Le 17 novembre 2026, Isomorphic Labs a bouclé une série C de 5 milliards de dollars. Greenoaks et Sequoia Capital ont co-dirigé cette opération financière. Toutefois, l’entreprise de Demis Hassabis vise surtout un objectif industriel précis. Elle veut bâtir l’infrastructure clinique nécessaire pour tester ses simulations moléculaires chez l’humain.
Fondée en 2021, la société britannique a publié cette annonce depuis son siège londonien. Ce tour de table réunit Andreessen Horowitz, Alphabet et tous les investisseurs historiques. Parmi eux figurent Thrive Capital, MGX, GV, CapitalG, Temasek et le Fonds souverain britannique pour l’IA. Grâce à cette série C, Isomorphic Labs finance simultanément plusieurs chantiers opérationnels. L’entreprise étend ainsi son moteur IsoDDE et ses programmes internes en oncologie et en immunologie. Elle soutient également ses projets partenaires entre Londres, Cambridge et Lausanne.
Pour les directeurs R&D et les DSI, cette opération constitue un repère technique concret. Puisque la valeur d’un modèle prédictif dépend désormais de sa chaîne de validation physique. Cependant, ce scénario très capitalisé reste difficilement reproductible pour la majorité des entreprises.
Comment la série C d’Isomorphic Labs finance le couplage entre IsoDDE et agents autonomes
Les capitaux de cette série C permettent d’abord à Isomorphic Labs d’étendre sa plateforme logicielle. Cette architecture repose sur le moteur de conception de médicaments propriétaire IsoDDE. Cet environnement unifie plusieurs modèles fondamentaux dédiés à la simulation biomoléculaire. En plus, il fonctionne nativement sur plusieurs domaines thérapeutiques et modalités d’administration. Contrairement aux outils limités aux structures statiques, IsoDDE modélise les interactions atomiques en trois dimensions. Selon le rapport technique, le système détecte des poches de liaison inédites.
En outre, il estime l’affinité chimique des composés avec une précision supérieure aux méthodes FEP+. Ses performances surpassent également les versions antérieures d’AlphaFold sur ces cibles complexes. Cette précision numérique réduit le nombre d’itérations expérimentales requises lors du criblage initial. Pour exploiter ce moteur, la société associe IsoDDE à des agents propriétaires autonomes. Ces agents explorent de vastes espaces chimiques et analysent des systèmes biologiques complexes. Ils filtrent ensuite les molécules candidates selon leurs propriétés pharmacologiques avant toute synthèse physique.
Thrilled to announce $5B in funding for @IsomorphicLabs to accelerate our mission to Solve All Disease. We continue to make rapid progress reimagining drug design from first principles with AI to radically cut the time & cost to find new medicines. Gradually, then all at once… https://t.co/ihOS3L9vPC
— Demis Hassabis (@demishassabis) November 17, 2026
Avec cette nouvelle série C, Isomorphic Labs finance donc les clusters de calcul nécessaires. L’entreprise bâtit aussi une infrastructure mondiale de bio-ingénierie et de recherche translationnelle. Ce dispositif automatise ainsi les allers-retours entre prédiction algorithmique, synthèse chimique et tests biologiques. Par ailleurs, ces fonds renforcent les équipes mixtes qui réunissent chercheurs en apprentissage automatique et biologistes. Ce couplage opérationnel accélère la sélection des molécules les plus prometteuses pour les partenaires pharmaceutiques.
Le défi du passage de la simulation préclinique à la validation chez l’humain
Certes, la société revendique des prédictions proches des données expérimentales et des résultats précliniques positifs. Toutefois, ces performances relèvent encore de tests internes plutôt que d’une preuve clinique indépendante. Malgré les moyens de sa série C, Isomorphic Labs n’a encore validé aucun essai humain. Les registres publics d’essais cliniques américains confirment l’absence d’étude enregistrée à ce jour. De même, la base réglementaire européenne CTIS ne recense aucun candidat issu d’IsoDDE. Or, le taux d’échec pharmaceutique dépasse historiquement 85 % entre la phase I et la commercialisation. Cet écart s’explique souvent par des toxicités ou des réactions biologiques imprévues in vivo.
À cette limite biologique s’ajoute une contrainte financière lourde pour tout projet de simulation industrielle. L’entraînement et l’inférence des modèles moléculaires sur des clusters GPU génèrent des coûts élevés. La calibration des algorithmes exige également la production continue de données expérimentales fiables. Les équipes doivent donc alimenter le système avec des mesures issues de laboratoires humides. La série C d’Isomorphic Labs illustre ainsi un scénario d’intégration verticale particulièrement exigeant. Sa rentabilité dépendra du volume de molécules criblées et du coût des essais cliniques.
Pour mesurer l’impact réel de cette annonce, un jalon précis devra être vérifié prochainement. Il s’agit de l’enregistrement officiel d’un premier essai clinique de phase I chez l’humain. Les observateurs surveilleront aussi le taux de concordance entre affinités prédites et mesures réelles. Cette démarche offre en plus un enseignement concret aux directions R&D de la chimie industrielle. Car un moteur prédictif nécessite toujours une chaîne d’essais physiques automatisée pour prouver sa valeur.
- Partager l'article :