Eli Lilly construit un puissant supercalculateur NVIDIA pour accélérer la découverte de médicaments et transformer l'industrie pharmaceutique avec l'IA
Le Pari du Milliard de Dollars : Au Cœur de la Course de l'Industrie Pharmaceutique pour Maîtriser l'Intelligence Artificielle
INDIANAPOLIS — À l'intérieur d'un bâtiment discret et anonyme à Indianapolis, des milliers de puces informatiques haute performance ronronnent à l'unisson. Ensemble, elles forment ce qu'Eli Lilly prétend être l'ordinateur le plus puissant jamais possédé par une entreprise pharmaceutique. Il ne s'agit pas d'un simple projet technologique tape-à-l'œil, mais d'un pari colossal sur l'avenir de la médecine, et les enjeux ne pourraient être plus élevés.
Le partenariat de Lilly avec NVIDIA, annoncé le 28 octobre 2025, sonnait comme l'optimisme corporatif habituel : une découverte de médicaments plus rapide, une fabrication plus intelligente, de meilleurs résultats. Mais derrière le communiqué de presse se cache quelque chose de bien plus grand. Lilly n'achète pas simplement des machines ; elle tente de construire l'épine dorsale numérique de la révolution de l'IA de toute une industrie. Et ce faisant, un fossé croissant se creuse entre les acteurs majeurs de l'industrie pharmaceutique et tous les autres qui peinent à suivre le rythme.
« Nous faisons cela à une échelle que personne d'autre dans notre domaine n'essaie même pas », a déclaré Diogo Rau, directeur de l'information et du numérique de Lilly. Le message était en partie vantardise, en partie avertissement.
Il n'a pas tort.
La Course Secrète aux Armements de l'IA
Le futur système de Lilly, officiellement appelé NVIDIA DGX SuperPOD et alimenté par des puces Blackwell B300, n'est pas le premier superordinateur d'IA dans l'industrie pharmaceutique. Recursion Pharmaceuticals utilise déjà BioHive-2. Amgen utilise des systèmes similaires avec deCODE Genetics en Islande. Novo Nordisk possède son usine d'IA Gefion au Danemark, et Roche, avec Genentech, est profondément lié à NVIDIA pour l'ingénierie des produits biologiques.
Mais la démarche de Lilly se distingue par son ampleur. Alors que d'autres s'attaquent à des problèmes spécifiques — comme la découverte de médicaments ou l'optimisation de la production —, Lilly intègre l'IA dans toutes ses activités. De la conception moléculaire et des essais cliniques à la fabrication numérique et à la prise de décision interne, chaque aspect des opérations de l'entreprise est réimaginé grâce à des algorithmes.
Au cœur de tout cela se trouve TuneLab, une plateforme d'IA d'un milliard de dollars qui permet aux entreprises de biotechnologie externes d'accéder aux modèles d'apprentissage automatique de Lilly et à 150 ans de données propriétaires — sans que ces données ne quittent jamais les murs sécurisés de Lilly. Pensez-y comme à Amazon Web Services, mais pour le développement de médicaments. Lilly devient à la fois le propriétaire et le percepteur de péages.
« L'IA n'est plus seulement un outil, c'est un collègue », a déclaré Thomas Fuchs, directeur de l'IA de Lilly. C'est une façon audacieuse de décrire un ordinateur, mais cela capture à quel point l'entreprise croit que l'IA façonnera son avenir scientifique.
La Logique des Chiffres Derrière cette Folie
Le développement d'un seul nouveau médicament coûte généralement entre 1 et 2,6 milliards de dollars et peut prendre jusqu'à 15 ans, avec neuf candidats sur dix échouant lors des essais cliniques. Lilly, actuellement au sommet grâce à son traitement GLP-1 à succès Mounjaro, y voit une occasion en or. Si l'IA peut réduire le calendrier de 20 ou 30 pour cent, l'entreprise pourrait mettre sur le marché des médicaments générant des milliards de dollars des années plus tôt. Ce n'est pas un petit avantage, c'est une révolution.
Le côté fabrication semble encore plus prometteur. Les projections internes de Lilly suggèrent que l'utilisation de « jumeaux numériques » — des copies virtuelles de ses lignes de production — pourrait augmenter le rendement des produits biologiques d'un ou deux pour cent seulement. Cela peut sembler minime, mais cela pourrait signifier des centaines de millions de bénéfices annuels supplémentaires provenant de produits existants. Et contrairement aux essais cliniques, ces gains apparaissent rapidement et sans les maux de tête réglementaires.
Les documents des investisseurs révèlent un niveau de précision inhabituel pour une technologie aussi avancée. Les dirigeants de Lilly suivent des métriques froides et précises : les taux d'utilisation des GPU, les temps de cycle de découverte, les échecs de lots et le nombre de composés conçus par l'IA qui atteignent les objectifs de puissance avant d'entrer en essais humains.
« L'avantage n'est pas dans les puces », a déclaré sans détour un mémo d'investisseur. « Il réside dans le contrôle de la boucle complète — des données au modèle, du laboratoire à l'usine, et de l'usine au marché. »
Qui Gagne, Qui Perd
Pour NVIDIA, qui domine déjà le marché des puces d'IA, l'industrie pharmaceutique est un client de rêve : riche, à long terme et disposant de montagnes de données privées. L'accord avec Lilly ne fera peut-être pas bouger l'aiguille des revenus de NVIDIA à lui seul, mais il donne un puissant exemple que d'autres s'empresseront de copier.
Le véritable enjeu financier pour NVIDIA réside dans l'écosystème autour du matériel : BioNeMo pour la modélisation biologique, Omniverse pour les jumeaux numériques, et les services d'IA basés sur le cloud qui se superposent aux puces. Comme l'a formulé une analyse, « la santé n'est plus une étude de cas, c'est un segment de marché à part entière ».
Les petites entreprises de biotechnologie, cependant, font face à une réalité plus complexe. TuneLab leur donne accès à une puissance de calcul qu'elles ne pourraient jamais rêver de posséder. Mais cela les lie aussi à l'écosystème de Lilly. « Les coûts de calcul poussent les petits acteurs à la dépendance », a averti une note d'investisseur. « Cela centralise le pouvoir, mais cela ouvre aussi des portes à ceux qui ne peuvent pas construire à partir de zéro. »
Parallèlement, la démarche environnementale de Lilly — neutralité carbone d'ici 2030, 100 % d'énergie renouvelable, refroidissement liquide — est bien accueillie par les investisseurs soucieux des critères ESG (Environnementaux, Sociaux et de Gouvernance). Pourtant, la vérité demeure : ces GPU Blackwell sont des bêtes gourmandes en énergie. Même avec des améliorations d'efficacité, l'exécution de plus d'un millier d'entre eux pourrait consommer 10 à 20 mégawatts de puissance.
Quand les Choses Tournent Mal
Malgré tout le battage médiatique, l'IA n'a pas encore mis sur le marché un médicament entièrement approuvé. Jusqu'à présent, ses victoires sont des essais de phase précoce et des résultats de laboratoire prometteurs, pas des traitements entre les mains des gens. Les analystes notent que les médicaments conçus par l'IA affichent des taux de succès plus élevés en phase I — environ 80 à 90 pour cent contre 40 à 65 pour les méthodes traditionnelles — mais la taille de l'échantillon est encore petite. Quelques échecs très médiatisés pourraient facilement refroidir l'enthousiasme des investisseurs.
Les risques ne sont pas seulement financiers. Les algorithmes de type « boîte noire » pourraient manquer une biologie nouvelle, conduisant les chercheurs dans des impasses. Les biomarqueurs construits par l'IA pourraient s'essouffler lorsqu'ils sont testés sur de vrais patients. Les régulateurs sont prudemment ouverts à l'assistance de l'IA, mais personne ne sait comment ces systèmes tiendront le coup sous la pression d'un déploiement de masse.
Vient ensuite l'éléphant dans la salle des serveurs : l'utilisation. Les superordinateurs coûtent une fortune à l'achat — et encore plus à l'exploitation. Si Lilly ne maintient pas ces GPU occupés, les machines inactives pourraient devenir des presse-papiers coûteux. Les investisseurs posent déjà des questions difficiles : Qui décide quel département est prioritaire ? Comment mesurer la productivité ? Que se passe-t-il si la chaîne de développement de l'IA sous-performe ?
Un investisseur l'a dit sans ambages : « Des GPU inutilisés font d'excellents titres, mais de terribles rendements. »
Le Tableau Général
Sous les slogans d'entreprise clinquants, le pari de Lilly sur l'IA révèle une vérité plus profonde. L'avenir des produits pharmaceutiques dépendra non seulement de l'éclairage scientifique, mais aussi de la puissance de calcul et de l'accès aux données propriétaires. C'est un nouveau type de course aux armements, et tout le monde ne peut pas se permettre un billet.
Si Lilly y parvient, les récompenses pourraient être énormes. La médecine personnalisée pourrait devenir plus rapide, moins chère et plus précise. Les traitements pour les maladies rares — autrefois financièrement non viables — pourraient enfin atteindre les patients. Et une fabrication plus intelligente pourrait réduire les coûts sur toute la ligne.
Mais si l'expérience échoue, des milliards pourraient disparaître dans le silicium et les logiciels, laissant la R&D traditionnelle sous-financée et des rivaux plus petits encore plus à la traîne.
Le système sera opérationnel en janvier 2026. Les résultats ne seront clairs qu'autour de 2030. D'ici là, nous saurons si ce fut la mission ambitieuse de l'industrie pharmaceutique — ou sa Ligne Maginot, une forteresse coûteuse qui semble puissante mais ne change rien.
Une chose est certaine : la course a commencé, le droit d'entrée est exorbitant, et seule une poignée d'acteurs franchira la ligne d'arrivée.
CECI N'EST PAS UN CONSEIL EN INVESTISSEMENT