Forum de Zhongguancun 2026 | Passer de la compétition en matière d'efficacité à la révolution de la compréhension des maladies, l'IA au service de l'innovation dans le domaine pharmaceutique et des dispositifs médicaux

（Source : Beijing Business Today）

La médecine intelligente devient l’un des contextes d’application les plus porteurs de valeur sociale des technologies d’IA. Le 26 mars, lors de la session « L’IA au service de la vie et de la santé · L’IA guide l’avenir » à l’assemblée annuelle 2026 du Forum de Zhongguancun, des experts présents ont mené des échanges approfondis autour de la planification stratégique, la transformation des paradigmes de recherche, les voies de mise en pratique industrielles et l’exploration des technologies de pointe. Ils ont unanimement estimé que l’apport de l’IA à la santé et à la vie humaine est à la fois un défi et une opportunité : il faut que le gouvernement, le monde académique et l’industrie œuvrent dans la même direction, afin de relier de bout en bout l’ensemble de la chaîne, depuis la consolidation des données jusqu’aux évaluations réglementées et jusqu’au déploiement des applications. De l’impasse du « dix ans, 1 milliard de dollars » dans la recherche et le développement pharmaceutiques, à la mise à niveau intelligente des dispositifs médicaux ; de la simulation précise avec des modèles de corps numérique aux explorations de pointe sur les essais cliniques virtuels, l’IA n’apporte pas seulement un bond d’efficacité ; elle suscite aussi une transformation profonde, passant d’une logique fondée sur l’expérience à une logique guidée par la donnée, et d’une course à l’efficacité à une révolution de la compréhension des maladies.

Consolidation des données et évaluation encadrée

Liu Yuanli, conseiller auprès du Conseil d’État, professeur titulaire à long terme à l’Institut de gestion de la santé et des politiques de l’Université médicale Peking Union, a, en s’appuyant sur les résultats de son enquête thématique menée à la tête du Conseil d’État sur la stratégie nationale d’IA en santé et en médecine, dressé de manière systématique l’inventaire des trois principaux goulots d’étranglement auxquels est confronté actuellement notre pays dans le domaine de la valorisation de la santé et du secteur médical par l’IA.

Liu Yuanli résume les difficultés urgentes à dépasser par trois mots-clés : les données, l’évaluation et le déploiement. Le premier obstacle est le « problème des données ». Notre pays dispose d’une grande base démographique et d’un système de santé structuré autour des hôpitaux publics, ce qui confère théoriquement des avantages à la fois en ressources de données et en mécanismes institutionnels. Cependant, l’offre de données santé médicales de haute qualité, standardisées et multimodales est insuffisante, et un mécanisme de partage, de circulation et de fiabilité, sûr, efficace et digne de confiance, des données n’est pas encore formé.

En analysant les causes, Liu Yuanli les résume en « trois ne pas » : ne pas pouvoir, ne pas oser, ne pas vouloir. « Ne pas pouvoir » tient au fait que les données médicales sont multimodales, très complexes et hautement spécialisées, et que de nombreux hôpitaux ne disposent pas de capacités mûres de gouvernance et de développement des données ; « ne pas oser » vient de la grande sensibilité des données en santé et en médecine : la protection de la vie privée et la responsabilité en matière de sécurité pèsent lourd, ce qui rend le partage plein d’hésitations ; quant à « ne pas vouloir », c’est parce qu’il manque des mécanismes d’incitation raisonnables et de retour de valeur : la motivation des contributeurs de données est nettement insuffisante.

Le deuxième obstacle est la « difficulté de l’évaluation ». L’IA médicale concerne directement la santé et la vie des citoyens, et aucune ambiguïté n’est permise. Aujourd’hui, les grands modèles évoluent rapidement : bien qu’ils montrent une grande valeur, ils s’accompagnent de problèmes comme la « boîte noire » difficilement explicable, les biais algorithmiques, et le risque de diagnostics erronés ou d’omissions de diagnostic. « Plus la technologie est avancée, plus la supervision doit suivre. » Liu Yuanli souligne qu’il faut accélérer la mise en place de mécanismes et de plateformes d’évaluation faisant autorité, couvrant l’ensemble de la chaîne, depuis la recherche et le développement, jusqu’à l’approbation, puis à la surveillance de l’application. En s’appuyant sur des standards unifiés, scientifiques et faisant autorité, il faut tracer une limite de sécurité pour l’innovation technologique et établir une ligne de fond en matière de qualité.

Le troisième obstacle est la « douleur du déploiement ». Aussi bonne que soit la technologie, sa véritable valeur n’apparaît que lorsqu’elle est utilisée concrètement. L’IA médicale fait face au problème du « dernier kilomètre » : il faut lever plusieurs obstacles, comme les politiques, les prix, les processus et les habitudes, afin que des produits intelligents mûrs et fiables entrent réellement à l’hôpital, entrent dans les foyers et bénéficient aux populations. Liu Yuanli indique que, de la consolidation des données et des évaluations encadrées jusqu’au déploiement des applications, chaque étape exige que le gouvernement, le monde académique, l’industrie et le secteur de la santé et du domaine médical aillent dans la même direction, et que, sous l’impulsion des stratégies nationales, tous conjuguent leurs efforts pour résoudre les blocages, surmonter les difficultés, et relier les points de rupture.

Paradigmes de recherche et formation des talents

Xing Xinhui, conseiller du gouvernement municipal de Pékin, vice-président exécutif en charge des travaux à l’Institut de recherche sur la biopharmacie et l’ingénierie de la santé de l’Institut de recherche post-universitaire international de Shenzhen de l’Université Tsinghua, a, en s’appuyant sur les explorations et pratiques de ces six années de l’Institut, partagé des expériences d’innovation dans la fusion approfondie de l’IA et des sciences de la vie.

Xing Xinhui explique que, dans les modules de cours de l’Institut, tous les cours transversaux et innovants incluent du contenu lié à l’IA ; une force professorale d’IA puissante participe aux croisements entre plusieurs disciplines. En recherche, au cours des six dernières années, parmi les mémoires de master et les thèses de doctorat menés à l’Institut, 90 % ont intégré l’IA à la pratique de la recherche. Cette fusion profonde se reflète non seulement dans la formation des talents, mais génère aussi des percées substantielles dans l’innovation scientifique.

Prenons l’exemple de la découverte de peptides et de peptides bioactifs. Les méthodes traditionnelles reposent principalement sur l’expérience et l’essai-erreur, avec un taux de réussite inférieur à 1 %. Avec l’intervention de l’IA, la prédiction de l’activité et la sélection d’informations des séquences par rapport aux cibles sont intégrées en profondeur, ce qui permet d’améliorer l’efficacité de dix fois, cent fois voire mille fois. « Nous pouvons déterminer avant de réaliser les expériences quelle molécule, une fois construite via le modèle d’IA, a plus de chances d’emprunter une voie plus facile, ce qui réduit fortement le taux d’essai-erreur et permet d’explorer plus précisément les molécules cibles. » Xing Xinhui indique.

Par ailleurs, l’Institut a aussi mis en place des modèles numériques de corps humain, à la pointe mondiale, couvrant différents groupes tels que les nourrissons et les jeunes enfants, les hommes adultes, les femmes adultes et les personnes âgées. Ces modèles de métabolisme couvrent plus de 100 organes et cellules différents, et permettent de prédire les changements, les effets toxiques et indésirables et l’impact sur l’intestin avant que des médicaments ou des aliments n’entrent dans le corps. Dans le domaine de l’équipement, les dispositifs de sélection cellulaire à haut débit développés par l’équipe servent non seulement le marché intérieur, mais sont aussi exportés vers des pays développés comme le Japon, les États-Unis, la Corée du Sud et la France. Dans le domaine de la pathologie numérique, grâce à la combinaison de l’IA et des systèmes de lames de pathologie à haut débit, il est possible d’accomplir avec précision des tâches telles que le diagnostic de tumeurs, la prédiction des mutations génétiques et l’évaluation du pronostic, offrant un soutien solide à la médecine de précision clinique.

Pratique industrielle et technologies de pointe

Cui Jisong, cofondateur, président-directeur général et directeur général (CEO) de Beijing Nuocheng Jiankang Pharmaceutical Technology Co., Ltd., à partir du point de vue d’un praticien de première ligne des entreprises de nouveaux médicaments, a partagé une voie pragmatique de valorisation de la recherche et du développement pharmaceutiques par l’IA.

Cui Jisong indique que, dans la recherche et le développement de nouveaux médicaments, le processus va de la sélection de la cible à la conception moléculaire, puis aux essais cliniques, pour une durée allant jusqu’à dix ans et des investissements dépassant 10 milliards de dollars. L’IA a déjà joué un rôle important dans l’amélioration de l’efficacité opérationnelle de l’entreprise, par exemple l’optimisation de l’inclusion des patients, les tableaux de conversion de données en temps réel, et le résumé des données de production. Cependant, le problème central que l’IA n’a pas encore résolu à l’heure actuelle est le suivant : comment trouver, de 0 à 1, des médicaments qui sont véritablement efficaces en clinique. « Les molécules conçues par l’IA ont de très bonnes capacités de liaison aux protéines et une forte affinité, mais peut-on sauter directement les essais sur animaux pour aller en clinique ? Aujourd’hui, les autorités de régulation ne le permettent pas. » Cui Jisong reconnaît franchement qu’entre la prédiction par l’IA et l’obtention de l’autorisation de mise sur le marché, il existe encore un immense fossé. À l’avenir, si l’on pouvait remplacer certaines étapes de validation en laboratoire par l’IA et obtenir la reconnaissance des autorités de réglementation pharmaceutique, le temps de développement des nouveaux médicaments pourrait alors être réduit de dix ans à deux ou trois ans.

Zhao Yu, professeur au Xity Research Institute of Computing Technology de CAS, et vice-directeur du laboratoire Turing-Darwin, a quant à lui proposé, du point de vue de la technologie de pointe, des vues encore plus perturbatrices. Il a indiqué que, dans l’application actuelle de l’IA au sein de l’industrie, la plupart des cas se limitent encore aux niveaux de statistique et d’informatisation, et que l’IA au sens véritable n’a pas encore été comprise de manière suffisamment approfondie.

Zhao Yu souligne que la partie la plus difficile dans la recherche et le développement pharmaceutiques est : « ne pas se tromper dès le départ ». Actuellement, pour les nouveaux médicaments innovants, l’efficacité est significative dans les essais sur animaux, mais 95 % échouent dans les essais cliniques ; la cause fondamentale réside dans le fait que la compréhension des mécanismes des maladies n’est pas vraiment claire. « Ce dont nous manquons, ce n’est pas une molécule, c’est une molécule qui peut soigner la maladie. Le premier principe de cette industrie est la compréhension de la maladie. » Après près de trente ans d’accumulation, l’équipe de Zhao a établi un système complet de médecine computationnelle : à partir des maladies, définir clairement les cibles d’action et les populations bénéficiaires, puis réaliser la conception moléculaire. Ils ont réalisé le premier essai clinique virtuel au monde : en anticipant à l’avance l’efficacité chez les patients, ils ont atteint un taux de précision de 100 %. Dans plusieurs domaines, tels que le chordome rare, le diagnostic précoce du cancer du sein, etc., cette approche fondée sur la logique profonde des maladies a obtenu des percées substantielles.

Zhao Yu indique qu’il espère transformer la recherche et le développement de médicaments de « la découverte d’inspiration fortuite de génies de la science » en « une nécessité industrialisée ». Si la vie est cohérente, et si la maladie et la santé sont codées dans l’ADN, alors, du point de vue des mathématiques, la vie peut être codée et interprétée.

Reporter de Beijing Business Today : Wang Yinhao, Song Yuying

Tons d’informations massives, analyses précises, le tout dans l’application Sina Finance