Isomorphic Labs lève 2,1 milliards de dollars : une promesse de « guérir toutes les maladies » qui interroge

Une levée de fonds historique

Isomorphic Labs, la société fondée par Demis Hassabis, cofondateur de Google DeepMind et lauréat 2024 du Prix Nobel de chimie, a annoncé avoir levé 2,1 milliards de dollars. Cette opération financière, l’une des plus importantes jamais réalisées dans le secteur de la biotechnologie, s’accompagne d’une promesse audacieuse : « résoudre toutes les maladies » grâce à l’intelligence artificielle. Hassabis, également fait chevalier et conseiller en IA du gouvernement britannique, estime que la modélisation des protéines par AlphaFold, déjà saluée par le Prix Nobel, peut être étendue à l’ensemble des pathologies humaines.

Le précédent du Regeneron Genetics Center

Ce pari n’est pas sans précédent. En 2014, le Regeneron Genetics Center (RGC) avait été lancé avec un objectif plus modeste : « développer l’utilisation de la génétique humaine pour définir les cibles des maladies et améliorer le processus de développement des médicaments ». En une décennie, le RGC a identifié plus de quarante nouvelles cibles thérapeutiques, menant à des traitements approuvés par la FDA, notamment contre une forme héréditaire de cholestérol élevé, l’obésité ou les maladies chroniques du foie. Pourtant, ses fondateurs n’avaient jamais promis une guérison universelle. Selon un ancien responsable du RGC qui a participé à sa création, « nous n’avons jamais dit que nous guéririons toutes les maladies », soulignant que ce choix de communication était délibéré. L’écart entre cette approche prudente et la rhétorique actuelle d’Isomorphic Labs illustre, selon lui, des différences dans « l’architecture des incitations » du marché.

La faille du raisonnement mathématique

Le nom même d’Isomorphic Labs renvoie à une analogie mathématique : en topologie, deux objets sont dits isomorphes si l’un peut être continûment déformé en l’autre. Demis Hassabis semble suggérer que la conception de médicaments par IA et la réalité biologique sont isomorphes : résoudre l’une reviendrait à résoudre l’autre. Mais cette équivalence est contestée. Les critiques estiment que si AlphaFold a résolu une partie du problème de la prédiction de la structure des protéines — un défi de chimie et de géométrie —, Isomorphic Labs se heurte à des disciplines qui ne se réduisent pas à des algorithmes : physiologie, immunologie, pharmacologie, conception d’essais cliniques. « La fonction de la première à la seconde n’est pas continue. Elle n’est même pas bien définie », résume un observateur averti du secteur.

Un modèle prometteur mais risqué

AlphaFold reste une réussite incontestable, replacée au même rang que le séquençage Sanger ou la réaction en chaîne par polymérase. Plus de trois millions de chercheurs ont utilisé ses prédictions de structures pour deux cents millions de protéines. Mais pour ses détracteurs, le risque est que le prestige du Prix Nobel serve à garantir un objectif irréaliste. « Si quelqu’un a le droit de faire cette promesse, c’est probablement lui », reconnaît un spécialiste, tout en redoutant que le décalage entre le crédit scientifique et l’étendue de l’engagement puisse nuire à la crédibilité du secteur. Isomorphic Labs, qui s’appuie sur l’IA pour accélérer la découverte de médicaments, devra désormais montrer que ses modèles tiennent leurs promesses devant des résultats d’essais cliniques et des traitements concrets.