L'industrie pharmaceutique a toujours été l'un des os les plus durs à ronger pour l'IA – données complexes, réglementation stricte, taux d'échec élevés et cycles extrêmement longs.
Mais en février dernier, Eli Lilly a mis en service un équipement qui a fait toute l'industrie regarder : LillyPod.
Qu'est-ce que LillyPod
LillyPod est un cluster de supercalculateurs IA construit par Eli Lilly elle-même, détenu et exploité de manière indépendante par une seule entreprise pharmaceutique – une première dans le secteur.
Configuration matérielle : 1 016 GPU NVIDIA Blackwell Ultra (DGX B300), avec une puissance de calcul totale supérieure à 9 000 pétaflops (9 exaflops).
De la décision de construire à la mise en service officielle, il n'a fallu que 4 mois.
Eli Lilly positionne le système comme une usine IA, non pas pour effectuer une seule tâche, mais pour faire fonctionner l'ensemble du pipeline de développement de médicaments – de la prédiction de la structure des protéines et de l'analyse génomique au criblage de composés, en passant par la conception d'essais cliniques et l'optimisation de la production.
Pourquoi Eli Lilly construit son propre système
Traditionnellement, les entreprises pharmaceutiques externalisent l'IA auprès de fournisseurs de cloud ou de services IA. Le choix d'Eli Lilly est de garder le contrôle de la puissance de calcul entre ses mains.
Plusieurs raisons :
- Les données de recherche de médicaments sont extrêmement sensibles ; le cloud externe présente des risques de souveraineté des données et de conformité réglementaire
- La construction propre permet des optimisations spécifiques pour les scénarios pharmaceutiques, sans avoir à rivaliser pour les ressources avec d'autres clients
- 700 To de données génomiques, 290 To de mémoire à haute bande passante GPU – cette échelle serait trop coûteuse à exécuter en externe
Le partenariat d'un milliard de dollars avec NVIDIA
LillyPod n'est qu'une partie de la collaboration entre Eli Lilly et NVIDIA.
Les deux entreprises ont également annoncé la création conjointe d'un Laboratoire d'innovation IA (Co-Innovation Lab) à San Francisco, avec un investissement total allant jusqu'à 1 milliard de dollars sur cinq ans, destiné aux talents, à l'infrastructure et à la puissance de calcul.
Domaines d'intervention : entraînement de modèles de diffusion de protéines, réseaux de neurones graphiques pour petites molécules, modèles fondamentaux génomiques.
Cela équivaut à permettre à l'IA d'intervenir dans les phases les plus précoces et les plus coûteuses du développement de nouveaux médicaments – également celles avec les taux d'échec les plus élevés.
Contexte du secteur
En 2026, l'IA dans le développement de médicaments est passée d'une promesse prometteuse à une phase où elle commence à donner des résultats.
Quelques mouvements simultanés :
- Eli Lilly a acquis pour jusqu'à 2,75 milliards de dollars plusieurs composés candidats précliniques auprès d'Insilico Medicine (une entreprise de découverte de médicaments par IA)
- Le framework DrugCLIP, présenté par une équipe de recherche chinoise, peut scanner 10 millions de combinaisons composé-cible en quelques heures, 10 millions de fois plus rapidement que le criblage virtuel traditionnel
- Plusieurs candidats médicaments conçus par IA progressent dans les essais cliniques
Les entreprises pharmaceutiques constatent que le problème actuel n'est plus de trouver des molécules candidates, mais de savoir comment sélectionner rapidement, parmi des millions de candidats, ceux qui méritent le plus d'être menés aux essais cliniques.
LillyPod a été créé pour que ce processus de sélection ne soit plus limité par la puissance de calcul.
Source de référence : CocoLoop, Lilly Launches LillyPod NVIDIA DGX SuperPOD for Genomics and Drug Discovery AI (HPCwire/AIwire) ; NVIDIA and Lilly Announce Co-Innovation AI Lab to Reinvent Drug Discovery (NVIDIA Newsroom) ; AI in Drug Discovery Hits New Milestone (AI News International)