Vivodyne : un centre de données humaines et des scores de 94 à 100 % revendiqués

Vivodyne a inauguré près de San Francisco un site que l'entreprise présente comme le plus grand « centre de données humaines » au monde. La startup de bio‑ingénierie s'appuie sur des laboratoires robotiques capables de cultiver des tissus humains, de les doser et de les suivre de façon autonome, avec l'ambition de générer des données causales. Elle affirme déjà un débit deux fois supérieur aux essais sur animaux aux États‑Unis et des performances prédictives élevées sur certains tissus, pour mieux sélectionner les candidats médicaments avant l'essai clinique.

Vivodyne dit atteindre un débit double et ouvre près de San Francisco

La semaine dernière, Vivodyne a inauguré un site situé juste à la périphérie de San Francisco, présenté par l'entreprise comme le plus vaste « centre de données humaines » au monde. Selon son PDG Andrei Georgescu, l'équipe affiche déjà un volume de tests qui représente le double de l'ensemble des expérimentations animales réalisées aux États‑Unis. La société avait précédemment réuni près de 80 millions de dollars lors de deux levées de fonds menées par Khosla Ventures afin de soutenir cette phase d'expansion.

Des tissus humains cultivés et des scores de 94 % à 100 % revendiqués

Les laboratoires HIVE de Vivodyne, des systèmes robotiques modulaires, peuvent selon l'entreprise cultiver 20 types de tissus humains, les doser et les surveiller de manière autonome, en générant des données dites causales. Vivodyne affirme que ses modèles tissulaires miment étroitement des organes humains : 94 % de précision prédictive pour des cellules hépatiques face aux essais de toxicité humains, 96 % d'accord pour des tissus des voies respiratoires et 100 % de concordance sur des tests portant sur 20 chimiothérapies en moelle osseuse. Créée en 2021 à l'Université de Pennsylvanie, la société est dirigée par Andrei Georgescu, co‑fondateur diplômé d'un doctorat en bio‑ingénierie.

Objectif affiché: mieux trier avant l'essai clinique, coûteux

Vivodyne indique vouloir accélérer le développement des candidats médicaments en utilisant des indicateurs jugés plus fiables avant la phase des essais cliniques, dont le coût s’élève en général à plusieurs dizaines de millions de dollars. L'entreprise déclare travailler avec divers grands groupes pharmaceutiques, sans toutefois révéler publiquement leur identité. Andrei Georgescu compare la situation aux crash‑tests automobiles, où les constructeurs visent la conformité NHTSA avant l'épreuve, alors que les industriels du médicament disposent rarement d'une confiance équivalente avant un essai, la grande majorité des composés n'obtenant pas d'approbation de la FDA. Plus largement, 90 % des médicaments efficaces chez l'animal échouent à être approuvés chez l'humain malgré leur entrée en clinique.

Des données causales pour entraîner de nouveaux modèles d'IA

Andrei Georgescu voit dans des laboratoires biologiques autonomes un moyen essentiel de produire des données causales sur la biologie humaine, destinées à l'entraînement de nouveaux modèles. Il cite une étude parue le mois dernier dans Nature Methods qui ne trouve pas de loi claire de mise à l'échelle des données sur des corpus cellulaires existants. Selon lui, l'entraînement actuel repose sur des instantanés statiques et ignore la trajectoire qui mène d'un état cellulaire à un autre. Les machines HIVE suivent en continu des centaines de milliers d'expériences où des tissus malades sont soumis à un stimulus, ce qui, estime‑t‑il, pourra nourrir un apprentissage de type renforcement apte à mieux saisir les relations de cause à effet.

Promesses des géants de l'IA et état réel du pipeline

À ce stade, une poignée de médicaments conçus par IA ont atteint les essais humains et l'un d'eux est en Phase III. Alphafold, présenté comme lauréat du prix Nobel et avancée majeure pour comprendre les bases du vivant, n'a toutefois pas encore débouché sur un nouveau médicament. Isomorphic Labs, créée pour capitaliser sur Alphafold, vise ses premiers essais d'ici la fin de l'année, après un calendrier initial en 2025, et écrivait en février que la découverte de médicaments requiert des modèles prédictifs très précis couvrant de nombreuses propriétés et interactions. Dans le débat public, Dario Amodei a récemment qualifié de clichés les promesses de « guérison du cancer » par l'IA, bien qu'il les ait lui‑même déjà évoquées. Sam Altman a, de son côté, régulièrement invoqué la guérison du cancer pour justifier la quête d'AGI et la montée en puissance informatique d'OpenAI, tandis que Demis Hassabis estimait l'an dernier que l'IA pourrait potentiellement guérir toutes les maladies en une décennie.