Découvrir des médicaments efficaces est aussi crucial que long. Et onéreux. Pour entrer en tests cliniques, une molécule doit répondre à une dizaine de critères, parfois contradictoires. "Elle doit être active sur sa cible, sélective, synthétisable chimiquement, soluble, absorbable par l’intestin, sans toxicité apparente...", liste Yann Gaston-Mathé.
Une opération d’optimisation complexe, que l’intelligence artificielle peut accélérer. C’est le pari d’Iktos, la start-up parisienne qu’il a cofondée en septembre 2016, après une quinzaine d’années dans l’industrie pharmaceutique. À ses côtés, Nicolas Do Huu, spécialiste de l’apprentissage profond, et Quentin Perron, chimiste, qui ont eu l’idée initiale. Après quelques difficultés de financement, une victoire à la deuxième phase du concours mondial d’innovation et l’aide de leurs réseaux personnels permettent aux trois hommes de se concentrer à plein-temps sur leur projet. Mais le temps est compté. Alors qu’Iktos se pensait seul sur le créneau de la génération de molécules "in silico" (sur puce informatique), les premiers articles scientifiques sur le sujet paraissent, incitant la jeune pousse à accélérer son développement. Elle se détourne de la mise au point intégrale de médicaments, dont elle pensait valoriser la propriété intellectuelle, et lance des collaborations ad hoc avec des laboratoires.
Pour Servier, Iktos génère rapidement 150 molécules répondant à une dizaine de critères fixés par le laboratoire, dont trois sont considérées satisfaisantes par le groupe pharmaceutique. De quoi attirer l’œil d’autres acteurs du secteur, comme le belge Janssen. Fin 2019, Makya, le logiciel d’Iktos destiné aux chimistes sans connaissances en IA, convainc Merck, qui prend une licence. De quoi renforcer encore la start-up d’une trentaine de salariés, qui développe désormais un second logiciel pour prédire les meilleures manières de synthétiser les molécules qu’elle imagine.
L’innovation
Iktos utilise des modèles génératifs profonds, inspirés des algorithmes d’analyse du langage naturel utilisés en traduction, pour imaginer les nouvelles molécules. Intelligents, ils apprennent de l’existant et des tests "in silico" pour prédire l’efficacité thérapeutique de leurs créations.
