Insilico Medicine est le leader mondial de la recherche et du développement de médicaments contre l'IA de bout en bout. Sa plateforme principale Pharma.ai couvre la découverte de cibles (PandaOmics), la chimie générative (Chemistry42) et la prédiction d'essais cliniques (inClinico). Le médicament phare Rentosertib (indication IPF) a terminé les essais cliniques de phase IIa et est entré en phase III, et a établi une coopération stratégique avec de grandes sociétés pharmaceutiques telles que Eli Lilly (2,75 milliards de dollars), Takeda et Sanofi. En 2024, elle a été nommée entreprise de biotechnologie la plus innovante au monde par Fast Company.

Texte de l'outil Insilico Medicine

---

Paramètres et statistiques de base

Éléments de paramètres	Informations publiques
Positionnement du produit	Plateforme de bout en bout de découverte et de développement de médicaments basée sur l'IA
Plateforme principale	Pharma.ai (y compris PandaOmics, Chemistry42, inClinico, etc.)
Informations sur l'annonce	Cotation à la bourse de Hong Kong
Pipeline phare	Rentosertib (ISM001-055) - Indication FPI, est entré dans les essais cliniques de phase III
Principaux partenariats	Eli Lilly (2,75 milliards de dollars), Takeda, SK Biopharm (2,5 milliards de dollars), Sanofi
Résultats du premier semestre 2026	Avertissement sur les bénéfices (bénéfice positif)
Bureaux mondiaux	Hong Kong, Boston, Shanghai, Abou Dhabi
Établi	2014
Fondateur	Alex Javoronkov
Honneurs de l'industrie	Fast Company classée parmi les entreprises de biotechnologie les plus innovantes au monde en 2024

Insilico Medicine est l'une des rares entreprises dans le domaine des produits pharmaceutiques d'IA à posséder les trois éléments suivants : « une plateforme technologique complète + son propre pipeline clinique + une coopération avec les plus grandes sociétés pharmaceutiques multinationales ». En 2026, le cheminement de son médicament phare Rentosertib, de la découverte de l'IA aux essais cliniques de phase III, a vérifié la faisabilité du modèle de bout en bout de découverte de médicaments contre l'IA, et a en même temps réalisé une monétisation commerciale grâce à une coopération avec des géants tels que Eli Lilly et Takeda.

Reconnaissance des utilisateurs et du marché

• Étape clinique de Phase III : Rentosertib (ISM001-055, pour le traitement de la fibrose pulmonaire idiopathique IPF) est le principal actif du pipeline d'Insilico. Le médicament est entièrement piloté par la plateforme Pharma.ai, depuis la découverte de cibles d'IA (PandaOmics) jusqu'à la conception moléculaire d'IA (Chemistry42). Les essais cliniques de phase III seront lancés en juillet 2026. Il s’agit de l’un des principaux pipelines découverts par les plateformes d’IA et entrant dans les essais cliniques de phase III dans le monde.
• Coopération stratégique d'Eli Lilly de 2,75 milliards de dollars : En mars 2026, Eli Lilly a signé un accord mondial de coopération en R&D avec Insilico, avec un paiement initial de 115 millions de dollars américains et une valeur potentielle totale de 2,75 milliards de dollars américains. La collaboration se concentre sur le développement de thérapies orales à l’aide de la plateforme Pharma.ai. Il s’agit de l’une des plus grandes collaborations dans le domaine pharmaceutique de l’IA et du plus haut niveau de validation commerciale des capacités techniques d’Insilico.
• Réseau de coopération de grandes sociétés pharmaceutiques : outre Lilly, de nombreuses grandes sociétés pharmaceutiques telles que Takeda (coopération annoncée en juillet 2026), SK Biopharmaceuticals (coopération de 2,5 milliards de dollars, axée sur les maladies neuro-immunes), Sanofi et d'autres grandes sociétés pharmaceutiques ont établi une coopération en R&D avec Insilico. Les partenaires couvrent l'Asie, l'Europe et l'Amérique du Nord.
• Impact académique : Insilico a publié un grand nombre d'articles liés à la découverte de médicaments liés à l'IA dans des revues de premier plan telles que Nature Reviews Drug Discovery, ACS Central Science et Nature Communications. Le concept « Prompt-to-Drug » co-proposé avec Lilly a été publié dans ACS Central Science, décrivant la vision d'un développement entièrement autonome de médicaments contre l'IA.
• Reconnaissance institutionnelle : Fast Company désigne Insilico comme l'entreprise de biotechnologie la plus innovante au monde en 2024.

Avantage de coût

Côté C/Individuel : Sans objet. Insilico ne fournit pas de produits ou de services aux particuliers.

Développeurs/API : La plateforme Pharma.ai n'ouvre pas l'accès API aux développeurs indépendants. Les universitaires peuvent obtenir un accès partiel à la plateforme grâce à des accords de recherche collaborative. Pour les chercheurs en chimie computationnelle et en bioinformatique, certains articles et codes publiés par Insilico fournissent des pistes techniques de référence.

Entreprise/Privé : Pharma.ai est utilisé par les sociétés pharmaceutiques dans le cadre de partenariats stratégiques ou de modèles de licence de plateforme. Le cadre de coopération comprend : l'accès à une plateforme de paiement par projet (services d'analyse d'IA pour des cibles ou des domaines de maladie spécifiques), une collaboration de bout en bout en matière de pipeline (co-développement de candidats médicaments pour des indications spécifiques, comprenant généralement un paiement initial + un jalon + une part des ventes) et des licences technologiques de plateforme (telles que des licences par siège ou par projet pour la chimie42). La collaboration de 2,75 milliards de dollars avec Eli Lilly est un exemple classique de collaboration de bout en bout en matière de pipeline. Les entreprises doivent vérifier avant de coopérer : l'exactitude des prévisions historiques de la plateforme Pharma.ai dans le domaine de la maladie cible, les conditions de coopération, les droits d'utilisation de la propriété intellectuelle et des données, ainsi que les plans de transfert de technologie et de transfert de connaissances.

Fonctions principales

• PandaOmics (target Discovery) : Intégrez des données multi-omiques (génome, transcriptome, protéome, épigénome) et de l'exploration de la littérature, et utilisez l'apprentissage profond et les graphiques de connaissances pour découvrir de nouvelles cibles liées aux maladies. Prend en charge l’analyse des associations maladie-cible-médicament, l’évaluation de la pharmacobilité des cibles et la priorisation. Le framework TargetPro-TargetBench, lancé en mars 2026, fournit un benchmark standardisé de validation des cibles.
• Chemistry42 (Generative Chemistry) : Une plateforme de conception moléculaire basée sur l'IA générative (GANs, enhancement learning Transformer). Entrez la structure cible ou les contraintes pharmacophores et générez automatiquement de nouvelles structures moléculaires avec les propriétés pharmacologiques souhaitées. Prend en charge l'optimisation multi-paramètres (activité, sélectivité ADMET, synthétisabilité) et peut optimiser simultanément les propriétés moléculaires dans plus de 10 dimensions. Plusieurs molécules conçues grâce à Chemistry42 sont entrées en clinique.
• inClinico (prédiction des essais cliniques) : l'IA prédit la probabilité de succès des candidats médicaments après leur entrée dans les essais cliniques. Intégrez des données multi-sources telles que la biologie des maladies, la pharmacologie et la conception d'essais cliniques pour générer des estimations de probabilité de transition de la phase II à la phase III. Aider les sociétés pharmaceutiques à sélectionner les projets à haut risque au stade préclinique.
• Produits biologiques génératifs : utilisez l'IA pour concevoir des médicaments macromoléculaires tels que des anticorps et des protéines de fusion. À partir des informations sur l’épitope cible, des macromolécules candidates présentant une affinité et une exploitabilité optimisées sont générées.
• PandaClaw & LabClaw (Agentic AI + Automation Laboratory) : la nouvelle plateforme d'agents d'IA (PandaClaw) en 2026 peut concevoir indépendamment des plans expérimentaux, analyser les résultats et proposer la prochaine série d'hypothèses. LabClaw est un système de laboratoire intelligent qui connecte la prise de décision de l'IA au matériel expérimental automatisé pour réaliser l'intégration de « l'expérience de conception-robotique de l'IA ».

Evolution du modèle et de la version

Jalons de la ligne principale

• 2014 — Création d'Insilico Medicine : Alex Zhavoronkov a fondé la société à Hong Kong.
• 2016 — Début de l'application de l'IA générative : l'une des premières équipes à appliquer le GAN (Generative Adversarial Network) à la génération de molécules.
• 2020 — Chemistry42 Release : La plateforme de chimie générative est officiellement lancée et devient l'un des produits phares d'Insilico.
• 2021 — La première molécule candidate d'IA entre dans les essais cliniques : Rentosertib devient le premier candidat médicament d'Insilico entièrement découvert par l'IA et entré dans les essais cliniques.
• 2023 — Pharma.ai v4.0 : Intégrant le module de prédiction d'essais cliniques inClinico, la plateforme couvre la découverte de cibles jusqu'à la prédiction clinique.
• 2024 — Entreprise innovante de l'année Fast Company : nommée entreprise de biotechnologie la plus innovante au monde.
• Mars 2026 — Coopération de 2,75 milliards de dollars avec Eli Lilly : Signature de la plus grande coopération avec Lilly et publication du document conceptuel « Prompt-to-Drug » en même temps.
• Juin 2026 — Sortie de PandaClaw et LabClaw : La plateforme d'expérimentation automatisée Agentic AI + est en ligne.
• Juillet 2026 — Lancement de phase III de Rentosertib : le principal médicament découvert par l'IA au monde entre dans les essais cliniques de phase III.

Avantages techniques

• Mécanisme - Effet - Scénario : La chaîne technologique d'Insilico couvre les trois domaines de "découverte de cibles (l'IA déduit la causalité) -> génération de molécules (l'IA générative explore l'espace chimique) -> prédiction clinique (le ML évalue le taux de réussite)". Prenons Rentosertib comme exemple : PandaOmics a identifié la TNIK (kinase interagissant avec Traf2 et Nck) comme une cible clé de la fibrose en analysant les données omiques des patients atteints de FPI ; Chemistry42 a généré des milliers de molécules candidates sous les contraintes du site actif de TNIK et a éliminé ISM001-055 grâce à une optimisation multiparamétrique ; cette molécule a démontré une amélioration de la fonction pulmonaire dans des modèles précliniques et des essais cliniques de phase IIa. En effet, il faut environ 18 mois entre la découverte de la cible et l’obtention du composé candidat clinique (PCC), alors que les méthodes traditionnelles prennent généralement de 3 à 5 ans. Scénarios applicables : maladies complexes (fibrose, maladies neurodégénératives, maladies rares) pour lesquelles il manque des cibles médicamenteuses claires, ainsi que de nouveaux projets de médicaments qui nécessitent de trouver rapidement des composés phares.
• Une combinaison profonde d'IA générative et d'apprentissage par renforcement : Chemistry42 utilise des réseaux contradictoires génératifs (GAN) et l'apprentissage par renforcement (RL) pour naviguer dans l'espace chimique. Les GAN sont responsables de la génération de nouvelles molécules dotées des propriétés souhaitées, et RL est responsable de l'optimisation des propriétés multidimensionnelles (activité, sélectivité DMPK, toxicité) parmi des millions de molécules candidates. Cette combinaison permet à l’algorithme d’explorer un espace chimique de plus de 10^30 molécules en très peu de temps.
• Découverte autonome de médicaments « Prompt-to-Drug » : cadre conceptuel co-proposé avec Lilly décrivant un pipeline d'IA entièrement autonome depuis la description de la maladie en entrée (« Prompt ») jusqu'à la sortie de composés cliniques candidats. Bien qu’il soit encore loin d’être pleinement réalisé, il reflète la vision technique et l’orientation architecturale d’Insilico pour la forme ultime de produits pharmaceutiques IA.
• Intégration de données multimodales : la plateforme Pharma.ai intègre plus de dix modalités de données telles que la génomique, la transcriptomique, la protéomique, la structure chimique, les données d'essais cliniques et la littérature médicale. L'alignement des fonctionnalités intermodales et la fusion des connaissances sont les principaux défis techniques de la plateforme.

et les obstacles à la concurrence.

Comment utiliser

• Client Web : Vous pouvez l'utiliser en visitant le site officiel et en créant un compte. La plupart des fonctions ne nécessitent pas d'installation.
• Accès API : fournit une API RESTful, les développeurs peuvent obtenir la clé API et l'intégrer dans leurs propres applications.

Prix des produits

Insilico ne propose pas de tarification standard et son modèle économique est basé sur la valeur du pipeline et les revenus du partenariat :

• Pipeline en propriété : La valeur des pipelines en propriété tels que Rentosertib sera réalisée grâce à une commercialisation future, et les prix attendus ne sont pas divulgués.
• Acompte pour la coopération : L'acompte pour une coopération à grande échelle se situe généralement entre des dizaines de millions et des centaines de millions de dollars (comme l'acompte de 115 millions de dollars de Lilly).
• Étapes R&D et commerciales : paiements échelonnés pour les pipelines de coopération, tels que les paiements déclenchés à des nœuds tels que le début des essais cliniques et l'approbation pour la commercialisation.
• Part des ventes : part des ventes nettes d'un produit commercialisé (généralement un pourcentage élevé à un chiffre ou un pourcentage faible à deux chiffres).
• Frais de licence de plateforme : frais annuels fixes pour une licence de plateforme à durée limitée (niveau de prix non divulgué).

Scénarios d'application

• Découverte de médicaments dans les maladies fibrotiques : Le succès d'Insilico dans la FPI démontre l'efficacité de la découverte de cibles par l'IA dans le domaine de la fibrose. Le parcours de Rentosertib, depuis la découverte de cibles jusqu'aux essais cliniques de phase III, fournit un modèle « d'abord basé sur l'IA » pour le suivi de la fibrose. Déduction : TNIK, une nouvelle cible découverte par l'IA, n'a pas reçu suffisamment d'attention de la part de l'industrie pharmaceutique dans le domaine de la FPI, ce qui indique que l'IA peut découvrir des facteurs de maladie à partir de données omiques que les experts humains ont ignorées.
• Conception moléculaire de cibles difficiles à traiter (telles que KRAS) : L'inhibiteur pan-KRAS d'Insilico, ISM6166, a démontré une inhibition préclinique des tumeurs mutées par KRAS « non médicamentables ». La chimie générative de Chemistry42 peut partir des structures protéiques pour générer de nouveaux échafaudages moléculaires ciblant les sites de liaison plats, une caractéristique typique de KRAS. Les approches traditionnelles de chimie médicinale ont progressé lentement sur ces cibles.
• Recherche sur le vieillissement et la longévité : grâce à PreciousGPT (un modèle fondamental du vieillissement) et au Longevity Board, Insilico applique la découverte de médicaments basés sur l'IA aux maladies liées au vieillissement. Le premier modèle de fondation d'IA scientifique sur la longévité de l'industrie, développé en partenariat avec Human Longevity, explore la découverte de nouvelles cibles d'intervention thérapeutique issues de la biologie du vieillissement.

Personnes concernées

• Équipes de R&D et de développement commercial de grandes sociétés pharmaceutiques : acquérir des capacités de découverte de cibles et de conception moléculaire basées sur l'IA pour accélérer les pipelines internes grâce à une collaboration avec Insilico. Conditions préalables : Les partenaires doivent disposer de capacités internes en matière de validation de cibles et de développement clinique.
• Équipe de direction de l'entreprise de biotechnologie : exploitez la plateforme d'IA d'Insilico pour accélérer le processus de la cible au PCC, réduisant ainsi le temps et le coût de la R&D initiale. Sans objet : petites entreprises de biotechnologie virtuelle dépourvues de validation de cibles et de capacités expérimentales in vitro/in vivo.
• Chercheurs dans le domaine de la découverte de médicaments liés à l'IA : Les articles et rapports techniques publiés par Insilico (tels que TargetPro-TargetBench, Prompt-to-Drug) fournissent des références précieuses pour la communauté universitaire. Mais c’est différent d’utiliser directement la plateforme.

Limite inappropriée : la plateforme d'Insilico ne fournit pas d'API standardisées ni de services SaaS en libre-service ; pour les projets d'optimisation avec des cibles claires et des composés principaux matures, les méthodes traditionnelles de chimie médicinale peuvent être plus rapides ; les molécules candidates prédites par l’IA nécessitent encore une vérification expérimentale approfondie en termes de faisabilité synthétique, d’efficacité et de sécurité in vivo, et aucune étape expérimentale ne peut être ignorée.

Résumé et Outlook

Insilico Medicine a établi son leadership dans la découverte de bout en bout de médicaments contre l'IA grâce à la plateforme Pharma.ai et à l'avancement clinique de Rentosertib. Une coopération de haut niveau avec Eli Lilly et Takeda et un avertissement sur résultats positif pour le premier semestre 2026 indiquent que ses capacités techniques ont été pleinement vérifiées par le marché et l'industrie. Le processus complet, depuis la découverte de la cible jusqu'aux essais cliniques de phase III, prouve la faisabilité de la découverte de médicaments « d'abord par l'IA », du concept à la réalité.

Limites et incertitudes actuelles : Les résultats cliniques de phase III de Rentosertib n'ont pas encore été levés en aveugle, et la valeur clinique finale des médicaments découverts par l'IA n'a pas encore été entièrement vérifiée ; la précision des prédictions de la plateforme Pharma.ai dans différents domaines de maladies nécessite davantage d’accumulation de données ; les fluctuations de la valorisation globale de l'industrie pharmaceutique de l'IA peuvent affecter les performances du marché des capitaux et les capacités de financement d'Insilico. Les partenaires potentiels doivent clarifier la propriété des droits de propriété intellectuelle (en particulier la propriété des molécules générées par l'IA), les conditions d'utilisation des données et le plan final de répartition des droits de commercialisation avant de signer un accord.

Outils associés : Visage câlin, replicate

Comment utiliser la médecine Insilico

Pharma.ai est destiné à un usage interne et aux partenaires et ne propose pas d'enregistrement public en libre-service :

1. R&D interne : L'équipe scientifique d'Insilico utilise Pharma.ai pour la découverte de cibles, la conception moléculaire et la prédiction clinique de son propre pipeline.
2. Coopération d'entreprise : les sociétés pharmaceutiques accèdent à Pharma.ai via des accords de développement coopératif. Les partenaires proposent des domaines de maladies et des besoins, et l'équipe Insilico effectue des analyses sur la plateforme et fournit des recommandations cibles ou des molécules candidates.
3. Licence de plateforme : certains modules (tels que Chemistry42) peuvent être concédés sous licence à des scientifiques partenaires pour une utilisation directe via une licence de plateforme à durée limitée (formation et assistance requises).
4. Collaboration universitaire : les universitaires accèdent à certaines capacités de la plateforme par le biais de projets de recherche conjoints, généralement axés sur la découverte de cibles ou la validation de la conception moléculaire pour des maladies spécifiques.

Informations de version

• Mise à jour Pharma.ai 2026 Q2 ：Ajout de PandaClaw (plateforme de biologie Agentic AI), LabClaw (système de laboratoire intelligent) et de mises à niveau du module de biologie générative. Il n’y a pas encore de date officielle précise. （~2026-06）
• pharma.amour 2025 ：Intégrez PreciousGPT (IA pour la recherche sur le vieillissement) et ajoutez Science42:DORA (aide à la recherche et au développement générative). Il n’y a pas encore de date officielle précise. （~2025-06）
• Pharma.ai v4.0 ：La capacité de Chemistry42 à générer des produits chimiques a été considérablement améliorée et le module de prédiction des essais cliniques inClinico a été lancé. Il n’y a pas encore de date officielle précise. （~2023-09）