En 2026, Bristol Myers Squibb ne se contente plus d’être un big pharma classique : le groupe est en train de bâtir, avec Nvidia, l’infrastructure IA la plus avancée des sciences de la vie. L’objectif est clair : compresser les cycles de découverte de médicaments, réduire les coûts d’essais cliniques et multiplier les candidats potentiels.
Ce partenariat, démarré en 2023, franchit un cap avec le déploiement d’un nouveau NVIDIA DGX SuperPOD basé sur les systèmes DGX Vera Rubin NVL72, présenté comme le cluster IA le plus puissant et le plus économe en énergie du secteur life sciences. Selon Nvidia, cette architecture apporte jusqu’à 10x de performance par mégawatt par rapport à l’infrastructure précédente.
Voici 5 innovations concrètes issues de cette alliance Bristol Myers–Nvidia qui sont déjà en train de transformer la recherche médicale en 2026.
1. L’AI factory Vera Rubin : un supercalculateur taillé pour la R&D pharma
Cette AI factory donne à Bristol Myers une capacité de calcul qui change l’échelle de ce qu’il est possible de tester en silico.
Bristol Myers Squibb a annoncé en juillet 2026 le déploiement d’un NVIDIA DGX SuperPOD équipé de huit systèmes DGX Vera Rubin NVL72, ce qui en fait l’infrastructure Nvidia la plus puissante détenue individuellement dans les sciences de la vie. L’ensemble, décrit par Nvidia comme le cluster IA le plus performant et le plus économe en énergie du secteur, délivre jusqu’à 10 fois la performance par mégawatt de l’ancienne génération de machines utilisée par BMS.
Selon Nvidia, chaque système DGX Vera Rubin NVL72 regroupe à l’échelle du rack des CPU Nvidia Vera et des GPU Rubin, spécialement conçus pour les charges de travail IA à grande échelle. Le nouveau SuperPOD est le deuxième déployé par Bristol Myers, après un premier cluster DGX installé dans le cadre du partenariat de trois ans avec Nvidia pour industrialiser l’IA dans la découverte et le développement de médicaments.
"Bristol Myers Squibb is building the life science industry’s most advanced AI factory on NVIDIA Vera Rubin", explique Nvidia, en mettant en avant une plateforme unifiée pour les prédictions, le training de modèles et les workflows agentiques couvrant tout le pipeline de drug discovery.
Impact concret sur la recherche médicale
Grâce à cette AI factory, BMS peut exécuter en parallèle des milliers de simulations, workflows de criblage virtuel et modèles génératifs sur des bibliothèques de molécules de plusieurs millions de composés.
Nvidia indique que cette infrastructure permet de passer de workflows séquentiels à des workflows agentiques où des agents IA orchestrent différentes tâches : prédiction de structure, optimisation de molécules, analyse de données cliniques, etc. Le gain de performance par mégawatt (multiplié par 10) se traduit par une capacité à entraîner des modèles plus grands et plus complexes sans explosion des coûts énergétiques.
> 💡 À retenir : la première innovation clé n’est pas un modèle, mais une usine IA dédiée à la pharma, capable de faire tourner, en continu, des centaines de projets de recherche sur une même plateforme unifiée.
2. Unification des workflows de drug discovery avec BioNeMo Agent Toolkit
Le vrai saut qualitatif vient de l’intégration d’outils IA spécialisés pour la biologie sur cette infrastructure.
Nvidia présente explicitement l’AI factory de Bristol Myers comme une plateforme intégrée pour NVIDIA BioNeMo Agent Toolkit, une suite d’outils IA pour la biologie permettant de gérer des workflows de bout en bout : prédiction de structures, génération de séquences, modélisation de propriétés ADMET, analyse d’images biologiques.
Cette intégration offre aux chercheurs de BMS un accès à une plateforme unifiée d’IA biologique, utilisable depuis les équipes de recherche fondamentale jusqu’aux équipes cliniques. L’idée est d’éviter les silos de données et de modèles : les agents IA peuvent consommer des données issues de différentes étapes (omics, imagerie, données cliniques) et réinjecter des connaissances dans d’autres phases.
Ce que ça change dans les workflows R&D
Avant cette unification, les workflows de découverte de médicaments étaient souvent fragmentés : outils différents pour la chimie computationnelle, la biologie structurale, l’analyse d’essais, etc. Avec BioNeMo Agent Toolkit sur le SuperPOD Vera Rubin, BMS peut déployer des workflows IA orchestrés qui enchaînent automatiquement :
- génération de nouvelles molécules candidates à partir de cibles biologiques,
- prédiction de leurs propriétés (toxicité, pharmacocinétique),
- filtrage par criblage virtuel,
- suggestion de designs d’essais cliniques plus ciblés.
Ce type de workflow permet de réduire le nombre de molécules qui passent en screening expérimental, ce qui diminue les coûts de laboratoire. Même si Bristol Myers ne publie pas de chiffres précis de réduction de coûts, l’objectif affiché du partenariat est de rendre le processus de développement de médicaments plus rapide et moins cher, en automatisant une grande partie des tâches de modélisation et d’analyse.
💡 À retenir : BioNeMo n’est pas juste un modèle, c’est un ensemble d’agents IA biologiques orchestrés sur une même AI factory, capable de traverser toute la chaîne de valeur de la découverte de médicaments.
3. Accélération massive du screening virtuel et de la génération de candidats
La troisième innovation clé concerne le volume et la vitesse de screening virtuel possible avec l’AI factory Vera Rubin.
Avec son nouveau SuperPOD, Bristol Myers peut explorer en quelques jours ce qui aurait demandé des mois, voire des années, sur une infrastructure plus limitée. Nvidia met en avant l’idée que ce cluster permet "running predictions, training models and powering agentic workflows across the full drug discovery pipeline", ce qui inclut le criblage virtuel à très grande échelle.
Benchmarks de performance et gains énergétiques
Nvidia souligne que les huit racks DGX Vera Rubin NVL72 offrent jusqu’à 10x la performance par mégawatt par rapport à l’infrastructure remplacée chez BMS. Cette métrique est essentielle en R&D pharmaceutique, où la facture énergétique des data centers explose avec l’augmentation de la taille des modèles.
En pratique, cette amélioration de performance énergétique signifie que BMS peut :
- multiplier par un ordre de grandeur le nombre de simulations et d’expériences in silico,
- augmenter la taille des modèles utilisés pour la prédiction de propriétés moléculaires,
- tout en gardant la consommation énergétique à un niveau compatible avec les budgets de R&D.
Même si Nvidia ne publie pas de chiffre précis de coût par mois ou par heure pour l’utilisation du SuperPOD, la logique économique est celle d’un capex important (acquisition et installation du cluster) compensé par une baisse significative du coût par expérience IA grâce à l’efficacité énergétique.
💡 À retenir : l’innovation n’est pas seulement dans la multiplication des FLOPS, mais dans la capacité à faire plus d’IA par unité d’énergie, ce qui rend soutenable la généralisation des workflows IA à toute la R&D.
4. Intégration de l’IA dans tout le cycle de développement de médicaments
Le partenariat Bristol Myers–Nvidia ne se limite pas à la découverte de molécules : l’IA est déployée sur tout le cycle de développement.
Bristol Myers explique que le nouveau système Nvidia est destiné à supporter l’utilisation de l’IA dans l’ensemble des opérations de découverte et de développement de médicaments. L’infrastructure SuperPOD Vera Rubin est explicitement pensée pour être utilisée :
- au stade de drug discovery (identification et optimisation de candidats),
- en préclinique (analyse de toxicité, modélisation des doses, prédiction d’effets secondaires),
- en clinique (analyse de données d’essais, stratification de patients, identification de signaux précoces d’efficacité ou de toxicité).
Vers une R&D plus intégrée
L’intégration de l’IA à toutes les étapes a plusieurs impacts clés :
- Les données générées en préclinique peuvent être immédiatement intégrées dans les modèles qui orientent le design des essais cliniques.
- Les résultats d’essais cliniques alimentent les modèles de découverte, qui peuvent être ajustés pour de nouveaux candidats ou indications.
- Les modèles peuvent être réentraînés en continu sur les données internes de BMS, créant une boucle de feedback IA–R&D.
Cette vision d’une R&D "augmentée" par l’IA s’aligne sur la tendance du secteur pharma à considérer les data centers IA comme des actifs stratégiques au même titre que les plateformes expérimentales.
💡 À retenir : l’IA factory Vera Rubin n’est pas un silo pour la discovery, mais une colonne vertébrale numérique pour toute la chaîne de développement de médicaments chez Bristol Myers.
5. Un partenariat structurant pour la pharma et le marché des supercalculateurs IA
La cinquième innovation est plus stratégique : Bristol Myers devient un client de référence pour Nvidia dans les sciences de la vie, ce qui peut influencer le reste de l’industrie.
Le déploiement d’un deuxième SuperPOD, cette fois basé sur Vera Rubin, fait de Bristol Myers le premier acteur life sciences à adopter cette nouvelle génération de systèmes selon les communications publiques. Ce statut de "early adopter" positionne BMS comme vitrine de l’architecture Vera Rubin pour les autres groupes pharmaceutiques.
Nvidia présente ce cas comme un blueprint pour une "AI factory" orientée sciences de la vie :
- architecture matérielle standardisée (Vera CPU + Rubin GPU),
- stack logicielle intégrant BioNeMo et des outils agentiques,
- cas d’usage ciblés sur la drug discovery et le développement.
Cette combinaison pourrait devenir un standard de facto pour les prochains investissements IA des big pharma, renforçant la part de marché de Nvidia dans ce segment.
Comparatif : architecture AI factory pharma vs cloud IA généraliste
Pour mesurer ce que cette AI factory change, on peut la comparer à une approche plus classique : utiliser des services cloud IA généralistes sans infrastructure dédiée.
Voici un tableau comparatif synthétique, basé sur les caractéristiques publiques de l’AI factory BMS–Nvidia et les offres cloud IA généralistes typiques (AWS, Azure, GCP) pour des charges de travail IA pharmaceutiques :
| Critère | AI factory BMS–Nvidia (SuperPOD Vera Rubin NVL72) | Cloud IA généraliste (typique) |
|---|---|---|
| Propriété de l’infrastructure | Entièrement détenue par Bristol Myers, sur site | Infrastructure opérée par le fournisseur cloud, partagée |
| Architecture matérielle | Systèmes DGX Vera Rubin NVL72 (rack-scale), CPU Vera + GPU Rubin optimisés IA | Combinaisons de GPU généralistes (ex : H100, A100) et CPU x86 ou ARM |
| Performance énergétique | Jusqu’à 10x plus de performance par mégawatt que l’infrastructure BMS précédente | Dépend de la génération de GPU/CPU ; pas d’indication spécifique pharma |
| Stack logicielle IA | Intégration profonde de NVIDIA BioNeMo Agent Toolkit et plateformes biologiques | Accès à des LLM et services IA généralistes, intégration biologique à construire |
| Contrôle des données | Données internes BMS restent sur une infrastructure dédiée, maîtrisée | Données hébergées dans le cloud, dépendantes des politiques du provider |
| Personnalisation des workflows | Workflows agentiques sur mesure pour la R&D BMS | Workflows génériques à personnaliser, intégration plus complexe |
| Positionnement stratégique | Actif R&D critique, vitrine de l’IA pharma | Outil flexible mais non exclusivement dédié à la pharma |
Ce tableau met en lumière l’angle choisi par Bristol Myers : plutôt que de se reposer exclusivement sur des ressources cloud partagées, le groupe investit dans une AI factory sur mesure, dimensionnée pour ses besoins spécifiques en sciences de la vie.
💡 À retenir : le mouvement de Bristol Myers vers une AI factory dédiée pourrait annoncer une vague d’investissements similaires chez d’autres big pharma, renforçant le poids des supercalculateurs IA spécialisés dans le marché global.
Notre avis : pourquoi cette AI factory pourrait devenir la nouvelle norme en pharma
Bristol Myers et Nvidia posent ici les bases d’un nouveau modèle : la pharma ne se contente plus d’"utiliser de l’IA", elle construit des usines IA capables de tourner en continu au service de la R&D.
Sur les six prochains mois, plusieurs tendances sont à surveiller :
- la capacité de BMS à publier des résultats tangibles attribués à cette AI factory (nombre de candidats en plus, réduction de durée de programmes, amélioration de taux de succès en clinique),
- l’éventuelle adoption de systèmes Vera Rubin similaires par d’autres pharmas majeures,
- l’évolution de l’offre BioNeMo et des outils agentiques pour la biologie, qui pourraient se diffuser au-delà de BMS.
Du point de vue Brief IA, cette alliance illustre une bascule importante : l’IA en santé ne sera pas portée uniquement par des modèles publics ou des services cloud, mais par des infrastructures verticales profondément intégrées aux workflows internes des industriels.
La question clé est désormais : combien de grands laboratoires pharmaceutiques choisiront de suivre la voie de Bristol Myers, en bâtissant leur propre AI factory dédiée, plutôt que de rester sur des architectures cloud généralistes ?