Pendant la majeure partie de la dernière décennie, l’IA dans la recherche pharmaceutique a été présentée comme une histoire de productivité. Elle a aidé les scientifiques à analyser plus rapidement, à automatiser des tâches répétitives et à prendre des décisions appuyées par plus de preuves. Cela a été utile, mais fondamentalement incrémentiel. Ce qui se passe actuellement dans toute l’industrie est un type de changement différent, auquel les équipes de direction doivent s’engager directement. L’IA passe d’un outil soutenant le scientifique à un participant actif dans le processus scientifique lui-même, ce qui modifie à la fois la nature du travail et le modèle opérationnel autour de celui-ci.

Cela importe parce que cela répond directement aux pressions auxquelles l’industrie tente de faire face. Les coûts de R et D continuent d’augmenter, les délais restent longs, les taux de succès aux stades avancés sont encore trop faibles, et la demande pour de nouvelles thérapies ne ralentit pas. La question ne porte plus sur le fait de savoir si l’IA peut aider. Elle dépend désormais de la rapidité avec laquelle les organisations peuvent intégrer l’IA au cœur même de la R et D et la mettre à l’échelle sans compromettre la rigueur scientifique ou la confiance.

D’une progression incrémentielle à une mise à l’échelle exponentielle

L’IA traditionnelle rendait les tâches individuelles plus rapides, mais l’IA agentique change la nature même du travail, car les agents peuvent agir à travers la méthode scientifique, contribuant à l’observation, à la génération d’hypothèses, à la conception d’expériences, à l’analyse et à l’apprentissage des résultats d’une façon auparavant impossible. Le scientifique n’est plus soutenu étape par étape, il orchestre plutôt plusieurs flux de découverte en parallèle, avec des agents qui gèrent le raisonnement, la récupération et la simulation à leurs côtés, transformant fondamentalement l’économie de la recherche.

Les organisations peuvent maintenant tester plus d’hypothèses simultanément, garder plus de programmes en cours, élargir l’espace de recherche pour des molécules viables, et augmenter les chances d’identifier de bons candidats plus tôt dans le cycle. Cela signifie que la discussion au niveau de la direction devrait dépasser la productivité et se concentrer sur le débit, l’ampleur du portefeuille et la capacité de compresser le temps de cycle à grande échelle.

Présentation de la plateforme Discovery de Microsoft

L’expression la plus claire de ce nouveau modèle opérationnel est arrivée avec Microsoft Discovery, une plateforme d’IA agentique d’entreprise annoncée par Microsoft à Build 2025 et disponible en général le 2 juin 2026 lors de Build 2026, conçue spécifiquement pour accélérer la recherche et le développement dans divers secteurs, y compris la pharmaceutique, la chimie, la science des matériaux et la conception de semi-conducteurs. Au cœur de la plateforme se trouve le moteur Discovery de Microsoft, un système multi-agents qui reflète la méthode scientifique en soutenant les boucles preuve-hypothèse, la conception d’expériences, l’analyse et l’apprentissage itératif, avec un moteur de connaissances basé sur des graphes qui relie les données de recherche propriétaires à l’information scientifique externe pour que les agents puissent raisonner à travers des relations complexes avec transparence et traçabilité complètes.

Discovery est bâtie sur Azure et s’intègre avec l’ensemble de l’écosystème Microsoft, incluant Microsoft Foundry et Azure HPC. La plateforme fournit la couche de calcul, de simulation et de flux de travail scientifique que la recherche agentique à l’échelle requiert réellement. Comme la plateforme est extensible, les organisations peuvent amener leurs propres modèles, outils et ensembles de données, intégrer des solutions de partenaires et open source et maintenir la supervision humaine, la sécurité et la reproductibilité à chaque étape, ce qui la rend crédible comme environnement de production plutôt qu’un simple jouet de laboratoire.

Des premiers exemples probants de ce que la plateforme peut accomplir existent déjà au sein de Microsoft elle-même, où les chercheurs ont utilisé Discovery pour identifier un prototype de nouveau liquide de refroidissement pour l’immersion de centres de données, en environ 200 heures, un processus qui aurait normalement pris des mois ou des années, et c’est justement ce genre de compression que les dirigeants de la R et D pharmaceutique cherchent à reproduire pour la découverte et la réutilisation de médicaments.

HCLTech comme partenaire dans l’écosystème Discovery

HCLTech s’est joint à la plateforme Microsoft Discovery en décembre 2025 parmi un groupe sélectionné d’innovateurs technologiques et d’institutions de recherche contribuant à façonner la prochaine phase de la R et D dirigée par l’IA, avec une concentration initiale sur la chimie et la science des matériaux, la découverte de médicaments et la conception de semi-conducteurs. Cette collaboration combine l’expertise approfondie de HCLTech en sciences de la vie, services d’ingénierie et de R et D dans le secteur de la santé, avec l’IA agentique de Microsoft, l’infrastructure infonuagique et l’informatique haute performance, et elle est structurée pour faire passer Discovery de la capacité de recherche à l’adoption à l’échelle de l’entreprise grâce à des preuves de concept collaboratives, des laboratoires de co-innovation et des implémentations axées sur l’industrie.

Le rôle de HCLTech se situe délibérément à la couche d’industrialisation. Cela signifie aider les clients à connecter leur savoir scientifique propriétaire, concevoir des agents spécialisés par domaine, intégrer la gouvernance et l’auditabilité, s’intégrer aux flux de travail réglementés, et transformer les pilotes prometteurs en capacités de production reproductibles. Pour les clients pharmaceutiques, cela veut dire activer Discovery à l’intérieur de leur paysage de R et D existant, la connecter au savoir propriétaire et aux données expérimentales, l’aligner avec les cadres scientifiques et réglementaires, et la mettre à l’échelle comme capacité opérationnelle continue plutôt que comme une série de pilotes isolés.

Le repositionnement de médicaments est un cas d’utilisation logique initial, car il est directement lié à l’urgence commerciale, aux preuves scientifiques et à l’impact sur les patients.

L’une des premières solutions que HCLTech développe sur Microsoft Discovery est une plateforme de repositionnement de médicaments, conçue pour transformer la recherche d’une seconde utilisation d’un médicament d’un heureux hasard en une méthode reproductible fondée sur les preuves. Puisqu’un médicament déjà approuvé possède un profil connu de sécurité et de fabrication, trouver une nouvelle indication pour celui-ci peut atteindre les patients beaucoup plus rapidement, et à une fraction du coût de partir d’une page blanche. La plateforme vise à identifier ces occasions systématiquement plutôt que par hasard.

Dans la solution, un jumeau numérique, alimenté par des données biomédicales publiques, teste chaque hypothèse pour sa réactivité dans le monde réel avant tout investissement en laboratoire. Parallèlement, une couche de gouvernance assure l’accès basé sur les rôles, les flux d’approbation, une piste d’audit complète et le masquage de la propriété intellectuelle, si bien que des composés prometteurs peuvent être évalués sans exposer d’informations sensibles. Le résultat est une solution qui marie la rapidité de Microsoft Discovery avec la rigueur, l’explicabilité et la pertinence pour les patients exigées par la recherche réglementée.

La puissance du savoir organisationnel

L’une des leçons les plus claires des premières implantations est que l’IA devient beaucoup plus précieuse lorsqu’elle s’ancre dans le contexte d’une organisation. Les compagnies pharmaceutiques détiennent des décennies de savoir propriétaire à travers des expériences historiques, de la recherche interne, des résultats négatifs et une expertise approfondie qu’aucun modèle générique ne peut atteindre. Lorsque les agents sont branchés à cette connaissance par l’intermédiaire d’une plateforme comme Microsoft Discovery, ils peuvent raisonner d’une façon impossible pour les modèles génériques. Des tendances autrefois cachées émergent, les hypothèses deviennent plus pertinentes, et la confiance dans les décisions s’accroît. Le savoir d’entreprise, activé adéquatement, transforme la capacité de l’IA en avantage, et c’est la raison pour laquelle deux organisations utilisant les mêmes modèles et plateformes de base peuvent tout de même arriver à des résultats très différents.

Un moment critique pour l’industrie

Le moment de ce virage n’est pas un hasard, alors qu’un nombre important de médicaments à gros revenus approchent la fin de leur exclusivité et que les organisations cherchent à protéger leur valeur, prolonger les cycles de vie de produits et renouveler leurs pipelines en conséquence. La découverte scientifique agentique peut offrir aux équipes de direction un moyen crédible d’agir, permettant la réutilisation à grande échelle de composés existants, la rééquilibration et l’élargissement de pipelines, l’accélération de la transition de la découverte vers le développement, et un meilleur ciblage de l’investissement à travers les divers programmes de recherche.

Pour un PDG ou un leader en R et D, il s’agit à la fois d’un levier d’efficacité et d’une stratégie de croissance, et c’est l’un des rares investissements dans le contexte actuel qui adresse crédiblement les deux dimensions simultanément.

D’un processus linéaire à une découverte continue

La R et D pharmaceutique a traditionnellement suivi une trajectoire linéaire, la recherche passant par des étapes distinctes, chacune avec ses propres échéanciers, budgets et risques, chaque étape passant à la suivante avec peu de rétroaction sur celles qui la précédaient. Microsoft Discovery change cette forme, car la recherche devient une boucle continue où la preuve informe les hypothèses et les hypothèses orientent les expériences. Les expériences produisent des données qui sont réinjectées dans le système, alors l’apprentissage cesse d’être épisodique pour devenir permanent. Ce même modèle crée une connexion beaucoup plus forte entre les résultats réels et la découverte précoce, car les données et l’expérience clinique des patients peuvent rétroalimenter les programmes de recherche pour affiner les cibles, améliorer la sécurité et réduire le risque plus tôt dans le cycle, là où une bonne part du coût traditionnel de l’échec réside réellement.

Transformer la capacité de plateforme en impact organisationnel

La technologie seule ne réalisera pas cette transformation, et les dirigeants devraient se méfier de ceux qui prétendent le contraire, car il reste essentiel de repenser le fonctionnement de la R et D, définir la collaboration quotidienne entre scientifiques et agents, et instaurer une gouvernance assurant transparence, reproductibilité et confiance. Les nouvelles capacités doivent également s’intégrer aux cadres scientifiques et réglementaires existants plutôt que de fonctionner parallèlement, ce qui fait stagner la plupart des programmes de transformation quand le travail sur le modèle opérationnel n’a pas été fait correctement.

C’est là que le modèle de partenariat devient décisif, puisque Microsoft apporte la plateforme de base — Discovery, Azure, Foundry et HPC. HCLTech amène la capacité d’industrialisation qui transforme cette plateforme en résultats organisationnels reproductibles, en combinant les services de R et D en ingénierie, l’expertise en sciences de la vie et l’échelle de livraison pour permettre à Discovery de passer de l’implantation à l’adoption en production chez les clients.

Ce que les dirigeants doivent faire ensuite

Pour les dirigeants du secteur pharmaceutique, les priorités sont claires. Allez au-delà des projets pilotes isolés et fixez l’ambition à la transformation. Définissez le modèle opérationnel cible pour la collaboration entre scientifiques et IA. Activez les données et les connaissances organisationnelles comme un atout principal, pas seulement une fonction de soutien. Établissez une gouvernance assez solide pour assurer la qualité et la confiance à grande échelle. Choisissez des partenaires capables d’industrialiser la capacité dans toute l’organisation et non pas seulement de livrer des solutions ponctuelles.

Mot de la fin

L’industrie entame une nouvelle phase de la découverte scientifique, où scientifiques, agents et calcul avancé travaillent ensemble d’une façon qui était impensable il y a deux ans à peine. La découverte devient continue, adaptative et évolutive, permettant à l’innovation d’avancer plus vite sans compromettre la sécurité ou la rigueur. Microsoft Discovery fournit la plateforme, HCLTech fournit l’industrialisation, et ensemble, ils offrent au secteur pharmaceutique une transition crédible de l’ambition à la capacité opérationnelle. Les organisations qui agissent dès maintenant feront bien plus qu’améliorer la performance de la R et D : elles aideront à définir le modèle de référence pour l’innovation dans le secteur pharmaceutique au cours de la prochaine décennie.