Implanté dans plus de 150 pays et avec un chiffre d’affaires de 5,3 milliards d’euros en 2023, Servier n’est plus à présenter. Déterminé à embarquer l’intelligence artificielle, et plus particulièrement l’IA générative au sein de sa R&D sur le plateau de Saclay, le groupe pharmaceutique se tourne vers Google – avec qui il est déjà lié – pour un nouvel accord de cinq ans lui garantissant l’accès à des solutions d’IA, notamment la famille de LLM Gemini.
Pour mémoire, en août 2022, Servier et Google Cloud avaient déjà signé un premier partenariat d’une durée de cinq ans visant à déployer au sein du groupe une structure technologique robuste pour sécuriser les données et accélérer le déploiement d’initiatives telles que l’IA dans sa branche R&D. Ce partenariat est donc reconduit, seulement deux ans après l’accord initial.
Réduire le temps de développement d’un médicament
Réduire le temps de développement d’un médicament
La première ambition du groupe est d’accélérer ses programmes de R&D. A l’instar d’autres entreprises du secteur, Servier fait le constat du temps long nécessaire au développement d’un médicament et à sa commercialisation, représentant environ 15 ans de travail. De fait, parvenir à réduire le taux d’attrition des candidats-médicaments est un enjeu de taille.
Cela permettrait à la fois de maximiser les chances de succès et d’accélérer les phases de développement, notamment dans les maladies rares où les besoins des patients sont non couverts.
Augmenter les probabilités de succès
Augmenter les probabilités de succès
L’IA intervient donc ici en tant qu’accélérateur pour analyser de grandes quantités de données médicales en temps réel et aider à l’identification de cibles thérapeutiques et à ces fameuses sous-populations de patients qui seraient les plus favorables pour réagir positivement à un traitement en développement. A terme, Servier prévoit d’élargir l’intégration de l’IA générative à d’autres domaines.
Le groupe pharmaceutique affirme avoir identifié une soixantaine de cas d’usage pouvant faire appel à l’IA. Sont notamment cités « l’identification de nouvelles cibles thérapeutiques et le criblage (recherche précoce), l’augmentation de la probabilité de succès, l’accélération de la mise sur le marché, la compréhension de l’évolution biologique des pathologies et des médicaments pour les besoins de formulation, le développement de la médecine de précision, la numérisation d’essais cliniques pour le recrutement et la gestion globale de l’essai à distance ».
Sélectionné pour vous
