L’effet volant d’inertie : comment l’IA remodèle les soins de santé fondés sur la génétique

Amazon, OpenAI, Google, Anthropic et NVIDIA sont mentionnés pour décrire des développements dans l’intelligence artificielle et les sciences de la vie. Ces entreprises ne sont pas détenues par le VanEck Genomics and Healthcare Innovators UCITS ETF au moment de la rédaction. Les références à des entreprises spécifiques ne constituent pas un conseil en investissement ni une sollicitation à acheter ou vendre un titre.

Le changement le plus déterminant observé récemment dans les sciences de la vie n’est peut-être ni l’approbation d’un médicament, ni la publication de résultats d’essais cliniques, ni une étape réglementaire. Il s’agit de quelque chose de plus structurel : l’intelligence artificielle n’est plus simplement un autre outil logiciel à la disposition des chercheurs. Elle commence à s’imposer comme une partie de l’infrastructure de recherche par laquelle la médecine génétique est conçue, validée et développée.

L’IA devient une infrastructure de recherche

En moins de trois mois — entre le 14 avril et le 30 juin 2026 — quatre des plus grands développeurs d’IA au monde, parmi les mieux capitalisés, ont lancé des plateformes dédiées aux sciences de la vie : Amazon, OpenAI, Google et Anthropic. Amazon Bio Discovery est arrivé le 14 avril 2026¹, une plateforme cloud alimentée par l’IA qui unifie l’ingestion de données biologiques, la sélection de modèles d’IA et l’intégration des flux de travail de laboratoire dans un environnement unique. Deux jours plus tard, OpenAI a lancé GPT-Rosalind², un modèle de raisonnement de pointe conçu spécifiquement pour la biologie, la découverte de médicaments et la recherche médicale. Google a suivi le 20 mai 2026 avec Gemini for Science³, un environnement de recherche scientifique plus large dont les capacités en sciences de la vie s’appuient sur des outils tels qu’AlphaFold, AlphaGenome et AlphaMissense. Et le 30 juin 2026, Anthropic a lancé Claude Science⁴, un atelier d’IA dédié conçu pour aider les chercheurs à analyser des données génétiques, cellulaires, protéiques et chimiques à l’aide de plus de 60 bases de données scientifiques et du BioNeMo Agent Toolkit de NVIDIA.

NVIDIA elle-même s’était positionnée encore plus tôt. BioNeMo — lancé pour la première fois en juin 2023⁵ et considérablement étendu en 2025 et 2026 — occupe une position concurrentielle distincte et sans doute plus durable que celle de n’importe lequel de ses rivaux de la couche applicative.

Ce qui rend ce moment structurellement différent des précédentes vagues d’adoption technologique dans les sciences de la vie, ce n’est pas le degré de sophistication de telle ou telle plateforme. C’est leur simultanéité. Ces entreprises, ayant accès à des capitaux importants, à une infrastructure informatique de premier plan et à des talents de recherche, sont parvenues indépendamment à la conclusion que les sciences de la vie représentent une frontière stratégique majeure pour l’IA. Ce consensus n’est pas fortuit. Il reflète la convergence de trois conditions préalables désormais réunies simultanément : des ensembles de données biologiques suffisamment vastes pour entraîner des modèles pertinents, des architectures d’IA suffisamment puissantes pour extraire du signal de ces ensembles de données, et un environnement clinique et réglementaire dans lequel l’IA est de plus en plus utilisée tout au long du cycle de développement des médicaments, y compris dans les soumissions destinées à étayer la prise de décision réglementaire⁶. La dynamique concurrentielle entre ces plateformes sera importante et reste encore à définir.

L’exposition de notre ETF Genomics à ce cycle

L’opportunité d’investissement créée par la course aux plateformes d’IA de 2026 va bien au-delà de l’identification de l’unique entreprise technologique qui s’imposera comme le grand gagnant de l’IA appliquée aux sciences de la vie. Cette question — Google contre OpenAI ou Anthropic contre Amazon — reste véritablement ouverte et pourrait le rester pendant des années. L’observation la plus intéressante sur le plan structurel pour les investisseurs est que chaque plateforme en compétition dans cette course s’appuie sur le même écosystème sous-jacent, et que le VanEck Genomics and Healthcare Innovators UCITS ETF (Ticker : CURE) est conçu pour capter plusieurs composantes de cet écosystème, tout en bénéficiant simultanément des capacités d’IA que ces plateformes déploient.

L’ETF suit l’indice MVIS® Global Future Healthcare ESG, qui couvre un éventail plus large de thèmes d’innovation dans la santé, notamment des entreprises tirant des revenus de thérapies fondées sur la génétique, des plateformes technologiques qui les rendent possibles, ainsi que des équipements et services de laboratoire associés⁷. Cette construction en trois couches correspond à des parties essentielles de l’infrastructure plus large qui soutient les sciences de la vie renforcées par l’IA, ainsi qu’à des domaines dans lesquels l’IA peut générer des avantages commerciaux mesurables.

Il convient de noter que la relation entre l’IA et les soins de santé fondés sur la génétique n’est pas une chaîne de valeur linéaire. Il s’agit d’un cycle auto-renforçant.

Source : données internes de VanEck.

1. Le cycle commence par le séquençage. À mesure que le coût de lecture de l’ADN continue de diminuer⁸, sous l’effet d’avancées telles que les améliorations des instruments d’Illumina⁹, les technologies unicellulaires de 10x Genomics¹⁰ et les capacités de lecture longue d’Oxford Nanopore¹¹, davantage de données biologiques sont générées sur un plus grand nombre de patients, de types de tissus et de contextes pathologiques. Cet ensemble de données en expansion constitue la matière première sur laquelle les plateformes d’IA sont entraînées. Claude Science, GPT-Rosalind, Gemini for Science et BioNeMo développent leurs capacités en sciences de la vie précisément à partir de cet ensemble croissant de données biologiques, comprenant notamment les résultats de séquençage, les dossiers cliniques et les profils moléculaires.
2. Des modèles d’IA mieux entraînés améliorent ensuite la couche diagnostique. Des entreprises comme Natera, Guardant Health, QIAGEN et Adaptive Biotechnologies utilisent des analyses renforcées par l’IA et des données de séquençage pour extraire des signaux cliniquement plus pertinents à partir d’informations biologiques, améliorant ainsi la détection précoce du cancer¹², la sélection des traitements¹³ et la stratification des patients¹⁴.
3. Ces connaissances diagnostiques alimentent directement le développement des thérapies : savoir quels patients portent une altération donnée, et dans certains cas en quelle quantité et dans quel tissu elle apparaît, peut aider à orienter la conception de traitements géniques spécifiques ou de vaccins personnalisés. À partir de là, l’IA pourrait accélérer chaque étape du pipeline — de l’identification des cibles et de la conception des molécules jusqu’à l’optimisation des essais cliniques et à la soumission réglementaire. Par exemple, Moderna affirme que son Scientific Intelligence Engine combine données, IA, apprentissage automatique, automatisation et robotique pour accélérer la découverte sur l’ensemble de sa plateforme d’ARNm¹⁵, tandis que la collaboration d’Alnylam avec Inceptive utilise l’IA générative pour accélérer la découverte de nouvelles thérapies fondées sur l’ARN¹⁶.
4. Le cycle se referme ensuite. Chaque thérapie qui atteint les patients génère de nouvelles données cliniques : réponse au traitement, mécanismes de résistance, dynamique des biomarqueurs, résultats à long terme. Ces données reviennent alimenter la couche de séquençage et de diagnostic, entraînant de meilleurs modèles, améliorant les thérapies futures et justifiant les investissements dans la prochaine génération d’instruments de séquençage. De cette manière, le cycle se renforce lui-même, et l’effet d’inertie s’accélère à chaque rotation.

En définitive, ce que fournit le VanEck Genomics ETF, dans son ensemble, n’est pas un pari sur une seule plateforme d’IA, une seule modalité thérapeutique ou un seul résultat clinique. Il offre plutôt une exposition diversifiée sur l’ensemble de la chaîne de valeur, où l’IA dépend à la fois de ces entreprises pour fonctionner et peut aussi créer pour elles des avantages commerciaux au passage — une relation bidirectionnelle susceptible de permettre au portefeuille de participer à la création de valeur dans différentes parties du cycle.

L’ampleur de l’opportunité

Sur la base des estimations actuelles de tiers¹⁷, l’intersection de marché entre l’IA et les soins de santé fondés sur la génétique pourrait connaître une expansion significative, bien qu’il s’agisse de projections et que la croissance réelle puisse différer sensiblement. Le marché mondial de l’IA en génomique était évalué à 1,2 milliard de dollars en 2025 et devrait atteindre 18,8 milliards de dollars d’ici 2033, avec un taux de croissance annuel composé (TCAC) estimé à 40,3 %.

Source : grandviewresearch.com/industry-analysis/ai-genomics-market-report. Investir comporte des risques, y compris la perte possible du capital.

Ce taux de croissance reflète les mêmes forces structurelles que celles décrites par le volant d’inertie : l’expansion des ensembles de données génomiques, l’accélération du développement des modèles d’IA et la hausse de la demande de thérapies de précision. Toutefois, la croissance future dépendra de facteurs tels que le succès clinique, la réglementation, la disponibilité des données, l’adoption par les prestataires de soins de santé et la capacité des entreprises à convertir les avancées scientifiques en produits commercialement viables.

Plus largement, le marché mondial de la médecine de précision était évalué à 116,6 milliards de dollars en 2025 et devrait atteindre 405,1 milliards de dollars d’ici 2033, avec un TCAC de 17,0 %¹⁸ selon des estimations de tiers. Ensemble, ces chiffres peuvent laisser penser que l’IA n’accélère pas simplement un marché existant — elle crée une couche distincte et à croissance plus rapide par-dessus celui-ci. Néanmoins, ces projections ne sont pas garanties et pourraient ne pas se matérialiser comme prévu, car des facteurs externes pourraient influencer sensiblement le résultat.

Parallèlement, l’environnement réglementaire évolue d’une manière susceptible de soutenir cette trajectoire. Historiquement, l’un des plus grands obstacles à l’accès des patients aux thérapies géniques a été la charge réglementaire : les développeurs devaient répéter depuis le début des études fondamentales coûteuses pour chaque nouveau produit, même lorsque la science sous-jacente était bien établie. La FDA a pris des mesures décisives pour remédier à cela en 2026, en publiant une série cohérente de lignes directrices¹⁹ destinées à rationaliser le développement des thérapies d’édition génétique et fondées sur l’ARN. Ces lignes directrices permettent aux développeurs de s’appuyer sur les connaissances scientifiques existantes, d’utiliser des données entre programmes connexes et d’éviter des tests répétés inutiles sans compromettre les normes de sécurité. Séparément, le projet de lignes directrices de la FDA sur l’intelligence artificielle²⁰ fournit un cadre d’évaluation de crédibilité fondé sur le risque pour les informations ou données générées par l’IA destinées à étayer la prise de décision réglementaire concernant la sécurité, l’efficacité ou la qualité des médicaments et produits biologiques, renforçant ainsi une voie plus claire pour le développement assisté par l’IA tout au long du cycle de vie des sciences de la vie.

Perspectives

Il est peu probable que l’intelligence artificielle transforme du jour au lendemain les soins de santé fondés sur la génétique, et toutes les initiatives en matière d’IA ne se traduiront pas par un succès commercial. L’histoire de l’adoption technologique dans les sciences de la vie est jalonnée d’outils qui ont accéléré la recherche sans accélérer proportionnellement les autorisations — et les goulets d’étranglement cliniques, réglementaires et industriels qui ont toujours défini ce secteur ne disparaissent pas simplement parce que la phase de découverte devient plus rapide. Les investisseurs doivent veiller à ne pas confondre gains de productivité de la recherche et revenus à court terme.

Cela étant dit, l’orientation demeure incertaine, bien que plusieurs conditions structurelles susceptibles de soutenir de nouveaux développements continuent de se renforcer. Les coûts de séquençage continuent de baisser. Les ensembles de données biologiques continuent de s’élargir. L’environnement réglementaire évolue. Et quatre des plus grands développeurs d’IA au monde ont engagé des plateformes dédiées et des capitaux importants dans le domaine des sciences de la vie sur une période de trois mois — une convergence qui reflète un intérêt croissant pour les applications potentielles de l’IA dans l’ensemble des sciences de la vie.