De 39 % à 49 % d’adoption en cinq ans, plus de 173 programmes en développement clinique, une pharmacovigilance déjà mature : état des lieux chiffré de l’IA en pharma, où 2026 s’annonce comme l’année test décisive pour la crédibilité de toute l’industrie.
Une adoption réelle, mais encore partielle
L’intelligence artificielle n’est plus un pilote isolé dans l’industrie pharmaceutique : c’est une tendance de fond qui s’installe depuis près d’une décennie. Selon le baromètre ICON/GlobalData, qui interroge chaque année des professionnels du secteur en Europe et en Amérique du Nord, 49 % des entreprises pharma et biotech déclarent aujourd’hui utiliser l’IA ou le big data dans leurs programmes de recherche, contre 39 % en 2019. Une progression réelle, mais qui reste inégale : la majorité des acteurs en sont encore au stade du pilote plutôt que du déploiement généralisé.
La découverte de médicaments, terrain le plus scruté
Le terrain le plus scruté reste la découverte de médicaments. Plus de 173 programmes de médicaments conçus par IA sont aujourd’hui en développement clinique, un chiffre qui a explosé en quelques années à mesure que des acteurs comme Insilico Medicine, Recursion ou Isomorphic Labs (filiale d’Alphabet) ont industrialisé leurs plateformes de conception moléculaire. Parmi eux, 15 à 20 devraient entrer en phase III pivot au cours de 2026, la phase décisive, celle qui doit prouver qu’un médicament fonctionne réellement à grande échelle, et non plus seulement qu’il est arrivé plus vite en clinique.
2026, année test pour la crédibilité du secteur :
Car c’est bien là que se joue la crédibilité du secteur : à ce jour, aucun médicament entièrement conçu par IA n’a terminé l’ensemble du parcours réglementaire. Les analystes indépendants évoquent une probabilité d’environ 60 % pour qu’un premier médicament de ce type obtienne une approbation en 2026 ou 2027. L’année 2026 fait donc figure d’année test pour toute l’industrie.
La maturité discrète de la pharmacovigilance
Pendant que ce pari se joue sur la R&D, l’IA a déjà fait ses preuves ailleurs, plus discrètement : en pharmacovigilance, où des algorithmes de traitement du langage naturel sont utilisés depuis plus de dix ans pour détecter des signaux d’effets indésirables, et sur le suivi des données de vie réelle, où le Leem (fédération des entreprises du médicament) évalue à jusqu’à 10 mois le temps gagné sur la collecte de données d’usage par rapport à une méthode classique.