L’intersection entre la deeptech et la santé franchit un nouveau cap. L’ordinateur quantique, avec sa capacité de calcul inédite, ne vise pas à remplacer l’informatique classique, mais à résoudre des problématiques d’une complexité jusqu’ici hors d’atteinte. En ligne de mire : l’industrie pharmaceutique et la simulation de molécules complexes.

De la théorie à la modélisation de traitements sur-mesure 

L’un des plus grands défis de la médecine moderne réside dans la gestion des effets secondaires liés aux traitements. « L’un des grands rêves serait d’avoir des médicaments sans effets secondaires, beaucoup plus précis par rapport à votre génotype et à vos correspondances personnelles », explique Fanny Bouton. Actuellement, la conception de nouvelles molécules est un processus long, coûteux, et contraint par les limites des supercalculateurs traditionnels (HPC). L’informatique quantique permettra de simuler et d’optimiser le comportement de molécules hautement complexes avec une précision chirurgicale. L’objectif est clair : développer des vaccins et des thérapies ultra-personnalisés.

Quel calendrier pour la R&D médicale ? 

La révolution est déjà en marche et le calendrier se précise. Fanny Bouton dresse les échéances clés pour le secteur :

• D’ici 4 à 5 ans : L’arrivée de machines atteignant 500 à 600 qubits logiques permettra les premières modélisations de molécules complexes, dépassant les capacités de l’informatique classique.
• D’ici 15 à 20 ans : L’industrie devrait atteindre ce qu’elle appelle la « Formule 1 » du quantique, capable de résoudre des problématiques pharmaceutiques majeures avec une grande fluidité.

Les laboratoires apprennent à coder sur des « émulateurs » 

Conscients de l’enjeu, les laboratoires pharmaceutiques s’organisent et constituent des équipes dédiées. Le défi n’est pas uniquement matériel, il implique de repenser l’approche algorithmique. « Il faut revoir toutes les mathématiques, ce ne sont pas les mêmes que sur l’informatique classique », souligne la directrice quantique d’OVHcloud. Pour anticiper cette transition, l’industrie s’appuie sur des « émulateurs ». Ces logiciels, exécutés sur des infrastructures CPU/GPU classiques, simulent le comportement quantique. Ils permettent aux chercheurs d’apprendre à coder ces nouveaux algorithmes pour être opérationnels dès que la pleine puissance quantique sera déployée. C’est, selon Fanny Bouton, l’équivalent d’apprendre à piloter sur un karting en attendant sa monoplace.

Démocratiser l’accès avec le « Quantum as a Service » 

L’accès à ces supercalculateurs rarissimes est désormais rendu possible par le cloud public. Depuis novembre 2025, OVHcloud propose un accès en ligne à des ordinateurs quantiques français via son modèle « Quantum as a Service ». Ces machines sont accessibles comme n’importe quel autre produit cloud. Toutefois, au vu du coût d’exploitation (estimé entre 1000 et 3000 euros l’heure), OVHcloud a mis en place un modèle de facturation « Pay as you go » à la seconde. Cette flexibilité permet aux instituts de recherche et aux laboratoires d’optimiser leurs budgets R&D tout en défrichant la médecine de précision de demain.

Découvrez l’intégralité des explications de Fanny Bouton en vidéo pour comprendre comment le cloud français déploie les infrastructures quantiques de pointe.

Des partenariats stratégiques pour accélérer la recherche préclinique

Pour optimiser ses processus d’innovation, Bayer Pharma France s’appuie à la fois sur ses experts internes et sur un écosystème de partenaires internationaux majeurs :

• Aignostics (Spin-off de la Charité à Berlin) : Une plateforme d’IA développée pour identifier de nouvelles cibles thérapeutiques complexes, particulièrement en oncologie.
• Vanderbilt University Hospital (USA) & FinnGen (Finlande) : Ces collaborations permettent d’accéder à de vastes bases de données anonymisées. Analysées grâce à l’IA, elles facilitent la découverte de cibles thérapeutiques dans des domaines de santé publique critiques comme les maladies cardiovasculaires et rénales.
• Cradle (Partenariat début 2026) : L’utilisation de l’IA générative appliquée à l’ingénierie des protéines aide à réduire le taux d’échec en phase préclinique et à accélérer la transition vers les essais cliniques, notamment pour les anticorps thérapeutiques.

Optimisation des essais cliniques : L’exemple des start-ups françaises

L’innovation chez Bayer se déploie également sur le territoire français. Le laboratoire a investi très tôt dans des pépites locales comme Klineo. Cette start-up s’appuie sur des algorithmes d’IA pour optimiser le recrutement des patients dans les essais cliniques, en simplifiant le lien entre les malades et la recherche, et en optimisant le design du protocole jusqu’à l’analyse finale des données.

« En France, on était parmi les premiers à investir sur des start-ups françaises comme Klineo… pour relier nos essais avec les patients et les patients avec nos essais, afin d’accélérer la recherche clinique. » — Dr Abdelali Majdi

Données de vie réelle : Mieux soigner aujourd’hui, anticiper demain

Au-delà du développement initial, les technologies numériques transforment la manière dont les traitements sont perçus et ajustés une fois sur le marché.

1. Simplification et pédagogie : L’IA permet de vulgariser le mode d’action des médicaments pour les patients et d’aider les professionnels de santé à intégrer plus facilement ces innovations dans leur quotidien.
2. Détection des signaux faibles : Grâce à un outil global nommé Mastermind, Bayer analyse les retours terrains des équipes médicales pour comprendre comment les professionnels de santé s’approprient les solutions proposées.
3. Continuum R&D : Les données récoltées en vie réelle (parfois dès la phase d’accès précoce) permettent de réévaluer en continu le rapport bénéfice-risque et de retourner au laboratoire pour ajuster le dosage, la cible ou la voie d’administration.

Ce contenu a été réalisé en partenariat avec Bayer Healthcare.