Roche place l’intelligence artificielle au cœur de sa stratégie pharmaceutique

Roche place l’intelligence artificielle au cœur d’un portefeuille de projets qui pourrait déboucher sur jusqu’à 20 nouveaux médicaments d’ici à 2030. Le groupe pharmaceutique bâlois a présenté sa stratégie lors de son Pharma Day, le 28 septembre 2026, en décrivant l’IA comme un outil permettant d’accroître le rythme et la précision de la recherche et du développement.

Ces dernières années, Roche s’est efforcée de retrouver son élan après des revers dans la recherche et des pressions sur les revenus liées à l’expiration de brevets en 2022. Teresa Graham, responsable de la division pharmaceutique, a déclaré aux investisseurs que l’entreprise avait retrouvé une assise plus solide grâce à un programme de développement ciblé.

Les retombées potentielles sont considérables. Roche a indiqué que certains candidats pourraient devenir des produits majeurs, notamment le médicament contre le cancer du sein giredestrant, dont les ventes annuelles pourraient dépasser 30 milliards de francs. Ces prévisions dépendent de la réussite des essais cliniques, de l’autorisation de mise sur le marché et de l’accueil du produit par le marché.

Pour la Suisse, ce changement va au-delà du siège de Roche à Bâle. L’entreprise est l’un des groupes de recherche industrielle les plus importants du pays. Les décisions prises dans ses laboratoires et ses bureaux de direction influent sur l’emploi, les investissements et l’accès aux futurs traitements. L’IA fait désormais partie de cette réflexion à long terme, aux côtés de la biologie, des données cliniques et de la rigueur commerciale.

Roche affirme avoir fait passer six programmes à la phase réglementaire et en avoir avancé trois autres en phase II depuis son précédent Pharma Day. Teresa Graham a indiqué que l’entreprise avait atteint ses objectifs dans dix essais pertinents sur le plan réglementaire, donnant ainsi aux investisseurs une indication des progrès réalisés en vue de l’ambition fixée pour 2030.

L’entreprise a également renforcé ses critères de sélection des projets qui méritent de nouveaux investissements. Roche a introduit un cadre baptisé « The Bar » fin 2023. Les candidats médicaments doivent répondre à des critères définis avant de passer aux étapes suivantes du développement. Ce processus vise à interrompre rapidement les programmes peu prometteurs et à concentrer les ressources sur ceux qui ont de meilleures perspectives.

Levi Garraway, médecin-chef de Roche, a présenté ce cadre comme le principe directeur de la recherche et du développement. Il a indiqué que l’entreprise avait réduit le nombre de projets tout en augmentant la valeur globale du portefeuille restant.

Les résultats annoncés suggèrent que cette stratégie modifie la composition du portefeuille de projets de Roche. En 2025, les projets arrivant en phase III, soit l’étape des essais à grande échelle avant une éventuelle autorisation, affichaient un taux de réussite de 65%. Selon Roche, ce taux est passé à plus de 80% jusqu’ici en 2026. Ces chiffres concernent les résultats du développement, et ne garantissent ni une autorisation ni une mise sur le marché.

Roche veut recourir à l’IA dès les premières questions biologiques et jusqu’à l’optimisation finale d’un candidat médicament. Le projet de l’entreprise va au-delà de l’utilisation de logiciels pour analyser ponctuellement des données. Roche entend intégrer des modèles à toutes les étapes de la découverte, notamment pour mieux comprendre les maladies, rechercher des cibles thérapeutiques et sélectionner les molécules à tester davantage.

Aviv Regev, qui dirige le département Recherche et développement précoce de Genentech, a présenté une approche « Lab-in-the-Loop ». Les modèles d’IA analysent de vastes volumes de données biologiques et chimiques, établissent des prédictions et orientent les expériences. Les scientifiques testent ensuite ces prédictions en laboratoire, puis réinjectent les nouveaux résultats dans les modèles.

Ce cycle pourrait aider les chercheurs à repérer plus tôt les molécules prometteuses et à réduire le nombre d’expériences infructueuses. Il pourrait également faciliter des décisions plus précises sur les candidats à faire entrer dans des programmes de développement coûteux. Son impact dépendra de la qualité des données, de la conception des modèles et de la capacité des scientifiques à vérifier les résultats.

Aviv Regev a également fixé une limite claire. L’IA peut améliorer les prédictions et aider à définir les expériences prioritaires, mais elle ne peut pas supprimer la nécessité d’essais cliniques chez l’être humain. La stratégie de Roche associe donc les systèmes informatiques aux travaux de laboratoire, aux études sur les patients et à l’examen réglementaire, au lieu de considérer l’IA comme un substitut à ces étapes.

Roche renforce son portefeuille de projets alors que l’entreprise gère les conséquences financières de l’expiration de brevets et des revers essuyés auparavant dans la recherche. Les produits établis peuvent générer d’importants revenus, mais leur protection finit par s’affaiblir. Les groupes pharmaceutiques sont alors exposés à la concurrence et doivent remplacer les ventes perdues par de nouveaux traitements.

Cette pression contribue à expliquer l’attention que Roche porte à la rapidité, à la sélectivité et aux coûts de développement. Levi Garraway a indiqué que le processus plus strict « The Bar » avait réduit le nombre de projets tout en augmentant la valeur du portefeuille restant. Roche a également fait état de délais de développement plus courts et de coûts inférieurs.

L’ampleur commerciale de la stratégie est illustrée par giredestrant, un traitement expérimental contre le cancer du sein dont les ventes annuelles pourraient dépasser 30 milliards de francs. Ce chiffre montre la valeur que Roche attribue aux médicaments efficaces dans de grands domaines thérapeutiques, tout en soulignant les risques liés au développement clinique. Un résultat prometteur en laboratoire peut encore échouer lors des essais chez l’être humain, soulever des préoccupations en matière de sécurité ou faire l’objet de restrictions réglementaires.

L’approche de Roche associe un portefeuille de projets plus restreint à un recours plus large à l’IA. Cette combinaison pourrait aider l’entreprise à orienter ses investissements vers les candidats reposant sur des données plus solides. Elle exposera aussi Roche aux limites des modèles prédictifs, notamment lorsque les systèmes biologiques se comportent différemment des tendances observées dans les données existantes.

Les résultats de Roche d’ici à 2030 seront évalués à l’aune des médicaments autorisés et des effets sur les patients, et non du nombre de systèmes d’IA déployés. L’entreprise a annoncé un objectif ambitieux : jusqu’à 20 nouvelles substances actives pourraient être commercialisées dans les quatre ans suivant le Pharma Day 2026.

Pour la Suisse, la concrétisation de cet objectif renforcerait le rôle de Bâle comme centre mondial de recherche pharmaceutique et maintiendrait dans le pays des activités de développement à forte valeur ajoutée. Elle pourrait aussi permettre de proposer de nouveaux traitements aux patients, notamment aux personnes atteintes d’un cancer et d’autres maladies graves. Ces bénéfices restent tributaires des données recueillies lors des essais cliniques et des décisions des autorités de réglementation et de santé.

La stratégie devra faire ses preuves dans la pratique. Roche devra assurer la fiabilité des échanges de données entre les équipes informatiques et les laboratoires, protéger les informations de recherche sensibles et garantir que les recommandations générées par l’IA puissent être expliquées et reproduites. Les chercheurs devront aussi déceler les erreurs avant qu’elles n’influencent des essais coûteux ou les soins aux patients.

Les chiffres de l’entreprise fournissent un premier point de comparaison. Roche fait état de meilleurs résultats en phase III, de délais de développement plus courts et d’un portefeuille comprenant plusieurs programmes proches de l’examen réglementaire. Au cours des quatre prochaines années, les investisseurs et les patients verront si ce modèle opérationnel permet de transformer des prédictions et des expériences en médicaments autorisés.