La course à l’IA des grandes sociétés pharmaceutiques s’étend à la découverte, au développement et aux essais cliniques de médicaments, mais AstraZeneca s’est distinguée en déployant la technologie d’essais cliniques de l’IA à une échelle de santé publique sans précédent.
Alors que les concurrents optimisent les pipelines de R&D internes, l’IA d’AstraZeneca est déjà intégrée aux systèmes de santé nationaux, examinant des centaines de milliers de patients et démontrant ce qui se passe lorsque l’IA passe des laboratoires pharmaceutiques aux soins réels des patients.
La validation clinique soutient cette approche. L’étude CREATE d’AstraZeneca, présentée au Congrès européen sur le cancer du poumon en mars 2025, a démontré une valeur prédictive positive de 54,1 % pour son outil de radiographie pulmonaire IA, dépassant largement le seuil de réussite prédéfini de 20 %.
Derrière ces chiffres : plus de 660 000 personnes dépistées en Thaïlande depuis 2022, l’IA détectant des lésions pulmonaires suspectées dans 8 % des cas. Plus important encore, le Bureau national de sécurité sanitaire de Thaïlande étend désormais cette technologie à 887 hôpitaux avec un budget sur trois ans dépassant 415 millions de bahts.
Il ne s’agit pas simplement d’un programme pilote ou d’une preuve de concept. Il s’agit d’une technologie d’essais cliniques d’IA déployée à l’échelle du système de santé national.
La divergence stratégique dans les approches des essais cliniques en IA
Le contraste avec les concurrents est révélateur. Le ML Research Hub de Pfizer a réduit les délais de découverte de médicaments à environ 30 jours pour l’identification des molécules. L’entreprise a utilisé l’IA pour développer Paxlovid en un temps record, avec un apprentissage automatique analysant les données des patients 50 % plus rapidement que les méthodes traditionnelles. Pfizer déploie désormais l’IA dans plus de la moitié de ses essais cliniques.
Novartis s’est associé aux Isomorphic Labs du lauréat du prix Nobel Demis Hassabis et à Microsoft pour la « découverte de médicaments basée sur l’IA ». Son système de décision intelligent utilise des jumeaux informatiques pour simuler les processus d’essais cliniques, les sites identifiés par l’IA recrutant des patients plus rapidement que les méthodes de sélection traditionnelles.
La stratégie « laboratoire en boucle » de Roche itère les modèles d’IA avec des expériences en laboratoire. Après avoir acquis Foundation Medicine et Flatiron Health, Roche a créé la plus grande base de données génomique clinique du secteur – plus de 800 000 profils génomiques couvrant plus de 150 sous-types de tumeurs – en visant des gains d’efficacité de 50 % dans la gestion de la sécurité d’ici 2026.
L’avantage d’AstraZeneca en matière d’opérations cliniques
Ce qui distingue AstraZeneca dans les essais cliniques sur l’IA, ce n’est pas seulement l’ambition, c’est l’exécution à grande échelle. La société mène plus de 240 essais mondiaux dans son pipeline de R&D et a systématiquement intégré l’IA générative dans ses opérations cliniques.
Il s’agit d’un « outil de protocole intelligent », développé avec des rédacteurs médicaux, qui a permis de réduire le temps de rédaction de documents de 85 % dans certains cas. L’entreprise utilise l’IA pour la détection de localisation 3D sur les tomodensitogrammes, réduisant ainsi le temps que les radiologues consacrent à l’annotation manuelle.
Plus important encore, AstraZeneca est un pionnier des groupes de contrôle virtuels pour les essais cliniques sur l’IA, utilisant les dossiers de santé électroniques et les données d’essais antérieurs pour simuler des groupes placebo, réduisant ainsi potentiellement le nombre de patients recevant des traitements non actifs. Cela représente une refonte fondamentale de la conception elle-même des essais cliniques.
Le programme de dépistage du cancer du poumon illustre cette orientation stratégique. Grâce à l’outil qXR-LNMS de Qure.ai, AstraZeneca ne se contente pas de mener des essais : elle transforme l’infrastructure de santé publique. L’expansion de décembre 2025 comprend un nouveau programme de dépistage des travailleurs industriels ciblant 5 000 travailleurs dans quatre provinces thaïlandaises, qui s’étend désormais au-delà du cancer du poumon pour inclure la détection de l’insuffisance cardiaque.
La course à l’accélération de la chronologie
Les mesures de l’industrie montrent pourquoi les essais cliniques sur l’IA sont importants : le développement de médicaments traditionnels prend 10 à 15 ans avec un taux d’échec de 90 %. Les médicaments découverts par l’IA atteignent des taux de réussite de phase I de 80 à 90 %, soit le double de la référence traditionnelle de 40 à 65 %. Plus de 3 000 médicaments assistés par l’IA sont en cours de développement, et plus de 200 approbations basées sur l’IA sont attendues d’ici 2030.
Pfizer passe de l’identification des molécules aux essais cliniques selon des cycles de six semaines. Novartis analyse 460 000 essais cliniques en quelques minutes plutôt qu’en mois. Pourtant, le modèle d’AstraZeneca a un impact immédiat sur les patients, en détectant les cancers aujourd’hui dans des populations mal desservies, souvent avant l’apparition des symptômes.
La question des 410 milliards de dollars
Le Forum économique mondial prévoit que l’IA pourrait générer entre 350 et 410 milliards de dollars par an pour le secteur pharmaceutique d’ici 2030. La question est de savoir quelle approche génère le plus de valeur : une découverte plus rapide de médicaments ou des opérations cliniques plus efficaces ?
Le pari de Pfizer sur la conception informatique de médicaments et la sélection de sites d’essai basée sur l’IA de Novartis pourraient donner naissance à des molécules révolutionnaires. Le modèle de diagnostic pharmaceutique intégré de Roche crée un fossé de données exclusif.
Mais la stratégie d’AstraZeneca consistant à intégrer les essais cliniques d’IA dans toutes les opérations (de la génération de protocoles au recrutement de patients en passant par les soumissions réglementaires) réduit manifestement les délais de mise sur le marché tout en créant des preuves concrètes à grande échelle.
L’approche partenariale de l’entreprise est tout aussi distinctive. Tandis que d’autres acquièrent des sociétés d’IA ou créent des centres internes, AstraZeneca collabore avec des partenaires technologiques comme Qure.ai et Perceptra, des organismes de réglementation et des systèmes de santé nationaux pour déployer des essais cliniques d’IA là où existent des lacunes en matière d’infrastructure.
Alors qu’AstraZeneca poursuit son objectif d’ici 2030 consistant à fournir 20 nouveaux médicaments et à atteindre 80 milliards de dollars de chiffre d’affaires, son avantage en matière d’essais cliniques en matière d’IA n’est pas seulement une question de rapidité : il s’agit également de prouver la valeur de l’IA dans la phase la plus réglementée et la moins risquée du développement pharmaceutique. Tandis que ses concurrents se battent pour découvrir la prochaine molécule révolutionnaire, AstraZeneca repense la manière dont les essais cliniques eux-mêmes sont menés.
Le gagnant ne sera peut-être pas déterminé par celui qui construit l’algorithme le plus sophistiqué, mais par celui qui déploie la technologie d’essais cliniques d’IA là où elle améliore manifestement les résultats pour les patients – à grande échelle, sous contrôle réglementaire et au sein de véritables systèmes de santé.
Et dans cette course, AstraZeneca est actuellement en tête.
(Photo d’AstraZeneca)
