La loi de Moore a été émise en 1965 et fixe un cycle d’environ deux ans pour le doublement du nombre de transistors d’un processeur. Jusqu’à présent, cette prévision s’est avérée correcte et des variantes de cette loi s’appliquent également à la capacité de stockage des disques durs et au trafic de données sur Internet.
Il existe également une loi d’Eroom (Moore à l’envers) qui établit que le coût de développement de nouveaux médicaments devient de plus en plus élevé. Corrigé de l’inflation, le coût de développement d’un nouveau médicament double environ tous les neuf ans. En 1970, il fallait investir 200 millions de dollars pour chaque nouveau médicament ; aujourd’hui, ce chiffre est de 2,5 à 3 milliards de dollars. Il y a plusieurs raisons à cela.
Par exemple, l’amélioration incrémentale des nouveaux médicaments par rapport aux médicaments existants est en baisse, de sorte que davantage de tests sont nécessaires. En effet, le nouveau médicament doit être meilleur que le précédent à tous égards. Au fil du temps, la barre a également été relevée en ce qui concerne les effets secondaires. Surtout après le scandale du Vioxx, qui a provoqué des morts, la situation a évolué rapidement.
Effet de l’apprentissage machine
La conséquence est que l’on investit maintenant de plus en plus pour chaque médicament. Beaucoup de ces médicaments n’atteignent pas la ligne d’arrivée, ce qui rend la recherche sur les médicaments encore plus coûteuse. Il est manifestement difficile de prédire l’avenir dans le domaine du développement des médicaments également.
Grâce à la technologie moderne, il est désormais possible de mieux prévoir quels médicaments seront efficaces et lesquels ne le seront pas. Les développements rapides dans le domaine de l’apprentissage machine de cette dernière décennie aident à la recherche de nouveaux médicaments. Grâce à toutes les données provenant du cloud, les ordinateurs peuvent en outre développer leurs propres algorithmes sans intervention humaine.
Surtout lorsqu’il s’agit d’interpréter des images, les ordinateurs sont nettement meilleurs et plus rapides que les humains. Les tumeurs et les erreurs dans l’ADN sont détectées beaucoup plus rapidement, ce qui constitue un excellent moyen de réduire les coûts et d’accélérer la mise au point de nouveaux médicaments. Les coûts peuvent alors baisser. Depuis l’an 2000, le coût de l’analyse de l’ADN humain a même diminué deux fois plus rapidement que le doublement des transistors selon la loi de Moore.
Analyse rapide de l’ADN
En 2025, l’ADN de 2 milliards de personnes pourra ainsi être analysé. Grâce aux données relatives aux caractéristiques des maladies et aux facteurs environnementaux, les ordinateurs peuvent analyser rapidement quels facteurs sont responsables de certaines maladies ou quelle partie de l’ADN joue un rôle important dans celles-ci.
En outre, trois nouvelles techniques permettent d’encore accélérer le processus. Les cellules souches peuvent être utilisées pour cultiver des organes destinés à tester des médicaments.
Une technique telle que CRISPR-Cas permet de modifier une partie spécifique de l’ADN humain. Même dans les cours de l’enseignement secondaire, il est déjà possible d’appliquer cette technologie. L’apprentissage machine peut également être utilisé pour distinguer les cellules malades des cellules saines.
Le développement technologique se produit par bonds. Chaque époque a sa propre technologie dominante. Au 19e siècle, il s’agissait principalement de la chimie et du développement du tableau périodique des éléments. Le début du 20e siècle a été l’ère de la physique, avec la connaissance de l’énergie, du temps et de l’espace et la fission de l’atome. À partir des années 50 commence l’ère de l’ordinateur, qui est passée à l’ère de l’intelligence artificielle dans les années 90.
Ère de la biotechnologie
Grâce aux développements décrits plus haut, nous nous trouvons maintenant au début de l’ère de la biotechnologie. La crise du coronavirus booste encore davantage la biotechnologie, un avancement qui a non seulement des conséquences importantes pour les soins de santé, dont la réduction des coûts des soins de santé, mais peut également apporter une solution à d’autres problèmes. Par exemple, nous travaillons déjà à la transformation de plantes pour qu’elles absorbent davantage de CO2 ou au développement de combustibles alternatifs basés sur des algues programmées.
Cette évolution entraînera la création de nouvelles entreprises dans lesquelles techniciens et biologistes travailleront de concert. Il est probable que la biotechnologie aura ses propres Microsoft, Google et Amazon, et seul un fonds spécialisé dans la biotechnologie pourra prendre une position substantielle dans ces entreprises à un stade précoce. Cette position ne peut donc pas manquer dans un portefeuille bien diversifié.
Han Dieperink est investisseur et consultant indépendant. Plus tôt dans sa carrière, il a été chief investment officer chez Rabobank et Schretlen & Co. Il fait part de son analyse et de ses commentaires sur l’économie et les marchés sur Fondsnieuws. Ses articles paraissent le mardi et le jeudi.