Bristol Myers Squibb muscle sa R&D IA avec huit DGX Vera Rubin

Bristol Myers Squibb s'apprête à mettre en service un second superordinateur d'IA construit sur la nouvelle génération de matériel NVIDIA, et le vocabulaire employé sur le blog de NVIDIA est celui d'un tournant. Huit systèmes DGX Vera Rubin NVL72 forment le cluster, qu'Erin Davis, vice-présidente Research Business Insights and Technology chez BMS, surnomme le « SuperDuperPOD ». NVIDIA le présente comme « the most powerful and energy-efficient AI cluster in life sciences », avec « up to 10x the performance per megawatt » par rapport à l'infrastructure remplacée. Chiffre à prendre pour ce qu'il est, une projection constructeur, pas un benchmark reproduit par un tiers.

Ce qui rend l'annonce intéressante n'est pas la puce mais l'usage revendiqué. Le cluster doit entraîner les modèles fondation propriétaires du groupe, faire tourner des prédictions à grande échelle et « powering agentic workflows across the full drug discovery pipeline ». Payal Sheth, senior vice-présidente Therapeutic Discovery Sciences arrivée à ce poste élargi en janvier, décrit la méthodologie interne « Predict First » comme un moyen de « prioritize synthesis of molecules with multi parameter optimization, to weed out molecules that wouldn't necessarily meet the property landscape we're working towards ». L'idée est de trier chimiquement en amont plutôt que de synthétiser à l'aveugle. Le portefeuille CELMoD, ces molécules conçues pour dégrader sélectivement des protéines cancérigènes avec applications dans les cancers du sang, est cité comme cas d'usage.

L'autre pari, plus organisationnel, est celui de l'accès. Davis affirme vouloir, « instead of equipping a small group of researchers with access to the supercomputer, opening it to literally every scientist ». Les deux SuperPOD sont pilotés via NVIDIA Mission Control, dans un environnement unifié accessible depuis chaque site BMS dans le monde, avec la promesse que les chercheurs pourront lancer des prédictions complexes « in plain English ». Sur le papier, cela déplace la contrainte du calcul vers l'ergonomie et la culture data, mais Davis reconnaît déjà être « saturated » sur les prédictions autour des grandes molécules.

La franchise obligatoire est que ce billet reste un communiqué co-signé. NVIDIA n'y publie ni prix, ni calendrier de bascule en production complète, ni benchmark reproductible du gain énergétique, ni preuve chiffrée d'un raccourcissement de cycle de découverte. Le seul indicateur concret côté résultats reste que « AI-enabled target identification already saves scientists weeks of manual work », sans mesure agrégée.

Malgré ces angles morts, quand l'un des plus gros pharma occidentaux double sa capacité GPU sur une plateforme encore inédite et met l'IA agentique au cœur de sa R&D, c'est un signal pour ses pairs. Le prochain point à surveiller n'est pas le nombre de GPU, mais la première molécule dont le dossier dira, sans détour, qu'elle est passée par ce genre de pipeline.