Mon parcours d'ingénieur m'a amené à piloter des architectures techniques dans la finance internationale. Concevoir des systèmes capables d'absorber de grands volumes de données et d'évaluer des risques stochastiques a été mon quotidien pendant des années. C'est une ingénierie de la précision que j'ai retrouvée lors de mon échange avec Frédéric Cogny, co-CEO et CPO de Nova In Silico.
Frédéric possède un profil singulier. Diplômé de l'École Polytechnique avec une spécialisation en mathématiques financières, il a d'abord évolué dans les salles de marché. De Londres à Tokyo en passant par Singapour, il a occupé des postes de quant (modélisateur), de structuration de produits financiers, puis de trading. Il a notamment dirigé des équipes d'analystes quantitatifs et de développeurs en tant que Managing Director chez Standard Chartered Bank.
Aujourd'hui, il applique cette expertise du passage à l'échelle à un domaine très différent : la biologie humaine. Pour Frédéric, le défi intellectuel a changé de nature. Il ne s'agit plus de modéliser la volatilité d'un produit financier, mais d'anticiper l'efficacité d'un candidat-médicament sur l'organisme.
L'alliance de l'ingénierie logicielle et de la recherche
L'histoire de l'entreprise s'ancre dans la dynamique de la recherche scientifique lyonnaise. C'est d'abord en tant qu'investisseur, dès 2010, que Frédéric accompagne le projet originel Novadiscovery, avant d'en rejoindre la structure opérationnelle en 2016 comme CTO.
Structurer les modèles scientifiques
À son arrivée, il observe une organisation riche en experts pointus (biologistes, pharmacologues) mais dépourvue de processus d'ingénierie unifiés. Les chercheurs développaient leurs travaux de manière isolée en Fortran ou sous Matlab.
Il s'est donc attaché à construire un framework commun pour regrouper ces modèles dans une librairie interne de simulation. Disposer d'une architecture pérenne pour industrialiser des concepts scientifiques est indispensable pour passer à l'échelle. C'est d'ailleurs un enjeu d'unification que nous abordons régulièrement dans nos missions de développement sur mesure auprès des directions tech et data.
La naissance de Nova In Silico
Pour poursuivre cette ambition technologique et capitaliser sur les talents en place, l'aventure prend une nouvelle forme en juin 2024. Frédéric Cogny (devenu CPO) s'associe à Grégoire Boutonnet (alors COO) pour reprendre la société et lancer Nova In Silico.
Ce nouveau départ marque une étape de rationalisation et de croissance. L'entreprise atteint son seuil de rentabilité en seulement six mois d'exercice. Aujourd'hui, elle emploie une soixantaine de collaborateurs et recrute des profils hybrides, associant la double compétence d'ingénieurs-biologistes issus des parcours BIM (Bio-Informatique et Modélisation) d'écoles d'ingénieurs (CentraleSupélec, Polytechnique).
Une synergie entre conseil scientifique et plateforme logicielle
Le positionnement de Nova In Silico repose sur une offre hybride. L'entreprise propose à la fois des prestations de conseil scientifique et l'accès à sa plateforme logicielle propriétaire : Jinkō. Ces deux activités se soutiennent mutuellement. L'expertise des modélisateurs sur le terrain enrichit continuellement les fonctionnalités de l'outil, tandis que la puissance de la plateforme décuple la capacité d'analyse des équipes.
Comprendre la biologie avec la modélisation QSP
L'offre de conseil consiste à accompagner les laboratoires dans le design de leurs essais cliniques en s'appuyant sur la modélisation mathématique.
Modéliser le vivant nécessite une approche plus complexe que l'utilisation d'algorithmes purement statistiques. En biologie, et particulièrement pour les nouvelles modalités de traitement (comme les anticorps bispécifiques en oncologie), les données historiques sont souvent insuffisantes pour entraîner des modèles prédictifs fiables uniquement basés sur la donnée. De plus, les régulateurs (les autorités de santé comme la FDA ou l'EMA) exigent de comprendre le mécanisme d'action biologique d'une molécule avant de valider des protocoles de test.
C'est ici qu'intervient la modélisation QSP, c'est à dire la pharmacologie des systèmes quantitative. Cette approche traduit sous forme mathématique les mécanismes biologiques d'une maladie et l'interaction d'un médicament avec l'organisme. Chaque composant du modèle est traçable jusqu'à la littérature scientifique publiée, garantissant une explicabilité totale.
L'usage des jumeaux numériques
Pour exécuter ces modèles, l'entreprise a développé Jinkō, une plateforme de simulation d'essais cliniques. Le logiciel génère des cohortes de jumeaux numériques, c'est à dire des patients virtuels dont les caractéristiques biologiques sont modélisées dynamiquement.
Les laboratoires utilisent ces outils en amont des étapes cliniques avancées,permettant de comparer des scénarios de dosage sur des milliers de patients virtuels. La simulation est également utilisée lors de due diligences (audits scientifiques et financiers), permettant d'estimer la valeur théorique d'une molécule avant son acquisition. Aujourd'hui, Nova In Silico collabore avec des clients aux États-Unis, en Europe et au Japon. Le marché américain se montrant particulièrement actif dans l'intégration de ces nouvelles méthodes d'évaluation.
Une architecture ouverte pour des scientifiques augmentés
L'intégration de l'intelligence artificielle modifie la manière dont les plateformes logicielles interagissent avec les experts.
Des modèles assistés par l'IA
Chez Nova In Silico, l'IA ne remplace pas le chercheur. La construction de modèles mécanistes assistée par l'IA permet de réduire considérablement le délai d'obtention d'un prototype fonctionnel. L'intelligence artificielle intervient pour accélérer la recherche documentaire et extraire des équations à partir de la littérature médicale. Les scientifiques gardent le contrôle de chaque hypothèse, agissant comme des experts augmentés capables de compresser des mois de modélisation en quelques jours.
Techniquement, la plateforme s'ouvre aux écosystèmes externes pour décloisonner la recherche. Jinkō propose une API et un SDK compatibles avec le protocole MCP (Model Context Protocol). Cette architecture permet à des agents IA de se connecter pour appeler des simulations comme un simple outil, tandis que les humains conservent l'analyse finale des résultats.
L'intégration de ces technologies d'intelligence artificielle avancées exige une conception logicielle rigoureuse pour garantir la souveraineté des données, une priorité absolue dans le domaine clinique. La plateforme est d'ailleurs accessible via des environnements de recherche comme Claude Science.
Validation prospective sur le terrain
La pertinence de cette simulation mécaniste d'essais cliniques s'observe dans sa capacité prédictive. Le 8 novembre 2026, lors du congrès scientifique de l'American Heart Association (AHA) à Chicago, Nova In Silico a présenté des résultats inédits.
Dans le cadre d'une session orale late breaking, l'entreprise a dévoilé Lp(a)HORIZON, un modèle ASCVD (maladies cardiovasculaires) qui a simulé les résultats du traitement Pelacarsen de Novartis sur plus de 20 000 patients virtuels. L'étude in silico a prédit l'orientation de l'essai clinique sans d préalable. Une direction confirmée début septembre 2026 par l'annonce de l'arrêt de l'essai, venant du laboratoire lui-même.
Au quotidien, les experts de Nova In Silico collaborent étroitement avec les modélisateurs internes des laboratoires, agissant comme un prolongement de leurs équipes de recherche. Ce mode d'intervention fait écho à l'approche que nous déployons dansl'ingénierie logicielle, où la mise à disposition d'experts en ingénierie tech et data permet aux organisations d'accélérer leurs roadmaps en s'appuyant sur des expertises ciblées.
En associant la rigueur des mathématiques appliquées à une connaissance approfondie de la biologie humaine, Nova In Silico propose un cadre technique robuste pour accompagner les chercheurs dans l'évaluation de leurs développements cliniques.
FICHE IDENTITÉ DE LA PÉPITE
→ Nom : Nova In Silico
→ Direction : Frédéric Cogny (co-CEO et CPO) et Grégoire Boutonnet (co-CEO et COO).
→ Secteur : R&D pharmaceutique / Pharmacologie clinique / QSP / simulation d'essais cliniques / Édition de logiciel
→ Pourquoi on l'aime : Pour son approche hybride alliant services d'experts et technologie prédictive. L'entreprise s'appuie sur la pharmacologie quantitative des Systèmes (QSP - Quantitative Systems Pharmacology) pour apporter une compréhension transparente des mécanismes biologiques, démontrant que les modèles prédictifs dans la santé doivent rester explicables pour être adoptés.
Sources
- European Journal of Preventive Cardiology| EAPC | Oxford Academic - Prédiction prospective in silico de l’issue de l’essai Lp(a)HORIZON avant l’annonce des résultats principaux
- Madame LeFigaro - Un nouveau saut quantique
- LinkedIn - Jinkō est disponible chez Claude Science
- Medscape - Pourra-t-on bientôt réaliser des essais cliniques sur des patients virtuels
