bienvenue à Insights de TD Cowen. Ce balado réunit des penseurs de premier plan qui offrent leur point de vue sur ce qui façonne le monde qui nous entoure. Soyez des nôtres pour cette conversation avec les esprits les plus influents de nos secteurs mondiaux.
Brendan Smith :
Bienvenue à la série de balados de TD Cowen intitulée « La médecine à l’ère des machines : IA et soins de santé », qui présente les principaux enjeux dans l’évolution récente de l’IA et des soins de santé. Ici votre animateur, Brendan Smith, analyste du secteur des soins de santé pour TD Cowen, et je suis aujourd’hui accompagné du chef de la direction de Simulations Plus, Shawn O’Connor. C’est un plaisir de vous recevoir, Shawn.
Shawn O’Connor :
Merci de m’avoir invité, Brendan.
Brendan Smith :
Pour les auditeurs qui nous découvrent, chaque épisode de notre balado « La médecine à l’ère des machines » cherche à expliquer simplement l’utilisation de l’intelligence artificielle en soins de santé, un épisode à la fois. On cherche à déboulonner les principaux mythes et à replacer chaque élément dans le contexte global. Aujourd’hui, Shawn et moi explorons comment les progrès en matière d’intelligence artificielle changent la donne pour les acteurs de la biosimulation, comment Simulations Plus elle-même assure la pérennité de sa propre plateforme et ce que le domaine de la biosimulation alimentée par l’IA signifie vraiment pour le secteur.
Entrons dans le vif du sujet, Shawn. Tout d’abord, on va commencer par faire une petite distinction. En général, qu’est-ce qu’on entend par biosimulation par rapport à l’intelligence artificielle, et pourquoi les plateformes de biosimulation de prochaine génération, comme celle que vous avez développée à SLP, se prêtent-elles si bien à l’intégration de l’IA?
Shawn O’Connor :
Merci, Brendan. Le terme inapproprié ici est « biosimulation » par opposition à « IA ». L’IA est un outil qu’on utilise pour la biosimulation depuis le début des années 1990. Évidemment, l’IA n’était pas encore le mot à la mode qu’il est aujourd’hui, mais les premières techniques d’apprentissage automatique ont constitué la base de nos produits dès le milieu des années 1990. De toute évidence, les outils se sont améliorés et perfectionnés au fil des ans. Et à mesure qu’ils ont progressé, notre capacité à recourir à des approches de biosimulation et à la modélisation in silico de la biologie et des entités chimiques pour produire des prédictions tout au long du continuum de développement des médicaments s’est accrue. Ces avancées en IA ont renforcé notre aptitude à générer des prédictions fiables et à éclairer la prise de décision à chaque étape.
Brendan Smith :
Peut-être qu’on pourrait s’attarder un peu plus sur la plateforme SLP, plus précisément sur votre premier lancement dans le cadre de l’intégration à grande échelle de l’IA, et plus largement, sur GastroPlus .2. Historiquement, quel a été le véritable argument de vente de la valeur ajoutée de GastroPlus pour vos clients, et comment envisagez-vous l’intégration de l’IA pour passer réellement au niveau supérieur?
Shawn O’Connor :
On a plusieurs plateformes qui prennent en charge la découverte, le développement préclinique et clinique, et proposent même des applications après l’autorisation de mise sur le marché d’un médicament. Ces outils sont principalement axés sur le coût d’un milliard de dollars et le délai de 12 ans nécessaires pour commercialiser un médicament. Comment est-ce qu’on peut raccourcir ces délais? Comment est-ce qu’on peut réduire le coût de mise en marché d’un médicament? Chacune de nos applications a des cas d’utilisation différents. La biosimulation s’est vraiment développée au fil des ans grâce à l’introduction de nouveaux cas d’utilisation sur une base annuelle, de nouveaux points de décision, de nouvelles simulations, de nouveaux modèles qui approfondissent la biologie, la science et tirent parti des outils d’IA. Aujourd’hui, le véritable levier ne se limite plus au ChatGPT et aux capacités de collecte d’informations des grands modèles de langage, mais évolue vers l’application de l’IA agentique dans nos flux de travail pour la biosimulation.
Qu’est-ce que ça signifie? Ça signifie qu’on peut améliorer l’efficacité des scientifiques qui appliquent ces outils pour élaborer des modèles, des modèles biologiques et des modèles pharmacologiques, et accélérer leur processus. L’IA agentique peut intervenir et automatiser des processus qui nécessiteraient généralement beaucoup de temps de la part du scientifique avant qu’il puisse se plonger dans les véritables problèmes. Les processus mécanistes consistant à rassembler des modèles, ou plutôt les processus mécaniques, peuvent être automatisés, ce qui permet aux scientifiques d’aller beaucoup plus loin et leur libère du temps pour étendre l’application de la biosimulation. Ça permet à une organisation qui investit dans la biosimulation de déployer ces techniques plus rapidement dans l’ensemble de ses programmes pharmaceutiques.
Brendan Smith :
Oui. Vous soulevez ici des questions très importantes, je pense, dans le cadre des efforts déployés par le grand public pour comprendre où on en est aujourd’hui et où on s’en va. En vous projetant sur les 12 à 18 prochains mois, comme vous l’avez mentionné, en continuant à déployer et à intégrer de plus en plus de ces capacités dans la plateforme, quand vous examinez globalement le spectre du développement des médicaments dans le secteur de la santé, où pensez-vous que se trouvent les occasions les plus rapides ou peut-être les plus proches et les plus tangibles pour certaines de ces efficiences de l’IA qu’on observe. La vraie réponse est partout, n’est-ce pas? Mais à court terme et en termes de priorités, que vous soyez chercheur dans un laboratoire universitaire ou même chez certains des clients pharmaceutiques que vous servez, où voyez-vous aujourd’hui les occasions les plus faciles à saisir?
Shawn O’Connor :
Oui, je suis d’accord. Les occasions s’étendent sur l’ensemble du continuum. Un exemple d’occasion qui est riche dans un environnement où les candidats-médicaments deviennent plus complexes, les essais cliniques deviennent plus complexes, les traitements en cours de développement alors que le taux de réussite des essais cliniques de phase 3 est aussi faible qu’il l’est, cette complexité se traduit par des coûts, et donc le coût des essais cliniques de phase 3 augmente. Les défis liés au recrutement des patients et à d’autres aspects de cette question nous amènent à nous demander comment améliorer le taux de réussite. Comment est-ce qu’on peut améliorer le taux de réussite de ces essais cliniques de phase 3 si leur coût augmente ici? La biosimulation a donc été appliquée au fil du temps à l’élaboration de protocoles et à la conception d’essais cliniques, mais elle reste encore inexploitée en termes d’efficacité, notamment pour sélectionner les médicaments appropriés à inclure dans ces essais cliniques, puis définir des protocoles qui optimisent le compromis entre efficacité et toxicité et les chances de succès de ces essais.
Brendan Smith :
Oui. Je crois que bon nombre des décisions qui doivent être prises tant de votre côté que, franchement, du côté des clients, sont à bien des égards liées à l’état actuel de la technologie. Chaque jour, on entend davantage parler du flou qui entoure les frontières entre les grandes entreprises technologiques comme Nvidia, Google, OpenAI, et les grandes entreprises pharmaceutiques, surtout quand certaines de ces dernières commencent réellement à intensifier leurs propres investissements dans cette technologie. À ce sujet, on nous demande souvent si l’augmentation des investissements de l’industrie pharmaceutique dans ce domaine est un facteur favorable pour vous, ou si c’est en fait un choix entre l’un ou l’autre pour eux. Quelle est votre position dans cette discussion, et vous attendez-vous à l’intégration de l’IA, ou peut-être devrais-je dire comment vous vous attendez à ce que l’intégration de l’IA dans toutes ces capacités de biosimulation finisse par influencer leur décision d’investir en interne plutôt que d’externaliser ou d’octroyer des licences?
Shawn O’Connor :
C’est une bonne question. Les investissements reprennent, qu’il s’agisse des tiers auxquels vous faites référence ou de nos propres clients dans le domaine de l’IA. Où va cet investissement? Cet investissement s’est réparti sur toute une série d’initiatives, mais il est aujourd’hui très concentré sur la gestion des données, la capacité d’une entreprise pharmaceutique à exploiter la richesse des informations dont elle dispose en interne, accumulées au fil de nombreuses années de développement de médicaments, de nombreux programmes pharmaceutiques et de nombreux candidats-médicaments, qui peuvent s’avérer très précieux en termes de biosimulation. Obtenir ces données dans un format accessible, facile à gérer et utilisable constitue un véritable atout pour les applications de biosimulation.
Leur investissement ne consiste pas à reproduire les outils qu’on leur offre. Leur investissement consiste à bâtir un écosystème qui peut s’intégrer à… Les sociétés pharmaceutiques sont très axées sur les procédures opérationnelles normalisées et les processus. L’une des grandes tendances dans notre secteur est la volonté de nos clients de créer en interne des écosystèmes qui intègrent à la fois des outils de biosimulation et d’autres outils d’IA, afin de pouvoir suivre un candidat-médicament depuis sa découverte jusqu’à son autorisation, voire au-delà. Ces outils sont facilement accessibles à l’ensemble des participants au programme pendant ce cycle de 10 ans. Ces investissements sont donc très positifs, tant pour l’intégration de nos produits dans leurs procédures opérationnelles normalisées que pour la mise à disposition de données plus nombreuses et de meilleure qualité pour alimenter nos outils, ce qui permet d’obtenir des simulations prédictives plus précises pour soutenir leur processus décisionnel.
Brendan Smith :
Oui, et je pense que votre argument concernant la reproduction de ce qui a déjà été fait par des sources externes, franchement, ce sont déjà des partenaires sous licence, n’est-ce pas? C’est un point tellement important que j’ai parfois l’impression que les gens passent à côté quand ils essaient d’approfondir la question, car c’est comme pour l’IA : ces lettres ont désormais beaucoup de poids dans certains contextes, mais très peu dans la manière dont elles sont souvent utilisées. Je pense donc que la manière dont les sociétés pharmaceutiques dépensent leur argent, où cet argent est réellement investi en interne par rapport à leur licence, il est important que les gens se souviennent qu’ils ne vont pas nécessairement faire quelque chose qu’ils ne sont pas obligés de faire, surtout si c’est déjà facilement accessible, disponible dans le commerce, et s’ils disposent déjà d’une licence qu’ils peuvent exploiter.
Dans le même ordre d’idées, je m’en voudrais de ne pas mentionner les dernières directives de la FDA publiées la semaine dernière, dont on a beaucoup entendu parler tout au long de l’année 2025, et qui s’inscrivent dans la droite ligne des efforts déployés par l’agence pour commencer à supprimer progressivement les tests sur les animaux au profit de ce qu’elle appelle les « nouvelles approches méthodologiques » ou « NAM ». Comment cette récente mise à jour des directives, et en particulier celle concernant les primates non humains publiée la semaine dernière, ainsi que les communications de la FDA tout au long de l’année, ont-elles réellement influencé votre activité ou vos échanges avec vos clients jusqu’à présent? Quelle a été la réaction du secteur au cours des six à huit derniers mois?
Shawn O’Connor :
Oui, non, je vais prendre un peu de recul et dire simplement que c’est un excellent exemple de ce qui a donné un élan à la biosimulation, un excellent exemple du soutien réglementaire à l’utilisation accrue des méthodes in silico. C’est ce qui a motivé l’entreprise au cours de ses 30 années d’existence et qui continuera à la motiver à l’avenir. L’annonce de NAM en matière d’expérimentation animale s’inscrit aussi dans le cadre d’une série d’annonces de la FDA visant à soutenir l’utilisation généralisée des outils d’IA, et plus particulièrement dans le domaine de l’expérimentation animale, où ça représente un relèvement du niveau d’exigence. Ce que je veux dire par là, c’est que la biosimulation a été utilisée jusqu’à présent dans le domaine des essais sur les animaux principalement pour prédire les résultats des premières administrations chez l’humain, les caractéristiques d’un médicament, et que ces informations ont été utilisées dans la conception des étapes des essais sur les animaux afin de réduire les populations d’espèces, en veillant à ce que le protocole des essais sur les animaux fournisse les résultats appropriés pour passer à l’étape suivante. Les directives présentées ici placent la barre plus haut plutôt que de simplement minimiser ou améliorer les tests sur les animaux. Est-ce qu’on peut éliminer les tests sur les animaux? C’est certainement d’un objectif ambitieux, qui placera la barre plus haut, mais qui, je pense, donnera des résultats.
En même temps, on doit reconnaître que ces choses ne changent pas du jour au lendemain. J’ai été très impressionné par l’annonce faite en avril, qui prévoyait la publication de la première version des lignes directrices ici même en décembre. C’est un délai assez raisonnable compte tenu du fonctionnement du monde réglementaire, c’est donc un objectif très ambitieux qu’on s’est fixé. Les clients sont vigilants et réfléchis, selon l’étape de développement de leurs programmes. Ça ne veut pas dire que les choses vont changer du jour au lendemain et qu’au cours des six prochains mois, tous les tests sur les animaux vont être supprimés. En fin de compte, ça dépendra probablement d’une combinaison de certains domaines thérapeutiques où les preuves sont suffisantes pour avoir un impact significatif sur l’expérimentation animale, et dans certains traitements, ça ne sera peut-être pas le cas. Ça va se bâtir avec le temps. C’est un nouveau cas d’utilisation pour la biosimulation, un relèvement de la barre qui créera des occasions pour nous à l’avenir. Il ne faut pas s’attendre à une progression en flèche sur une courte période. C’est la nature même de ce secteur.
Brendan Smith :
Oui, et je pense que c’est aussi un point très important. Ce sont des conversations qu’on a eues si souvent cette année, n’est-ce pas? On ne peut pas appuyer sur un bouton et faire disparaître d’un coup les tests sur les souris et les primates non humains. C’est une conversation sur le fait que je suis habitué à dépenser X dollars et à prendre X années pour obtenir la quantité et la qualité des données dont j’ai besoin pour faire passer un médicament en phase 1 et on m’offre de dépenser 5 à 10 % de moins pour les animaux et d’utiliser une partie de ces 5 à 10 % pour tirer parti de certaines de ces approches computationnelles et gagner du temps et de l’argent dès le départ. C’est en réalité une conversation sur le fait que ça représente peut-être 90-55, peut-être 80-20, et que ça évolue simplement avec le temps, n’est-ce pas? Ce n’est en aucun cas un succès instantané.
Mais sur ce point, que pensez-vous de certaines personnes, quel que soit leur stade de développement, qu’il s’agisse de chercheurs indépendants ou d’entreprises, qui traînent peut-être un peu les pieds sur cette question, peut-être parce qu’ils restent très attachés à leurs études sur les animaux, que pensez-vous que l’industrie a vraiment besoin de voir pour opérer un changement plus concerté ou tangible, ou un changement monétisable, vers une adoption généralisée et à grande échelle de ces NAM? Est-ce que c’est juste une question de temps? Est-ce qu’ils doivent commencer à l’utiliser pour voir les économies que ça génère? Selon vous, c’est quoi ce levier?
Shawn O’Connor :
Oui, c’est un peu de temps, d’évolution et de changement générationnel. La science demande beaucoup de débats et de preuves avant que la dynamique change. Il y a aussi le fait que, quand on développe de meilleurs cas d’utilisation, ou plutôt des exemples de réussite qui ont été motivés par la biosimulation, ça encourage l’adoption. C’est arrivé dans plusieurs scénarios. Les dérogations à la bioéquivalence pour les changements de formulation sont un exemple qui, dans notre histoire, a mis du temps à être accepté, mais une fois que ça a été le cas, ça a causé une avalanche de réactions du type « Hé, on n’a plus besoin de mener des essais cliniques pour modifier la formulation d’un médicament après son approbation », ce qui a donné un élan à la biosimulation.
En fin de compte, le promoteur du médicament peut dire : « En cours de route depuis la découverte, je n’aurais pas identifié la structure moléculaire sans les approches d’IA du progrès préclinique et de l’élimination d’un test animal jusqu’au développement clinique plus avancé, et voici ce que la biosimulation a fait pour nous » et enfin, l’approbation d’un médicament, et cette preuve irréfutable que la biosimulation est vraiment ce qui a permis de mener à bien le processus, ça n’a pas pris 10 à 12 ans, ça n’a pas coûté 1 à 2 milliards de dollars, plus on aura d’exemples comme ça, plus l’adoption sera rapide et prendra de l’ampleur.
Brendan Smith :
Oui. Encore une fois, je pense que c’est un point très important que les gens commencent à comprendre. Dans cet esprit, d’après ce que vous avez dit aujourd’hui, que pensez-vous que la communauté des investisseurs en particulier sous-estime ou comprend mal, en réalité, au sujet de l’intégration de l’IA à la biosimulation et de son utilité et qui, selon vous, est particulièrement important à connaître pour tout investisseur en vue de la prochaine année?
Shawn O’Connor :
On a abordé quelques-uns de ces points. Premièrement, la biosimulation par rapport à l’IA, ce n’est pas l’un ou l’autre. Les deux représentent le même effort pour aller de l’avant. Deuxièmement, la dynamique de changement dans un secteur où le développement de médicaments est un processus scientifique réglementé, et où le changement ne se fait pas du jour au lendemain. Donc, du point de vue d’un investisseur, ce n’est pas un environnement de croissance en flèche où il suffit de choisir le bon moment pour que tout décolle dès le lendemain. Ça va se développer lentement au fil du temps. Cette croissance lente est positive, et le facteur important ici est que la piste est assez longue pour une croissance à long terme de la biosimulation dans le domaine du développement de médicaments, qui soutient une entreprise comme la nôtre.
Brendan Smith :
Je sais qu’on a abordé beaucoup de sujets aujourd’hui et que c’est une conversation sur laquelle vous et moi reviendrons certainement pendant des mois et des années. Mais avant de vous laisser partir, il y a une question que j’aime poser à tous mes invités : si tout ce dont on a parlé aujourd’hui passe au-dessus de la tête d’une personne de notre auditoire, mais qu’elle est arrivée jusqu’ici et qu’elle écoute toujours, indépendamment de ce qu’elle fait au quotidien et indépendamment de son parcours, qu’est-ce que vous aimeriez surtout qu’elle retienne de notre conversation?
Shawn O’Connor :
Je tiens à souligner qu’il est merveilleux de se lever tous les matins et de travailler dur pour commercialiser plus rapidement des traitements qui aident les patients. En termes d’inspiration pour moi-même, pour mon entreprise et pour l’utilisation de la biosimulation ici, on a un objectif fantastique vers lequel on avance.
Brendan Smith :
C’est génial. Sur ce, Shawn, je tiens à vous remercier d’être venu nous parler et de nous avoir expliqué en quoi consiste réellement l’alliance novatrice entre les logiciels et l’innovation technologique dans le domaine de la santé. Je suis sûr qu’on aura encore beaucoup à discuter au cours des semaines et des mois à venir à ce sujet, alors merci beaucoup d’avoir participé.
Shawn O’Connor :
Merci de m’avoir invité. Ce fut un plaisir.
Annonceuse :
Merci d’avoir été des nôtres. Ne manquez pas le prochain épisode du balado Insights de TD Cowen.