Après une décennie de promesses non tenues, Recursion Pharmaceuticals parie sur un nouveau leader pour enfin traduire sa plateforme de découverte de médicaments basée sur l’intelligence artificielle en thérapies commercialisables. Najat Khan, le nouveau PDG de l’entreprise, prend la barre au milieu de pertes financières croissantes et de scepticisme quant à la capacité de l’IA à véritablement révolutionner l’industrie pharmaceutique.
Le défi : une décennie de potentiel inexploité
Fondée en 2014, Recursion avait initialement promis de fournir 100 nouveaux médicaments d’ici une décennie en utilisant l’IA pour accélérer le processus de découverte de médicaments traditionnellement lent et coûteux. La réalité a été tout à fait différente. Malgré des investissements importants, la société n’a pas encore mis un seul médicament sur le marché. Le cours de son action a chuté de 86 % depuis son introduction en bourse en 2021, lui laissant une capitalisation boursière de 2,2 milliards de dollars. Les derniers mois ont été marqués par des mesures drastiques, notamment des suppressions de pipelines et des réductions d’effectifs (totalisant 20 % depuis août 2024), ainsi que des pertes considérables de 716 millions de dollars face à une baisse des revenus (en baisse d’un tiers à 44 millions de dollars).
Le mandat de Khan : transformer la promesse en profit
Najat Khan, qui assumera officiellement le rôle de PDG le 1er janvier, apporte une expérience dans la constitution d’équipes d’IA chez Johnson & Johnson. Sa tâche est claire : prouver que l’approche basée sur l’IA de Recursion peut surmonter le taux d’échec notoirement élevé du secteur (actuellement 90 %) et fournir des médicaments plus rapidement et à moindre coût que les méthodes conventionnelles.
“Beaucoup de gens quand je suis allé à Recursion ont dit : ‘Changer les règles sur la façon dont les médicaments sont fabriqués est vraiment difficile.’ Je me dis : ‘Très bien, défi accepté’”, a déclaré Khan à Forbes lors de sa première interview en tant que PDG désignée.
Le goulot d’étranglement de la découverte de médicaments en IA
L’industrie pharmaceutique est confrontée à des coûts de R&D exorbitants (3,5 milliards de dollars par médicament, sur une période moyenne de 10 ans avant sa commercialisation). L’IA offre une solution théorique : accélérer la découverte, réduire les taux d’échec et, à terme, réduire les coûts. Cependant, traduire cette théorie en résultats tangibles s’est révélé difficile.
Le pipeline de Recursion : des pousses vertes de progrès ?
Khan souligne le pipeline interne de Recursion, y compris les thérapies potentielles contre le cancer et les maladies rares, comme preuve de progrès. Un candidat prometteur cible une maladie génétique héréditaire conduisant au cancer du côlon. Les premières données cliniques sont attendues d’ici quelques semaines.
La société souligne également les récents paiements d’étape de la part de géants pharmaceutiques, notamment un accord de 30 millions de dollars avec Roche et Genentech pour la cartographie des cellules immunitaires spécialisées. Cela suggère une validation par l’industrie de la plateforme de Recursion.
Le défi des données : décoder la biologie
L’un des principaux obstacles à la découverte de médicaments liés à l’IA est la nature fragmentée et incomplète des données biologiques. Recursion tente de créer une carte complète des gènes, des protéines et des données des patients, arguant que cela est essentiel au fonctionnement efficace de l’IA.
“Vous ne pouvez pas créer de médicaments tant que vous n’avez pas cette carte et ces données”, a souligné Khan. « Il faut commencer dès le début. »
Le scepticisme demeure
Malgré ces efforts, le scepticisme persiste. L’analyste de Jefferies, Dennis Ding, évalue Recursion comme étant « en attente », reconnaissant le potentiel de la plate-forme, mais avertissant que la validation prendra du temps et que les résultats cliniques pourraient être difficiles à interpréter.
L’essentiel
Najat Khan fait face à une bataille difficile pour prouver que l’approche basée sur l’IA de Recursion peut tenir ses promesses. Les prochaines années seront cruciales pour déterminer si cette vision ambitieuse peut se traduire par des résultats tangibles ou si l’entreprise restera un autre exemple d’avertissement dans la poursuite de la découverte de médicaments basée sur l’IA.
