IA et biologie : 2026, le basculement vers l'ingénierie du vivant

De la découverte à l'ingénierie : le changement de paradigme que l'IA rend possible en 2026

Pendant des décennies, la biologie a fonctionné comme une science de l'exploration : on observait, on hypothétisait, on testait. En 2026, ce modèle est en train de céder la place à quelque chose de fondamentalement différent. La biologie devient une discipline d'ingénierie, où l'on conçoit des systèmes biologiques avec une précision croissante, guidée par des modèles d'IA entraînés sur des volumes de données sans précédent.

C'est précisément ce que Vijay Pande, fondateur du fonds VZVC après avoir piloté la pratique biotech de 4 milliards de dollars chez a16z, articule clairement dans une interview publiée sur TechCrunch (techcrunch.com/2026/08/29/were-not-doing-30-bets-a-year-vijay-pande-on-betting-small-after-running-4-billion-at-a16z/). Pour lui, ce basculement n'est pas une métaphore : il décrit une transformation structurelle de la façon dont la médecine est pensée, financée et développée.

La biologie passe d'une science de découverte à une science d'ingénierie grâce à l'IA - Vijay Pande, VZVC

Pour les DSI et CTO du secteur santé, cette phrase n'est pas anodine. Elle implique que les outils, les processus et surtout les données qui structurent leur organisation doivent être repensés. L'ingénierie suppose de la reproductibilité, de la modularité, de la prédictibilité. Ce sont des exigences que la biologie classique ne pouvait pas satisfaire - mais que l'IA, couplée à des données de qualité, commence à rendre accessibles.

Biologie classique (avant 2025)	Biologie d'ingénierie (2026)
Découverte empirique	Conception guidée par l'IA
Données propriétaires cloisonnées	Datasets ouverts et partagés
Essais cliniques longs et coûteux	Sélection de candidats optimisée en amont
Portefeuilles larges, paris nombreux	Investissements concentrés, thèses précises

Données ouvertes contre silos propriétaires : le vrai levier de compétitivité

L'un des points les plus contre-intuitifs - et les plus importants - que soulève Vijay Pande concerne les données. Dans un secteur où la propriété intellectuelle est traditionnellement perçue comme un avantage concurrentiel absolu, il défend une thèse inverse : ce sont les datasets ouverts et partagés, et non les données propriétaires cloisonnées, qui permettront à l'IA de transformer réellement la médecine.

Pourquoi ? Parce que les modèles d'IA en biologie ont besoin de diversité et de volume pour généraliser. Un dataset propriétaire, aussi riche soit-il, reste limité par le périmètre d'une seule organisation. Les biais y sont plus difficiles à détecter, les angles morts plus nombreux. À l'inverse, des données partagées entre institutions, hôpitaux, laboratoires et entreprises permettent d'entraîner des modèles plus robustes, capables de prédire des interactions biologiques complexes avec une fiabilité accrue.

• Pour les DSI : la question n'est plus seulement de sécuriser les données, mais de définir quelles données peuvent être partagées sans compromettre l'avantage compétitif réel.
• Pour les CTO : l'architecture technique doit anticiper des flux de données bidirectionnels avec des consortiums externes, des standards d'interopérabilité et des couches de gouvernance adaptées.
• Pour les directions générales : participer à des initiatives de données ouvertes n'est plus un acte philanthropique - c'est une décision stratégique qui conditionne l'accès aux meilleurs modèles d'IA sectoriels.

Il faut cependant nuancer : Pande reconnaît que les essais cliniques restent coûteux malgré les progrès de l'IA. Le partage de données améliore la sélection des candidats médicaments en amont, mais ne supprime pas les contraintes réglementaires et humaines en aval. L'IA réduit le risque d'échec, elle ne l'élimine pas.

VZVC et le modèle d'investissement concentré : ce que cela révèle sur la maturité du secteur

Le choix de Vijay Pande de fonder VZVC avec une approche radicalement différente de celle d'a16z est lui-même un signal fort. Après avoir géré un portefeuille de 4 milliards de dollars avec des dizaines de paris simultanés, il opte désormais pour moins de 30 investissements par an, concentrés sur des thèses précises autour de l'IA native en biotech.

Ce changement de stratégie reflète une conviction : le secteur est entré dans une phase où la qualité de la thèse prime sur la diversification du risque. Quand la biologie était encore une science de découverte, multiplier les paris avait du sens - on ne savait pas d'où viendrait la prochaine percée. En 2026, avec des outils d'IA capables de modéliser des interactions biologiques complexes, il devient possible d'identifier avec plus de précision les domaines où l'ingénierie du vivant peut produire des résultats prévisibles.

Nous ne faisons pas 30 paris par an - Vijay Pande, VZVC

Pour les décideurs du secteur santé, ce signal a une implication directe : les partenaires financiers les plus sophistiqués vont devenir plus sélectifs. Les projets qui ne peuvent pas démontrer une intégration native de l'IA dans leur pipeline - pas seulement comme outil périphérique, mais comme coeur de la proposition de valeur - auront plus de mal à attirer des capitaux de qualité.

En résumé, 2026 ne marque pas seulement un tournant technologique. C'est un tournant épistémologique : la façon dont on pense la biologie, dont on finance l'innovation médicale et dont on structure les données de santé est en train de changer de fond en comble. Les organisations qui l'ont compris dès 2025 ont une longueur d'avance. Celles qui l'intègrent maintenant ont encore une fenêtre d'opportunité. Les autres risquent de se retrouver structurellement en retard dans une discipline qui, désormais, s'ingénierise à grande vitesse.