Comment l’IA refaçonne les soins de santé fondés sur la génétique

Amazon, OpenAI, Google, Anthropic et NVIDIA sont mentionnés afin d’illustrer des développements dans l’intelligence artificielle et les sciences de la vie. Ces entreprises ne sont pas détenues par VanEck Genomics and Healthcare Innovators UCITS ETF à la date de rédaction. Les références à des entreprises spécifiques ne constituent ni un conseil en investissement ni une sollicitation d’achat ou de vente d’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 est de nature plus structurelle : l’intelligence artificielle n’est plus un simple outil logiciel de plus à la disposition des chercheurs. Elle s’impose progressivement comme une composante de l’infrastructure de recherche à travers 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 développeurs d’IA les plus importants et les mieux capitalisés au monde ont lancé des plateformes dédiées aux sciences de la vie : Amazon, OpenAI, Google et Anthropic. Amazon Bio Discovery a vu le jour le 14 avril 2026¹: une plateforme cloud alimentée par l’IA qui réunit dans un environnement unique l’ingestion de données biologiques, la sélection de modèles d’IA et l’intégration des flux de travail de laboratoire. 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 reposent sur des outils tels qu’AlphaFold, AlphaGenome et AlphaMissense. Enfin, le 30 juin 2026, Anthropic a lancé Claude Science⁴, un espace de travail dédié, alimenté par l’IA, conçu pour aider les chercheurs à analyser des données génétiques, cellulaires, protéiques et chimiques à partir de plus de 60 bases de données scientifiques et du BioNeMo Agent Toolkit de NVIDIA.

NVIDIA, pour sa part, s’était positionnée plus tôt encore. BioNeMo — lancé pour la première fois en juin 2023⁵ puis 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 n’est pas le degré de sophistication de telle ou telle plateforme, mais leur simultanéité. Ces entreprises, qui disposent de capitaux considérables, d’une infrastructure informatique de premier plan et de talents de recherche, sont parvenues indépendamment à la même conclusion : 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 en extraire du signal, 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 dossiers destinés à étayer la prise de décision réglementaire⁶. La dynamique concurrentielle entre ces plateformes sera déterminante 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 la seule 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 — demeure 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 engagée dans cette course s’appuie sur le même écosystème sous-jacent, et que VanEck Genomics and Healthcare Innovators UCITS ETF (Ticker : CURE) est conçu pour capter plusieurs composantes de cet écosystème, tout en bénéficiant des capacités d’IA que ces plateformes déploient.

L’ETF réplique l’indice MVIS® Global Future Healthcare ESG, qui couvre un éventail plus large de thèmes d’innovation dans la santé : entreprises tirant des revenus de thérapies fondées sur la génétique, plateformes technologiques qui les rendent possibles, ainsi qu’équipements et services de laboratoire associés⁷. Cette construction en trois couches recoupe des composantes essentielles de l’infrastructure élargie qui soutient des sciences de la vie renforcées par l’IA, ainsi que 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 ne constitue 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 baisser⁸, sous l’effet d’avancées telles que les améliorations des instruments d’Illumina⁹, les technologies unicellulaires de 10x Genomics¹⁰ et les capacités de séquençage à lectures longues 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 ce volume croissant de données biologiques, qui comprend 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 exploitent 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 traitements¹³et 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 ciblés 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. Moderna affirme ainsi 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 mobilise 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 viennent à leur tour alimenter les couches de séquençage et de diagnostic, permettant d’entraîner de meilleurs modèles, d’améliorer les thérapies futures et de justifier les investissements dans la prochaine génération d’instruments de séquençage. Le cycle se renforce ainsi lui-même, et le volant d’inertie s’accélère à chaque tour.

En définitive, VanEck Genomics ETF ne représente pas, dans son ensemble, un pari sur une seule plateforme d’IA, une seule modalité thérapeutique ou un seul résultat clinique. Il offre plutôt une exposition diversifiée à l’ensemble de la chaîne de valeur, où l’IA dépend de ces entreprises pour fonctionner tout en pouvant, en retour, leur procurer des avantages commerciaux — une relation bidirectionnelle susceptible de permettre au portefeuille de participer à la création de valeur à différents niveaux du cycle.

L’ampleur de l’opportunité

Sur la base des estimations actuelles de tiers¹⁷, le marché situé à l’intersection de l’IA et des 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 s’en écarter sensiblement. Le marché mondial de l’IA appliquée à la génomique était évalué à 1,2 milliard de dollars en 2025 et devrait atteindre 18,8 milliards de dollars d’ici 2033, soit 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 rythme de croissance reflète les forces structurelles 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. La croissance future dépendra toutefois 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, soit un TCAC de 17,0 %¹⁸ selon des estimations de tiers. Ensemble, ces chiffres laissent penser que l’IA n’accélère pas simplement un marché existant : elle crée par-dessus celui-ci une couche distincte, dont la croissance est plus rapide. Ces projections ne sont toutefois pas garanties et pourraient ne pas se matérialiser comme prévu, des facteurs externes étant susceptibles d’en influencer sensiblement l’issue.

Parallèlement, l’environnement réglementaire évolue dans un sens susceptible de soutenir cette trajectoire. Historiquement, l’un des principaux obstacles à l’accès des patients aux thérapies géniques a été la charge réglementaire : les développeurs devaient reprendre de zéro 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 y remédier en 2026, en publiant une série cohérente de lignes directrices¹⁹ destinées à rationaliser le développement des thérapies d’édition génétique et des thérapies fondées sur l’ARN. Ces lignes directrices permettent aux développeurs de s’appuyer sur les connaissances scientifiques existantes, de mutualiser les données entre programmes connexes et d’éviter des tests répétés inutiles, sans compromettre les normes de sécurité. Par ailleurs, le projet de lignes directrices de la FDA relatif à l’intelligence artificielle²⁰ instaure un cadre d’évaluation de la crédibilité fondé sur le risque pour les informations ou données générées par l’IA et destinées à étayer la prise de décision réglementaire concernant la sécurité, l’efficacité ou la qualité des médicaments et produits biologiques, dessinant 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 caractérisé ce secteur ne disparaîtront pas au seul motif que la phase de découverte s’accélère. Les investisseurs doivent veiller à ne pas confondre gains de productivité de la recherche et revenus à court terme.

Cela étant dit, si la trajectoire demeure incertaine, plusieurs conditions structurelles susceptibles de soutenir de nouveaux développements continuent de se renforcer. Les coûts de séquençage poursuivent leur baisse. Les ensembles de données biologiques ne cessent 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 en l’espace de trois mois — une convergence qui traduit un intérêt croissant pour les applications potentielles de l’IA dans l’ensemble des sciences de la vie.