ArcaScience lance Flow, plateforme IA pour médicaments

ArcaScience commercialise Flow, une plateforme d’IA conçue pour aider les laboratoires pharmaceutiques et biotechs à analyser le rapport bénéfice-risque des médicaments en développement, à affiner leur positionnement clinique et à préparer des contenus réglementaires. L’entreprise met en avant une base de connaissances de 100 milliards de points de données biomédicales, 24 modèles spécialisés et une étude comparative montrant des performances supérieures à celles de grands LLM généralistes sur des tâches critiques de pharmacovigilance et d’évaluation clinique.

Cette annonce est importante parce qu’elle touche l’un des goulets d’étranglement les plus coûteux de l’industrie pharmaceutique : la décision de poursuivre, repositionner ou arrêter un candidat-médicament. Avec des cycles de développement qui dépassent souvent dix ans, un taux d’échec proche de 90 % et des coûts pouvant atteindre plusieurs milliards de dollars par médicament approuvé, une meilleure lecture du bénéfice-risque peut modifier la trajectoire économique d’un programme. Les marchés concernés vont au-delà de la pharma : biotechnologies, CRO, pharmacovigilance, affaires réglementaires, logiciels d’IA pour les sciences de la vie, données biomédicales et evidence generation. Pour les entrepreneurs de l’innovation, Flow illustre aussi une tendance forte : les outils d’IA les plus utiles en santé ne sont pas toujours les modèles généralistes les plus puissants, mais des systèmes spécialisés, traçables et alignés avec les contraintes réglementaires. La promesse est donc autant opérationnelle que stratégique : réduire l’incertitude, accélérer les arbitrages et renforcer la qualité des dossiers soumis aux autorités.

Flow veut transformer l’évaluation bénéfice-risque en outil de décision continu

ArcaScience annonce le lancement commercial de Flow, son espace de travail logiciel dédié à l’évaluation du rapport bénéfice-risque des médicaments en développement. La plateforme a été conçue et améliorée avec plusieurs acteurs pharmaceutiques internationaux, parmi lesquels Sanofi, Pfizer, AstraZeneca, GSK et Biocodex. Elle vise un problème central du développement clinique : comment déterminer, avec des données fragmentées et évolutives, dans quelle population, à quel stade de la maladie et face à quelles alternatives un candidat-médicament a les meilleures chances de démontrer une valeur médicale nette.

Dans l’industrie pharmaceutique, la notion de bénéfice-risque ne se limite pas à comparer l’efficacité et les effets indésirables. Elle intègre la gravité de la maladie, les besoins médicaux non couverts, les traitements déjà disponibles, les sous-populations susceptibles de mieux répondre, la tolérance acceptable selon le contexte clinique, la robustesse statistique des essais, les signaux de sécurité et les exigences des autorités. Une molécule peut ainsi être peu convaincante dans une indication large, mais très pertinente dans une niche clinique mieux définie, par exemple chez des patients en impasse thérapeutique ou porteurs d’un biomarqueur spécifique.

Flow cherche à rendre cette analyse dynamique, interactive et documentée. Plutôt que de produire un rapport statique à partir de requêtes isolées, la plateforme permet aux équipes de développement clinique, de sécurité, de pharmacovigilance et d’affaires réglementaires d’explorer différentes hypothèses de positionnement. L’objectif est d’identifier les zones où le candidat présente la meilleure balance entre efficacité attendue, tolérance, différenciation concurrentielle et acceptabilité réglementaire.

Pourquoi le bénéfice-risque devient un enjeu économique majeur

Le développement d’un médicament reste l’un des processus d’innovation les plus risqués. Entre la découverte, les études précliniques, les phases I, II et III, puis l’examen réglementaire, le parcours dépasse fréquemment une décennie. Les estimations sectorielles situent le coût total d’un médicament approuvé autour de plusieurs milliards de dollars lorsque l’on inclut les échecs, le coût du capital et les programmes abandonnés en cours de route.

Dans ce contexte, une mauvaise décision de positionnement peut détruire une valeur considérable. Un essai de phase III lancé trop largement, une population mal segmentée, un comparateur mal choisi ou un critère d’évaluation insuffisamment aligné avec les attentes des cliniciens et des régulateurs peuvent compromettre un actif pourtant biologiquement prometteur. À l’inverse, une lecture plus fine des données peut orienter un programme vers une indication plus réaliste, améliorer la conception des essais et renforcer la probabilité d’un avis favorable.

Les autorités telles que la FDA et l’EMA exigent une démonstration argumentée du rapport bénéfice-risque, en particulier lorsque des alternatives thérapeutiques existent déjà. Les cadres réglementaires comme les rapports périodiques de sécurité PSUR/PBRER, les plans de gestion des risques RMP, les modules eCTD ou les recommandations ICH, notamment ICH E2C(R2) pour les rapports périodiques, imposent une documentation claire, traçable et révisable. Les équipes doivent pouvoir expliquer non seulement ce qu’elles savent, mais aussi d’où viennent les preuves, quels signaux restent incertains et comment les risques seront surveillés après l’autorisation.

Une architecture d’IA spécialisée plutôt qu’un simple LLM généraliste

La proposition technologique d’ArcaScience repose sur une architecture baptisée Ensemble-AI, combinant 24 modèles spécialisés et une base de connaissances biomédicales structurée autour de 100 milliards de points de données. Cette approche diffère d’un usage classique des grands modèles de langage généralistes, souvent performants pour synthétiser du texte mais plus difficiles à contrôler lorsqu’il faut garantir l’exhaustivité, la reproductibilité et l’attribution précise des sources.

Dans les sciences de la vie, une réponse utile doit être vérifiable. Une affirmation sur un effet indésirable, une population à risque, une interaction médicamenteuse ou un signal émergent doit pouvoir être reliée à un article, un registre, un rapport d’essai, une base de pharmacovigilance ou une documentation réglementaire. C’est pourquoi ArcaScience met en avant son approche Exact & Explainable AI, censée fournir des réponses déterministes : une même requête produit le même résultat, avec une traçabilité jusqu’au passage source utilisé.

Cette caractéristique est importante pour les usages réglementaires et qualité. Dans un environnement soumis aux bonnes pratiques cliniques, aux exigences de pharmacovigilance et aux audits, un système qui varie fortement d’une interrogation à l’autre peut devenir difficile à valider. Les entreprises pharmaceutiques ont besoin de pistes d’audit, d’une gouvernance des versions, d’une justification des sources et d’un contrôle du risque d’hallucination. Flow se positionne précisément sur cette frontière entre productivité par l’IA et exigences de conformité.

Des millions de scénarios pour mieux positionner un médicament

Flow permet aux équipes de simuler et d’analyser de nombreuses configurations de développement. Ces configurations peuvent combiner une indication, une sous-population, un profil de tolérance, un comparateur, une séquence thérapeutique, un critère d’évaluation clinique, une durée de traitement ou encore un niveau d’incertitude acceptable. L’intérêt n’est pas de remplacer le jugement médical, mais d’aider les décideurs à voir plus tôt les angles morts et les opportunités.

Un cas d’usage typique concerne un candidat dont les premiers résultats montrent une efficacité modérée dans une population large, mais un signal plus net dans un sous-groupe. La plateforme peut aider à relier ce signal à la littérature existante, aux mécanismes biologiques connus, aux événements indésirables observés avec des molécules comparables et aux attentes réglementaires dans l’indication. L’équipe peut alors décider de modifier le plan de développement, d’ajouter des analyses exploratoires, de préciser une stratégie de biomarqueurs ou de renforcer la surveillance d’un risque spécifique.

Autre cas fréquent : la comparaison avec le standard of care. Un médicament ne sera pas évalué dans le vide. Sa valeur dépend de ce que les patients reçoivent déjà, de l’efficacité des traitements concurrents, de leur sécurité, de leur coût, de leur mode d’administration et de leur adoption clinique. En agrégeant des données biomédicales et réglementaires, Flow veut aider les laboratoires à formuler une thèse de différenciation plus solide.

Un outil pensé pour les dossiers réglementaires et le cycle de vie produit

ArcaScience présente Flow comme une plateforme capable d’aller au-delà de l’analyse amont. L’outil peut générer des contenus destinés aux dossiers réglementaires, notamment des sections liées au bénéfice-risque dans les PSUR/PBRER, les RMP et le Module 2.5 de l’eCTD, qui correspond à la synthèse clinique. Cette automatisation ne supprime pas la revue experte, mais elle peut réduire considérablement le temps nécessaire pour compiler les preuves, structurer les arguments et préparer une documentation cohérente.

Le bénéfice-risque n’est pas figé au moment de l’autorisation de mise sur le marché. Il évolue avec les résultats d’essais complémentaires, les données en vie réelle, les signalements de pharmacovigilance, les extensions d’indication, l’arrivée de concurrents ou les modifications de recommandations médicales. Une plateforme qui réévalue régulièrement le positionnement d’un médicament peut donc servir pendant tout le cycle de vie du produit, depuis la phase de développement jusqu’à la surveillance post-commercialisation.

Pour les biotechs, l’enjeu est également financier. Un actif mieux documenté, avec une stratégie de développement plus lisible, peut renforcer une discussion avec des investisseurs, un partenaire pharmaceutique ou un acquéreur potentiel. Pour les grands laboratoires, la valeur se situe dans la priorisation du portefeuille, l’optimisation des essais et la réduction des risques avant des investissements cliniques massifs.

Un benchmark qui met en avant le rappel, le coût et la traçabilité

En parallèle du lancement commercial, ArcaScience publie une étude comparative intitulée BRB-C v3.7 Benchmark Evaluation. Elle compare les performances de son architecture à cinq API de LLM généralistes de pointe sur des tâches liées à l’identification et à l’analyse de profils de risque. Le benchmark a été construit dans le cadre de travaux menés avec de grands groupes pharmaceutiques et a fait l’objet d’une revue qualitative indépendante par inExtenso.

L’un des résultats mis en avant concerne le rappel des concepts liés aux effets indésirables. ArcaScience indique avoir identifié 104 concepts sur 108, soit 96,3 % de rappel, contre 70 concepts, soit 64,8 %, pour le modèle généraliste le plus proche dans cette comparaison. Dans un contexte clinique, le rappel est crucial : manquer un signal de sécurité important peut avoir des conséquences médicales, réglementaires et économiques majeures.

L’étude insiste aussi sur l’efficacité économique à grande échelle. Dans un scénario portant sur 30 millions d’articles répartis sur 16 familles de cibles, le coût maximal sans cache annoncé pour ArcaScience atteint 0,0162 dollar par article, avec un coût total de programme estimé entre 486 000 dollars et 1,78 million de dollars. Les traitements équivalents via certaines API généralistes peuvent, selon l’étude, atteindre plusieurs millions, voire plus de 18 millions de dollars dans le cas le plus élevé cité. Pour une entreprise qui traite en continu de vastes corpus scientifiques, la différence de coût d’inférence devient un facteur stratégique.

Le troisième point concerne les arbitrages techniques. Les modèles généralistes peuvent produire des synthèses fluides, mais ils ne garantissent pas toujours un lien robuste entre chaque information et sa source. ArcaScience affirme que son architecture de filtrage par article permet de préserver l’attribution documentaire, de limiter la charge d’analyse manuelle et de maintenir un haut niveau de rappel clinique validé.

Une commercialisation destinée aux acteurs pharmaceutiques mondiaux

Flow est désormais disponible pour les entreprises pharmaceutiques, les biotechs et les équipes réglementaires. ArcaScience revendique plus de 20 clients dans l’industrie, dont Sanofi, AstraZeneca, GSK, Takeda, ICON et le Paris Brain Institute. Ses solutions ont déjà été mobilisées dans des travaux portant sur plus de 70 000 patients atteints de maladies chroniques de la peau et sont utilisées dans des contextes d’opérations cliniques et de pharmacovigilance.

L’entreprise avait également été sollicitée par les pouvoirs publics français pendant la crise du COVID-19 pour structurer le corpus de connaissances scientifiques sur le virus. En septembre 2025, elle a levé 7 millions de dollars lors d’un tour mené par The Moon Venture, avec la participation de Pléiade Venture, Plug&Play Ventures, Bpifrance et AKKA Technologies.

Pour le marché, le lancement de Flow confirme l’émergence d’une nouvelle génération de logiciels d’IA en santé : non plus des assistants génériques, mais des plateformes verticalisées, conçues autour de problèmes métiers à fort enjeu. Dans le développement pharmaceutique, la valeur ne vient pas seulement de la vitesse de synthèse, mais de la capacité à produire une analyse traçable, reproductible, défendable et directement exploitable devant les comités internes comme devant les autorités.