La biotechnologie promet depuis des années une nouvelle ère de traitements personnalisés, mais il existe un goulot d’étranglement peu médiatisé : la fabrication. Dans le domaine des thérapies cellulaires et géniques, la production ressemble encore davantage à un travail manuel qu’à une chaîne de production industrielle : des milliers d’étapes stériles, une manipulation délicate des liquides, des fenêtres temporelles strictes et un ennemi constant — la contamination — capable d’invalider une dose entière en quelques secondes.

Sur ce terrain, Multiply Labs pousse une idée qui peut sembler radicale, mais qui dans d’autres secteurs est déjà une réalité : automatiser le laboratoire comme on a automatisé la fabrication des semi-conducteurs. La start-up, fondée en 2016 et basée à San Francisco, déploie des systèmes robotiques « end-to-end » pour produire des thérapies cellulaires modifiées génétiquement, et collabore déjà avec des entreprises du secteur telles que Kyverna Therapeutics et Legend Biotech. Son approche repose sur un duo technologique clé : la robotique et la simulation à grande échelle, utilisant des outils de NVIDIA comme Omniverse et Isaac Sim.

Du concept « c’est comme un puce » à une laboratoire robotisé

Les origines du projet prennent une tournure culturellement marquante. Fred Parietti, cofondateur et CEO, raconte que l’étincelle est née lors de ses années au MIT, lorsqu’il a observé de près — aux côtés de la chercheuse Alice Melocchi — la production manuelle de ces thérapies. Le contraste avec la logique industrielle d’autres domaines lui a paru aussi évident qu’inquiétant : des médicaments du futur avec des processus du passé. Cette impulsion a finalement germé à Silicon Valley, passant par Y Combinator, avant de devenir une entreprise centrée sur l’automatisation d’un des secteurs les plus délicats de la bioproduction.

Le parallèle avec les puces n’est pas qu’une métaphore : dans le cas des semi-conducteurs, la productivité a explosé lorsque l’industrie a compris que la précision ne pouvait dépendre d’une simple habileté humaine, de tours ou de variabilité. Dans les thérapies cellulaires, le problème est encore plus critique : ici, une respiration, une erreur ou une micro-contamination peuvent ruiner un traitement conçu pour une seule personne.

La clé technique : simuler d’abord, automatiser ensuite

Multiply Labs ne se limite pas à ajouter des bras robotisés dans un laboratoire propre. Son approche débute en amont, en virtualisé : la société utilise des jumeaux numériques des environnements de laboratoire construits avec les librairies de NVIDIA Omniverse, et entraîne ainsi que valide ses robots via NVIDIA Isaac Sim, le framework de simulation robotique de NVIDIA. Concrètement, cela permet d’itérer des milliers de fois dans un environnement contrôlé, de déboguer les comportements, de détecter les défaillances mécaniques et d’ajuster les flux sans transformer chaque erreur en incident réel dans une installation physique.

Dans la biotechnologie, où les processus sont fragiles et fortement réglementés, cette étape de simulation peut faire la différence entre un déploiement lent — avec corrections continues — et une mise en œuvre plus rapide, avec moins de surprises. Il ne s’agit pas seulement de vitesse : il s’agit de réduire le risque et d’améliorer la reproductibilité de tâches qui, jusqu’ici, dépendaient de l’habileté et de la mémoire humaine.

L’apprentissage par imitation : capturer le savoir-faire des meilleurs scientifiques

Un des aspects les plus innovants pour un média technologique est la manière dont Multiply Labs tente de résoudre un problème typique en laboratoire : une grande partie du savoir-faire opérationnel n’est pas écrit, il s’apprend par l’expérience. La société mise sur l’imitation learning, c’est-à-dire l’entraînement des robots pour qu’ils reproduisent des tâches expertes à partir de l’analyse de démos vidéo.

Ici, interviennent des modèles comme NVIDIA FoundationPose (pour l’estimation de la pose) et NVIDIA FoundationStereo (vision stéréo), qui extraient trajectoires et mouvements de ces démonstrations afin d’en faire des politiques de contrôle robotique. L’objectif déclaré est de préserver le savoir tacite et de réduire l’impact de la rotation du personnel : lorsque le technicien ou le chercheur spécialiste d’une étape critique quitte l’équipe, la performance peut chuter. L’automatisation veut que cet « art » devienne une procédure reproductible, mesurable et traçable.

Le levier économique : coûts et capacité

Le marché des thérapies cellulaires n’est pas freiné par le manque de recherches cliniques ; il est paralysé par la difficulté et le coût de leur fabrication. Multiply Labs affirme qu’aujourd’hui, le coût pour produire une seule dose peut dépasser 100 000 dollars, et que l’automatisation avancée pourrait le réduire de plus de 70 %, le portant à environ 25 000 à 35 000 dollars par dose. De plus, la société assure que l’automatisation peut augmenter la capacité de production : jusqu’à 100 fois plus de thérapies par mètre carré de surface de production.

Ces chiffres sont importants pour deux raisons, technologique et sociétale. La première : automatiser des milliers de micro-tâches stériles avec une précision constante. La seconde : si le coût baisse et le débit augmente, l’accès potentiel à ces traitements, aujourd’hui réservés à une minorité, pourrait s’élargir. En résumé, l’automatisation ne se limite pas à des robots supplémentaires, mais vise à faire en sorte que la thérapie cellulaire cesse d’être une exception industrielle.

Humanoïdes pour le “côté sale” du processus

Il y a un autre aspect qui souligne le caractère « Physical AI » de l’approche : Multiply Labs insiste sur le fait que le plus grand chaos ne se trouve pas toujours dans le cluster robotique lui-même, mais juste à l’extérieur, là où sont chargés et déchargés les matériaux, où se déplacent les consommables et où on manipule des objets dans un environnement moins contrôlé. C’est précisément là que le risque de contamination réapparaît.

Pour gérer cette zone « extérieure », la société développe des robots humanoïdes en s’appuyant sur des modèles fondamentaux tels que NVIDIA Isaac GR00T N, citant également le modèle GR00T N1.5 comme base pour étendre leurs capacités et leur entraînement. La promesse est pragmatique : des humanoïdes comme « opérateurs » pour la manutention et la manipulation dans des zones moins prévisibles, réduisant ainsi la nécessité d’intervention humaine dans des points critiques. La vision finale évoque une usine où les personnels supervisent et valident, tandis que robots et humanoïdes assurent la continuité du workflow avec constance.

Le mouvement de Multiply Labs traduit, en définitive, une tendance : la robotique cherche à démontrer sa plus grande valeur ajoutée au-delà des usines traditionnelles. La biomanufacture, avec son obsession pour la précision, la stérilité et la traçabilité, apparaît comme un terrain d’expérimentation idéal.

Questions fréquentes

Quel rôle joue la robotique dans la fabrication des thérapies cellulaires ?
Elle réduit la variabilité et le risque de contamination dans des processus comportant des milliers d’étapes stériles, en améliorant la cohérence, la traçabilité et la disponibilité 24/7.

Quel est l’intérêt du jumeau numérique (digital twin) dans un laboratoire de bioproduction ?
Il permet de simuler les processus, les outils et les mouvements, de réaliser des milliers d’itérations et de corriger les erreurs avant le déploiement physique, ce qui réduit le temps et les risques opérationnels.

Pourquoi recourir à l’imitation learning dans ces laboratoires ?
Parce qu’une grande partie des compétences clés sont tacites : il s’agit d’entraîner des robots via des démonstrations vidéo pour capturer ce savoir-faire et éviter la perte de connaissances lors des rotations de personnel.

Quel rôle pourraient jouer les humanoïdes dans une usine de thérapies cellulaires ?
Automatiser les tâches moins structurées en dehors du cluster robotique, comme le chargement/déchargement et la manipulation des matériaux, où la présence humaine augmente souvent le risque de contamination.

Source : Noticias inteligencia artificial