Un médicament découvert par IA a atteint la phase 2 : ce que le rentosertib prouve — et ne prouve pas

L'intelligence artificielle ne se contente plus de proposer des molécules sur un écran. Le rentosertib, également appelé ISM001-055, a atteint un essai randomisé de phase 2a chez des personnes atteintes de fibrose pulmonaire idiopathique. Le résultat, publié après évaluation par les pairs, est important : un programme dont la cible et la molécule ont été développées avec une plateforme centrée sur l'IA a produit un signal mesurable chez l'humain.

Ce n'est ni un remède, ni une autorisation, ni la preuve que les algorithmes ont automatisé la médecine. Cette même étude montre pourquoi toute hypothèse générée par IA doit encore passer par la science clinique classique.

Ce que l'essai a testé

La fibrose pulmonaire idiopathique est une maladie progressive où du tissu cicatriciel réduit la capacité des poumons à fonctionner. L'étude de phase 2a a inclus 71 participants en Chine, répartis au hasard entre un placebo et trois doses de rentosertib pendant 12 semaines. L'essai était en double aveugle : ni les participants ni les investigateurs ne connaissaient le traitement attribué.

L'objectif principal concernait la sécurité et la tolérance. Les chercheurs ont aussi mesuré la capacité vitale forcée (CVF), soit la quantité d'air expirée après une inspiration complète, un indicateur important dans cette maladie.

Avec la dose la plus élevée, la CVF moyenne a augmenté de 98,4 millilitres par rapport au départ, contre une baisse de 20,3 millilitres dans le groupe placebo. L'écart est encourageant. Il reste un signal précoce obtenu sur un petit groupe et une courte période, pas la démonstration que le médicament évite handicap, hospitalisation ou décès.

La sécurité mérite la même attention

Seize des 71 participants ont interrompu l'étude. Les événements indésirables liés au traitement étaient plus fréquents lorsque la dose augmentait. L'article mentionne notamment la diarrhée et des observations hépatiques parmi les points à surveiller.

Cela ne signifie pas automatiquement que le médicament est dangereux. Les essais précoces servent justement à examiner l'équilibre entre activité potentielle et tolérance. Mais un titre qui célèbre seulement la CVF et cache les interruptions serait incomplet.

Des études plus grandes et plus longues devront vérifier si le signal se maintient, quelle dose offre le meilleur équilibre et si des risques rares ou tardifs apparaissent. La population devra aussi être plus diverse, puisque ce premier essai a eu lieu dans un seul pays.

Ce que l'IA a apporté

La plateforme d'Insilico Medicine a relié la biologie de la maladie à TNIK, une cible impliquée dans la fibrose, puis aidé à concevoir la petite molécule devenue rentosertib. Des modèles génératifs peuvent explorer un espace chimique qu'aucune équipe ne pourrait énumérer, classer les candidats et répéter les conceptions avant leur synthèse.

Cette approche peut accélérer et systématiser le début de la découverte. Mais « découvert par IA » ne décrit qu'une partie du parcours. Des chimistes fabriquent la molécule. Des laboratoires la testent. Des cliniciens conçoivent les essais. Des participants acceptent le risque. Les autorités examinent les données, la fabrication et les preuves de bénéfice.

L'IA peut aider à choisir quoi tester ; elle ne peut pas déclarer elle-même son résultat sûr et efficace.

Pourquoi la FDA prépare des règles

La Food and Drug Administration américaine indique avoir reçu plus de 500 dossiers de médicaments et produits biologiques comprenant une composante d'IA entre 2016 et 2023. La technologie peut intervenir dans la découverte, les essais, la fabrication ou la surveillance de sécurité, pas seulement dans la génération de molécules.

Ses principes actuels insistent sur un usage clairement défini, une validation proportionnée au risque, la gouvernance des données, le contrôle humain et le suivi du modèle dans le temps. Un outil qui classe des candidats en laboratoire ne demande pas les mêmes preuves qu'un modèle qui sélectionne des patients ou soutient un critère réglementaire.

La reproductibilité compte également. Il faut documenter les données d'entraînement, les limites pertinentes et le comportement du modèle lorsque la population ou le procédé change. « L'IA l'a prédit » n'est pas une trace d'audit.

Le verdict

Le rentosertib a franchi une étape réelle : un programme de découverte piloté par IA a produit chez l'humain un signal encourageant de phase 2a, publié après évaluation scientifique. La preuve reste préliminaire, car l'étude est petite, courte et ne démontre pas un bénéfice clinique à long terme.

La prochaine étape n'est pas une démonstration plus impressionnante, mais un essai contrôlé plus large qui reproduit l'efficacité et clarifie la sécurité. C'est le fil rouge de l'innovation médicale : l'IA peut accélérer la recherche, mais les patients ne bénéficient que des résultats confirmés par des expériences rigoureuses. Notre analyse de la chirurgie autonome applique la même distinction entre prouesse de recherche et système disponible en clinique.