Au cours de la dernière décennie, l’IA en recherche pharmaceutique a surtout été présentée comme une histoire de productivité. Elle a aidé les scientifiques à analyser plus vite, à automatiser les tâches répétitives et à prendre des décisions appuyées par davantage de données probantes. Cela s’est avéré utile, mais essentiellement de façon incrémentielle. Ce qui se passe actuellement dans l’industrie est une transformation d’un tout autre ordre, à laquelle les équipes de direction doivent s’impliquer directement. L’IA passe d’un outil d’appui au scientifique à un participant actif du processus scientifique lui-même, ce qui change à la fois la nature du travail et le modèle opérationnel qui l’entoure.
C’est important, car cela répond directement aux pressions que l’industrie tente de résoudre. Les coûts de R&D continuent d’augmenter, les délais restent longs, les taux de réussite aux étapes avancées sont encore trop faibles, et la demande de nouvelles thérapies ne ralentit pas. La question n’est plus de savoir si l’IA peut aider, mais plutôt à quelle vitesse les organisations peuvent intégrer l’IA à la fibre de la R&D et la mettre à l’échelle sans sacrifier la rigueur scientifique ni la confiance.
Des progrès progressifs à une mise à l’échelle exponentielle
L’IA traditionnelle permettait d’accélérer certaines tâches individuelles, mais l’IA agentique transforme la nature même du travail, car les agents peuvent intervenir sur l’ensemble de la méthode scientifique, contribuant à l’observation, à la génération d’hypothèses, à la conception d’expériences, à l’analyse, et à l’apprentissage à partir des résultats d’une manière auparavant impossible. Le scientifique n’est plus accompagné étape par étape, mais orchestre désormais plusieurs étapes de la découverte en parallèle, les agents se chargeant du raisonnement, de la récupération et de la simulation à leurs côtés, ce qui change fondamentalement l’économie de la recherche.
Les organisations peuvent maintenant tester davantage d’hypothèses en même temps, maintenir plus de programmes en cours, élargir l’espace de recherche pour des molécules viables et augmenter les chances d’identifier des candidats prometteurs plus tôt dans le cycle. Cela signifie que la discussion au niveau de la direction doit dépasser la productivité et porter sur le débit, l’étendue du portefeuille et la capacité à compresser le temps de cycle à grande échelle.
Présentation de la plateforme Microsoft Discovery
La plus évidente incarnation de ce nouveau modèle opérationnel se concrétise avec Microsoft Discovery, une plateforme d’IA agentique d’entreprise que Microsoft a annoncée lors de Build 2025 et rendue généralement disponible le 2 juin 2026, à Build 2026, conçue spécifiquement pour accélérer la recherche et le développement dans de multiples secteurs, dont la pharmaceutique, la chimie, la science des matériaux et la conception de semi-conducteurs. Au cœur de la plateforme se trouve le moteur Microsoft Discovery, un système multi-agents qui s’inspire de la méthode scientifique en soutenant les boucles preuve-à-hypothèse, la conception d’expériences, l’analyse et l’apprentissage itératif, jumelé à un moteur de connaissances basé sur des graphes reliant les données de recherche propriétaires à l’information scientifique externe, de sorte que les agents puissent raisonner à travers des relations complexes en toute transparence et traçabilité.
Discovery est bâtie sur Azure et s’intègre à l’écosystème Microsoft, incluant Microsoft Foundry et Azure HPC. La plateforme offre la couche de calcul, de simulation et de flux de travail scientifique requis pour de la recherche agentique à l’échelle. Comme la plateforme est extensible, les organisations peuvent y amener leurs propres modèles, outils et ensembles de données, intégrer les solutions partenaires ou open source, et maintenir la supervision humaine, la sécurité et la reproductibilité à toutes les étapes, ce qui la rend crédible comme environnement de production plutôt que comme simple prototype de recherche.
Des preuves préliminaires des capacités de la plateforme existent déjà chez Microsoft, où des chercheurs ont utilisé Discovery pour identifier un prototype de nouveau liquide de refroidissement destiné au refroidissement par immersion dans les centres de données en environ 200 heures, un processus qui aurait traditionnellement pris des mois ou des années — une compression précisément recherchée par les dirigeants R&D pharmaceutiques souhaitant la répliquer à l’échelle de la découverte et de la réutilisation de médicaments.
HCLTech comme partenaire de l’écosystème Discovery
HCLTech a rejoint la plateforme Microsoft Discovery en décembre 2025 parmi un groupe sélect d’innovateurs technologiques et d’institutions de recherche qui contribuent à façonner la prochaine phase de la R&D pilotée par l’IA, axée d’abord sur la chimie, la science des matériaux, la découverte médicamenteuse et la conception de semi-conducteurs. Cette collaboration marie l’expertise approfondie d’HCLTech dans les sciences de la vie, les soins de santé et les services d’ingénierie R&D avec l’IA agentique, l’infrastructure infonuagique et le calcul haute performance de Microsoft, avec une structure visant à faire passer Discovery du potentiel de recherche à une adoption à l’échelle de l’entreprise grâce à des preuves de concepts collaboratives, des laboratoires de co-innovation et des déploiements sectoriels.
Le rôle d’HCLTech se situe délibérément à l’étape d’industrialisation. Il s’agit d’aider les clients à exploiter leur savoir scientifique propriétaire, construire des agents spécialisés par domaine, intégrer la gouvernance et l’auditabilité, s’arrimer aux processus réglementés, et passer d’essais pilotes prometteurs à des capacités de production reproductibles. Pour les clients du secteur pharmaceutique, cela veut dire activer Discovery dans leur environnement R&D, le connecter à leurs connaissances et données expérimentales propriétaires, l’arrimer aux cadres scientifiques et réglementaires, et le faire évoluer vers une capacité opérationnelle continue au lieu d’une succession de projets pilotes isolés.
Le repositionnement des médicaments est un bon cas d’utilisation initial, car il répond directement à l’urgence commerciale, à la preuve scientifique et à l’impact sur les patients.
L’une des premières solutions qu’HCLTech développe sur Microsoft Discovery est une plateforme de repositionnement de médicaments conçue pour transformer la recherche d’une nouvelle indication thérapeutique en une méthode reproductible et basée sur la preuve, plutôt qu’en un simple hasard. Puisqu’un médicament déjà approuvé possède un profil connu d’innocuité et de fabrication, trouver une nouvelle indication permet de rejoindre les patients beaucoup plus vite, et à une fraction du coût de partir de zéro. La plateforme vise à faire émerger ces occasions systématiquement plutôt que par chance.
Dans la solution, un jumeau numérique informé par des données biomédicales publiques teste chaque hypothèse pour son efficacité en conditions réelles, avant tout investissement de laboratoire. En parallèle, une couche de gouvernance fournit un accès basé sur les rôles, des flux d’approbation, un audit complet et le masquage de la propriété intellectuelle, afin que des composés prometteurs puissent être étudiés sans exposer d’informations sensibles. Il en résulte une solution qui allie la rapidité de Microsoft Discovery à la rigueur, l’explicabilité et la pertinence patients qu’exige la recherche réglementée.
La puissance du savoir organisationnel
Une leçon claire des premiers déploiements, c’est que l’IA a plus de valeur quand elle s’appuie sur le contexte organisationnel. Les organisations pharmaceutiques détiennent des décennies de savoir propriétaire tiré d’expériences passées, de recherches internes, de résultats négatifs et d’expertise de pointe que des modèles génériques ne peuvent pas exploiter. Quand les agents y ont accès via une plateforme comme Microsoft Discovery, ils peuvent raisonner de façons impossibles pour des modèles génériques. Des motifs autrefois inaperçus émergent, les hypothèses gagnent en pertinence, et la confiance dans les décisions s’accroît. Le savoir d’entreprise, activé adéquatement, convertit les capacités IA en avantage, et c’est pourquoi deux organisations utilisant les mêmes modèles et plateformes peuvent produire des résultats fort différents.
Un moment charnière pour l’industrie
Ce virage ne tombe pas par hasard : un nombre significatif de médicaments à fort revenus perdent bientôt leur exclusivité, et les organisations s’interrogent sur la façon de préserver la valeur, prolonger la vie des produits et renouveler leur portfolio. La découverte scientifique agentique peut donner aux équipes de direction une approche crédible, permettant la réutilisation à grande échelle de composés existants, le rééquilibrage et l’élargissement des portefeuilles, l’accélération de la transition de la découverte au développement et un ciblage plus précis des investissements entre les programmes de recherche.
Pour les PDG ou les responsables R&D, c’est à la fois un levier d’efficience et une stratégie de croissance — un des rares investissements qui, dans le contexte actuel, satisfait honnêtement les deux.
Des processus linéaires à la découverte continue
La R&D pharmaceutique a traditionnellement suivi un processus linéaire, la recherche progressant par étapes distinctes, chacune ayant ses délais, budgets et risques, et transmettant le flambeau à la suivante sans grand retour vers l’étape précédente. Microsoft Discovery change cette dynamique, car la recherche devient une boucle continue où les preuves alimentent les hypothèses, et celles-ci guident les expériences. Les expériences génèrent des données qui reviennent dans le système, de sorte que l’apprentissage n’est plus ponctuel, mais constant. Ce modèle renforce aussi le lien entre les résultats réels et la découverte amont, car l’apport de données de patients et d’expérience clinique peut enrichir les recherches, affiner les cibles, améliorer la sécurité et réduire les risques plus tôt, là où se trouvent habituellement les coûts d’échec les plus élevés.
Transformer la capacité de plateforme en impact organisationnel
La technologie seule ne livrera pas cette transformation, et les dirigeants doivent se méfier de quiconque leur dit le contraire, car il faut repenser le fonctionnement de la R&D, définir la collaboration au quotidien entre scientifiques et agents, et instaurer la gouvernance qui assurera transparence, reproductibilité et confiance. Les capacités doivent aussi s’insérer dans les cadres scientifiques et réglementaires existants, et non en parallèle, car c’est l’endroit où la plupart des démarches de transformation échouent si l’aspect du modèle opérationnel n’est pas mené adéquatement.
C’est là que le modèle de partenariat s’avère décisif : Microsoft fournit la plateforme de base, sous forme de Discovery, Azure, Foundry et HPC. HCLTech apporte la capacité d’industrialisation qui convertit cette plateforme en résultats organisationnels reproductibles, jumelant services d’ingénierie R&D, expertise des sciences de la vie et capacité de livraison à grande échelle, pour amener Discovery de l’intégration à l’adoption en production chez les clients.
Ce que les dirigeants devraient faire maintenant
Pour les dirigeants d’organisations pharmaceutiques, les priorités sont claires. Dépasser les projets pilotes isolés et viser la transformation. Définir le modèle opérationnel cible pour la collaboration entre scientifiques et IA. Valoriser les données et le savoir organisationnels comme atout central plutôt que comme fonction de soutien. Instaurer une gouvernance solide pour maintenir qualité et confiance à grande échelle. Choisir des partenaires capables d’industrialiser la capacité dans toute l’organisation plutôt que de livrer des solutions ponctuelles.
Mot de la fin
L’industrie amorce une nouvelle phase de la découverte scientifique, où scientifiques, agents et calcul avancé collaborent d’une manière impensable il y a deux ans à peine. La découverte devient continue, adaptative et évolutive, permettant à l’innovation d’accélérer sans compromettre la sécurité ni la rigueur. Microsoft Discovery fournit la plateforme, HCLTech l’industrialisation, ensemble ils offrent aux organisations pharmaceutiques une voie crédible de l’ambition à la capacité opérationnelle. Les organisations qui agiront maintenant feront plus qu’améliorer leur performance en R&D : elles contribueront à définir le modèle de référence de l’innovation en pharmaceutique pour la décennie à venir.
