Do AI-Native Biotechs Need Departments? Benchmarking Company World Models for AI-Driven Drug Development

Imaginez un monde où la création d'un nouveau médicament ne consiste pas seulement à mélanger des produits chimiques dans un laboratoire, mais à prendre des milliers de décisions à enjeux élevés sous pression. C'est comme jouer à un jeu vidéo massif et complexe où vous devez choisir quels personnages améliorer, quels niveaux sauter et quand vendre votre inventaire, tout en changeant les règles en cours de route. Pendant des décennies, les entreprises humaines ont résolu cela en divisant le travail en « départements » : une équipe pour la biologie, une équipe pour les règles, une équipe pour les ventes, et ainsi de suite. Elles s'envoient des notes en attendant que le boss final (la FDA ou le marché) soit satisfait. Mais et si nous pouvions construire une entreprise dirigée par l'IA ? Devons-nous simplement copier-coller ces départements humains dans des rôles de robots, ou existe-t-il une manière plus intelligente d'organiser un cerveau numérique ?

C'est la grande question abordée dans une nouvelle étude intitulée « Les biotechs natives de l'IA ont-elles besoin de départements ? ». Les chercheurs explorent un concept appelé « Modèle de Monde » (World Model). Voyez le Modèle de Monde comme une boule de cristal surpuissante qui ne se contente pas de deviner l'avenir, mais qui met constamment à jour une carte vivante de « ce qui se passe en ce moment » et de « ce qui se passera si je fais X ». Au lieu de simplement regarder une pièce du puzzle, un Modèle de Monde maintient un score continu de la façon dont chaque action modifie les chances de succès, d'argent et d'approbation de l'entreprise. L'étude demande : si nous construisons une entreprise d'IA, devons-nous la forcer à agir comme une corporation humaine avec différents départements, ou devons-nous la laisser fonctionner sur une « carte vivante » unique et partagée que tout le monde met à jour en temps réel ?

L'expérience : Un jeu de décision voyageant dans le temps

Pour trouver la réponse, les chercheurs n'ont pas construit une véritable entreprise pharmaceutique ou testé de nouveaux médicaments en laboratoire. À la place, ils ont créé un benchmark de « laboratoire sec » (dry-lab), qui est comme un niveau de jeu vidéo massif de 45 niveaux conçu pour tester la prise de décision. Ils ont pris 45 moments historiques réels de l'industrie pharmaceutique — des moments où une entreprise devait décider de continuer à financer un médicament, de l'arrêter ou de le vendre. Ils ont soumis ces scénarios à différentes équipes d'IA, mais avec un piège : les équipes d'IA ne pouvaient voir que les informations disponibles jusqu'à cette date spécifique dans le passé. Elles ne pouvaient pas jeter un coup d'œil au futur pour voir si le médicament fonctionnait réellement ou générait de l'argent.

Les chercheurs ont testé quatre « structures d'équipe » pour voir laquelle prenait les meilleures décisions :

1. La Copie Humaine : Des agents d'IA agissant exactement comme des départements humains (Biologie, Clinique, Ventes, etc.), transmettant des mémos à un comité.
2. La Copie Humaine Plus : Une version plus intelligente de la précédente, où les départements partagent une meilleure mémoire et argumentent plus efficacement.
3. L'IA Centrée sur l'Actif : Une équipe organisée autour d'un seul « dossier d'actif » vivant (un fichier numérique suivant la progression du médicament) plutôt qu'autour de départements.
4. Le « Modèle de Monde de l'Entreprise » (Conversion de Valeur) : La star du spectacle. Cette équipe n'avait pas de départements. À la place, elle disposait d'un « Dossier de Valeur d'Actif Vivant » partagé et de quatre « salles » spéciales qui agissaient comme des opérateurs : une Salle de Transaction (vérifiant si des partenaires veulent acheter), une Salle d'Approbation (vérifiant si les régulateurs diront oui), une Salle de Revenus (vérifiant si les gens l'achèteront) et un Arbitre d'Investissement (le patron qui décide de la prochaine étape basée sur la carte vivante).

Les résultats : Cela dépend de ce que vous essayez de gagner

Les résultats ont été surprenants et nuancés. Lorsque les chercheurs ont jugé les équipes d'IA sur leur capacité à convertir un médicament en succès commercial (obtenir un accord, une approbation ou des ventes), l'architecture du Modèle de Monde de l'Entreprise a été la grande gagnante. Elle a obtenu un score de 4,68 sur 5, battant la « Copie Humaine » (4,33) et la version « Centrée sur l'Actif » (4,26). Des juges aveugles (qui ne savaient pas quelle équipe était laquelle) ont fortement préféré l'équipe du Modèle de Monde, l'un des juges l'ayant choisi 42 fois sur 45 contre la copie humaine originale.

Cependant, l'histoire devient plus intéressante lorsque l'on change les règles. Les chercheurs ont réalisé qu'ils avaient peut-être triché en demandant à l'IA de jouer un jeu spécifiquement conçu pour l'équipe de « Conversion de Valeur ». Ainsi, ils ont ajouté un « juge neutre » qui ne se souciait ni de l'argent ni des transactions, mais uniquement de la qualité générale de la décision, de la conscience des risques et de la logique. Sous ce test neutre, l'équipe du Modèle de Monde n'a pas dominé. L'équipe « Copie Humaine Plus » a en fait légèrement mieux performé (25 victoires contre 20), et la différence n'était pas statistiquement énorme.

Cela nous apprend quelque chose de crucial : le « Modèle de Monde de l'Entreprise » n'est pas une solution miracle qui gagne à tout. C'est un outil spécialisé. Si votre objectif est de maximiser la valeur commerciale (accords, approbations, revenus), s'organiser autour d'un état prédictif partagé de « l'actif vers la valeur » est supérieur. Mais si votre objectif est simplement d'être un bon scientifique neutre, une structure de département traditionnelle (même une version intelligente) fonctionne tout aussi bien.

Les « Salles » vs Les Départements

L'une des découvertes les plus intéressantes est venue de la décomposition de l'équipe gagnante. Les chercheurs ont supprimé une « salle » à la fois pour voir ce qui se passait.

• Lorsqu'ils ont supprimé la Salle de Revenus, la capacité de l'équipe à réfléchir à l'argent et aux ventes a chuté de manière significative.
• Lorsqu'ils ont supprimé la Salle de Transaction, leur capacité à trouver des partenaires s'est effondrée.
• Lorsqu'ils ont supprimé la Salle d'Approbation, leur réflexion réglementaire s'est dégradée.

Cela a prouvé que les « salles » n'étaient pas seulement des noms sophistiqués pour des départements. Elles étaient des « opérateurs » actifs qui mettaient constamment à jour la carte partagée. L'étude suggère que, dans une entreprise native de l'IA, vous ne devriez pas simplement copier les départements humains. Au lieu de cela, vous devriez avoir un état vivant et partagé (le Dossier de Valeur d'Actif Vivant) que chacun met à jour, et des « opérateurs » spécifiques qui simulent différents futurs (Est-ce que cela sera approuvé ? Est-ce que cela se vendra ?).

L'essentiel

Alors, les biotechs natives de l'IA ont-elles besoin de départements ? Le document suggère que la réponse est « pas comme cerveau central ».

Les départements sont corrects pour la gouvernance humaine et pour organiser des réunions humaines, mais ils constituent un mauvais plan directeur pour la logique interne d'une IA. Le meilleur design semble être un Modèle de Monde de l'Entreprise : un système où une « carte vivante » unique et auditable de la valeur du médicament est constamment mise à jour par différents opérateurs (Transaction, Approbation, Revenus, etc.), et un planificateur décide de la prochaine étape en se basant sur cette carte.

L'étude précise bien qu'il s'agit d'une simulation. Elle prouve que cette structure permet de prendre de meilleures décisions dans un jeu informatique basé sur le passé. Elle ne prouve pas qu'une IA utilisant cette méthode découvrira réellement un nouveau remède ou gagnera des milliards de dollars dans le monde réel. Mais elle suggère que si nous voulons que l'IA dirige une entreprise pharmaceutique, nous ne devrions pas simplement construire une version robotique d'un organigramme d'entreprise des années 1990. Nous devrions construire un système qui simule constamment l'avenir de la valeur, plutôt que de simplement transmettre des mémos entre des départements.