Développer un médicament contre le cancer peut mobiliser plusieurs années de recherche, des investissements considérables et des essais cliniques dont l'issue reste incertaine.

Une molécule peut donner des résultats encourageants en laboratoire, puis échouer lorsqu'elle est administrée à des patients. Ces échecs pèsent sur les budgets des laboratoires pharmaceutiques et retardent la mise à disposition de nouveaux traitements.

C'est précisément ce problème économique et scientifique qu'entend résoudre Orakl Oncology, une startup française spécialisée dans l'association de l'intelligence artificielle et des données biologiques.

Son ambition : utiliser des modèles de tumeurs issus de véritables patients pour anticiper la réponse aux traitements et améliorer les décisions prises avant les phases les plus coûteuses de leur développement.

Orakl Oncology lève 34 millions de dollars en série A

Le 12 novembre 2026, Orakl Oncology a officialisé une levée de fonds de 34 millions de dollars en série A, soit environ 30 millions d'euros selon le montant communiqué par l'entreprise.

L'opération est codirigée par deux investisseurs européens :

  • Norrsken VC, fonds suédois spécialisé dans les entreprises à fort impact.
  • Singular, fonds français de capital-risque qui accompagne déjà la société.

Plusieurs nouveaux investisseurs participent au financement : InfraVia, Serena, le fonds Patient Autonome géré par Bpifrance, Teampact Ventures et Plug and Play.

Les investisseurs historiques Verve Ventures, Speedinvest et HCVC participent également à l'opération.

Selon le communiqué publié par InfraVia, Orakl Oncology a désormais levé 50 millions de dollars au total depuis sa création.

Cette nouvelle étape intervient après deux précédents financements, de 3 millions d'euros en 2023 et de 11 millions d'euros en 2024.

La société fait partie des entreprises françaises sélectionnées dans le programme French Tech 2030, dont Entreprisma a détaillé les 80 lauréats de 2026.

Une startup issue de la recherche française contre le cancer

Fondée en 2023, Orakl Oncology est issue de l'écosystème de Gustave Roussy, centre français de référence dans la recherche et le traitement du cancer, situé à Villejuif.

L'entreprise est notamment dirigée par trois cofondateurs :

  • Fanny Jaulin, directrice générale, spécialiste de la biologie du cancer.
  • Gustave Ronteix, directeur technologique, spécialisé dans les approches quantitatives et l'intelligence artificielle.
  • Diane-Laure Pagès, directrice des opérations, disposant d'une expertise en oncologie et en développement d'entreprise.

L'équipe compte plus de 40 collaborateurs, dont environ 30 % sont titulaires d'un doctorat, selon les informations communiquées lors de cette levée.

Cette combinaison d'expertises scientifiques, de capacités informatiques et d'accès aux échantillons biologiques constitue l'un des principaux actifs de la startup.

Comment Orakl Oncology utilise l'IA pour prédire les traitements contre le cancer

Contrairement aux applications d'IA qui analysent uniquement des données médicales existantes, Orakl Oncology produit une partie des informations nécessaires à l'entraînement de ses propres modèles.

Sa technologie repose sur une combinaison de tumeurs cultivées en laboratoire, d'expérimentations biologiques et d'apprentissage automatique.

Des tumeurs de patients cultivées en laboratoire

Orakl utilise des échantillons tumoraux provenant de patients atteints de cancer pour développer des organoïdes.

Ces structures biologiques tridimensionnelles reproduisent certaines caractéristiques des tumeurs dont elles sont issues.

Les chercheurs peuvent ensuite exposer ces modèles à différents médicaments expérimentaux pour observer leurs réactions.

Ces expérimentations permettent notamment d'étudier :

  • La sensibilité de certaines cellules tumorales à un traitement.
  • Les mécanismes de résistance aux médicaments.
  • Les différences biologiques entre plusieurs tumeurs.
  • Les associations de molécules potentiellement intéressantes.

Chaque résultat expérimental peut être rapproché de données cliniques et moléculaires.

L'entreprise constitue ainsi une base de données propriétaire destinée à améliorer progressivement ses prédictions.

Que sont les patients virtuels développés par Orakl ?

L'expression « patients virtuels » ne désigne pas ici des personnes entièrement simulées par ordinateur.

Elle renvoie à une représentation biologique et numérique construite à partir d'échantillons tumoraux réels, de leur comportement face aux médicaments et de données médicales associées.

L'intelligence artificielle analyse ces informations pour estimer comment certaines populations de patients pourraient répondre à un traitement.

L'objectif n'est pas de remplacer les essais cliniques sur les êtres humains, mais de mieux sélectionner les médicaments et les populations à étudier.

Une distinction essentielle : une prédiction biologique favorable ne démontre pas, à elle seule, l'efficacité ou la sécurité clinique d'un médicament.

Une précision de 90 % annoncée : que vaut réellement cette performance ?

Orakl Oncology revendique une précision de 90 % dans la prédiction des résultats d'essais cliniques en oncologie.

Ce chiffre figure dans les communications de l'entreprise et de ses investisseurs.

Il représente un argument commercial important, mais nécessite une lecture scientifique rigoureuse.

Une analyse publiée le 12 novembre par European Biotechnology examine notamment une prépublication scientifique consacrée au modèle SCOPE.

Les chercheurs y évaluent leurs prédictions en les comparant aux résultats d'essais déjà publiés, principalement dans les cancers colorectal et pancréatique.

Cette étude rapporte notamment :

  • Une évaluation portant sur 32 bras de traitement issus de 23 essais publiés.
  • Une identification correcte du traitement le plus performant dans sept comparaisons sur huit.
  • Un écart moyen de 0,82 mois entre certaines prédictions et les résultats observés concernant la survie sans progression.

Ces résultats sont encourageants, mais la prépublication examinée n'avait pas encore fait l'objet d'une validation par les pairs.

L'analyse souligne également la place importante occupée par les chimiothérapies conventionnelles dans les traitements évalués.

Le taux de 90 % revendiqué ne doit donc pas être interprété comme la garantie que neuf nouveaux médicaments sur dix verraient leur efficacité correctement prédite.

La capacité du système à anticiper les résultats de nouvelles molécules, dans des essais indépendants et prospectifs, reste un enjeu central.

L'IA peut-elle réellement réduire le coût des essais cliniques ?

C'est la principale question économique soulevée par cette levée de fonds.

Dans l'industrie pharmaceutique, le développement de médicaments repose sur un portefeuille de projets dont une proportion importante ne débouche jamais sur une autorisation de mise sur le marché.

Chaque échec tardif peut représenter des dépenses importantes, notamment lorsque plusieurs années de recherche et de recrutement de patients ont déjà été engagées.

Selon Norrsken VC, environ 95 % des traitements oncologiques entrant en développement clinique n'atteignent historiquement pas l'autorisation de commercialisation. Cette estimation dépend toutefois des périodes et des méthodes de calcul retenues.

Pour un laboratoire, la véritable question n'est donc pas uniquement de découvrir davantage de molécules.

Elle consiste également à identifier suffisamment tôt les projets qui ont les meilleures probabilités de réussite.

Premier levier : éviter de financer certains essais peu prometteurs

Si un outil permet de détecter plus tôt qu'une molécule présente une faible probabilité d'efficacité, un laboratoire pourrait décider de réorienter ou d'interrompre son développement.

Les capitaux non engagés dans ce projet pourraient alors être alloués à d'autres candidats thérapeutiques.

Le bénéfice potentiel ne proviendrait pas nécessairement d'une réduction du coût de chaque essai, mais d'une meilleure allocation du budget global de recherche et développement.

Deuxième levier : mieux sélectionner les patients

Un traitement anticancéreux peut être efficace chez certains patients et peu utile chez d'autres.

Identifier des caractéristiques biologiques associées à une bonne réponse pourrait permettre de définir des populations d'étude plus pertinentes.

Une meilleure sélection des patients pourrait améliorer la capacité d'un essai à détecter l'effet d'un traitement.

Cet objectif dépend néanmoins de la qualité des biomarqueurs identifiés et de leur validation clinique.

Troisième levier : accélérer certaines décisions de recherche

L'industrie pharmaceutique doit régulièrement arbitrer entre plusieurs programmes expérimentaux.

Un outil prédictif fiable pourrait aider les équipes à comparer plus rapidement des hypothèses thérapeutiques, à déterminer les expériences complémentaires nécessaires ou à prioriser certains projets.

L'intérêt de l'IA serait alors autant organisationnel que scientifique.

Mais aucun de ces gains ne doit être considéré comme acquis sans comparaison documentée entre des projets utilisant la plateforme et des projets comparables ne l'utilisant pas.

Comment mesurer les économies réellement réalisées ?

Pour évaluer la rentabilité d'une solution comme Orakl, un laboratoire devrait mesurer plusieurs indicateurs :

  • Le coût complet de l'utilisation de la plateforme.
  • Le nombre de candidats thérapeutiques écartés ou réorientés.
  • La proportion de décisions prédictives confirmées par les résultats cliniques.
  • Les dépenses de recherche évitées ou réallouées.
  • Les délais nécessaires pour sélectionner un traitement.
  • L'effet réel sur la réussite des essais cliniques.

L'économie nette correspondrait aux dépenses effectivement évitées, diminuées du coût de la technologie et des travaux supplémentaires nécessaires à sa validation.

Une décision de recherche prise plus rapidement ne représente pas automatiquement une économie financière.

Cette approche rejoint une question plus générale du marché de l'IA professionnelle : comment passer de la performance technique à un retour sur investissement démontré ?

Entreprisma a récemment examiné ce problème à travers la levée de 21 millions de dollars de Nebuly, une startup spécialisée dans la mesure du ROI de l'intelligence artificielle.

Quel modèle économique Orakl Oncology développe-t-elle ?

Orakl Oncology se positionne sur un marché interentreprises.

Ses clients potentiels sont principalement des laboratoires pharmaceutiques et des entreprises de biotechnologie qui développent des traitements contre le cancer.

Le modèle consiste à commercialiser des capacités d'analyse et de prédiction pour accompagner leurs décisions de R&D.

La société propose notamment une technologie de prédiction des résultats cliniques et développe des capacités de découverte de nouvelles cibles thérapeutiques.

Selon les informations communiquées par ses investisseurs, Orakl compte 18 des 20 plus grands groupes pharmaceutiques mondiaux dans son portefeuille de prospects commerciaux.

Ce chiffre ne signifie pas que les 18 entreprises ont signé un contrat.

La startup indique néanmoins que ses premières relations commerciales commencent à évoluer vers des collaborations pluriannuelles.

L'identité, la valeur et les conditions financières de ces contrats ne sont pas publiées dans l'annonce de financement.

Une technologie difficile à reproduire

L'avantage concurrentiel recherché par Orakl repose sur plusieurs éléments complémentaires.

D'abord, les données biologiques : chaque expérience menée sur des échantillons tumoraux permet d'alimenter une base de connaissances propriétaire.

Ensuite, les partenariats hospitaliers, qui facilitent l'accès aux échantillons et aux données nécessaires à la recherche.

Enfin, les modèles d'IA qui exploitent ces informations pour construire des prédictions.

Contrairement à un logiciel reposant principalement sur des données librement accessibles, cette approche nécessite des laboratoires, des équipements, des équipes scientifiques et des collaborations médicales.

Elle peut donc créer des barrières à l'entrée importantes.

Mais cette infrastructure a également un coût. La croissance de l'entreprise dépendra de sa capacité à transformer les investissements en biologie expérimentale et en IA en revenus commerciaux récurrents ou en contrats de recherche rentables.

À quoi serviront les 34 millions de dollars levés ?

Orakl Oncology prévoit d'utiliser ce financement pour changer d'échelle.

Quatre axes ressortent de son programme de développement.

Étendre les recherches à de nouveaux cancers

La plateforme se concentre jusqu'ici principalement sur les cancers colorectal et pancréatique.

L'entreprise veut désormais développer ses capacités pour le cancer du poumon non à petites cellules et le cancer de l'estomac.

Chaque nouvelle pathologie implique de collecter de nouvelles données biologiques et d'adapter les modèles prédictifs aux spécificités des tumeurs étudiées.

Multiplier par cinq la production de données

Orakl prévoit d'augmenter fortement les expérimentations réalisées en laboratoire.

L'objectif annoncé est de multiplier par cinq la production de données, afin de renforcer l'apprentissage de ses modèles et d'élargir leur champ d'application.

Cette montée en puissance suppose également des investissements dans les infrastructures, les équipes scientifiques et le traitement informatique.

Développer son activité aux États-Unis et au Royaume-Uni

La startup veut renforcer sa présence commerciale à l'international, notamment auprès des grands groupes pharmaceutiques.

De nouvelles équipes doivent accompagner le déploiement de ses prédictions sur plus de dix programmes de développement de médicaments.

La société négocie également des accords avec plus de 15 centres de recherche contre le cancer en Europe, en Amérique du Nord et en Asie.

Ces accords sont encore au stade de négociation à la date de l'annonce.

Passer de la prédiction à la découverte de médicaments

L'ambition dépasse désormais la simple anticipation du résultat d'un essai clinique.

Orakl veut utiliser ses données pour identifier de nouvelles cibles thérapeutiques, notamment des mécanismes biologiques susceptibles d'être visés par de futurs médicaments.

Cette évolution pourrait étendre le positionnement de l'entreprise à une partie plus importante de la chaîne de valeur pharmaceutique.

Pourquoi cette levée de fonds est importante pour la French Tech

L'opération illustre une évolution du financement des startups françaises d'intelligence artificielle.

Une partie de la création de valeur se déplace vers les entreprises capables d'associer des modèles informatiques à une expertise sectorielle et à des données difficiles à reproduire.

Dans la santé, cette dynamique concerne plusieurs segments distincts.

Certaines entreprises cherchent à améliorer le diagnostic médical. C'est notamment le cas de Moonlight AI, startup strasbourgeoise qui a levé 2,8 millions d'euros pour développer une IA d'analyse des tissus cancéreux.

Orakl intervient plus en amont, dans le processus de découverte et de développement de traitements.

Les deux approches répondent à des problèmes différents, mais reposent sur une même interrogation : dans quelles conditions les performances d'un système d'IA peuvent-elles améliorer concrètement les résultats du secteur de la santé ?

Pour la French Tech, le financement d'Orakl montre également l'intérêt des investisseurs internationaux pour les technologies issues de laboratoires de recherche français.

La difficulté ne réside plus seulement dans la capacité à produire une innovation scientifique.

Elle consiste à construire autour de cette innovation une entreprise capable de vendre à l'international, de financer ses expérimentations et de démontrer la valeur économique de ses résultats.

Quelles limites pour l'intelligence artificielle dans le développement de médicaments ?

Malgré les perspectives annoncées, plusieurs obstacles subsistent.

La représentativité des données biologiques. Les échantillons disponibles ne reproduisent pas nécessairement toute la diversité des patients et des mécanismes intervenant dans leur réponse à un traitement. La validation scientifique. Un algorithme performant sur des données historiques peut obtenir des résultats moins favorables lorsqu'il est confronté à de nouveaux essais ou à des médicaments différents. La complexité des essais cliniques. La réussite d'un traitement dépend aussi de sa tolérance, de ses effets indésirables, des conditions d'administration et de nombreux autres facteurs. L'intégration dans les décisions pharmaceutiques. Les laboratoires doivent pouvoir comprendre les prédictions, évaluer leur robustesse et justifier leurs choix scientifiques. La viabilité économique. Une plateforme sophistiquée ne réduit les dépenses de R&D que si les économies ou les gains obtenus dépassent son coût complet.

Enfin, les exigences de confidentialité des données de santé, d'encadrement de la recherche et de validation réglementaire demeurent essentielles.

L'IA ne supprime donc ni la nécessité des essais cliniques ni celle de l'évaluation par les autorités compétentes.

Pourquoi cela compte : la prochaine bataille de l'IA se joue dans la décision

La levée de fonds d'Orakl Oncology révèle un changement important dans le marché de l'intelligence artificielle.

Pendant plusieurs années, l'attention s'est concentrée sur la capacité des algorithmes à produire des textes, des images, des prédictions ou de nouvelles molécules.

Dans l'industrie pharmaceutique, la question devient plus exigeante : une prédiction peut-elle modifier une décision d'investissement et améliorer objectivement son résultat ?

La valeur potentielle d'Orakl repose sur cette capacité.

Si la technologie permet aux laboratoires d'identifier plus tôt les projets prometteurs et de réduire les échecs coûteux, elle pourrait générer une valeur économique significative.

Mais une telle transformation suppose des résultats reproductibles, une validation indépendante et des bénéfices financiers mesurables.

Les 34 millions de dollars levés financent donc une phase décisive : démontrer que des modèles construits à partir de véritables données biologiques peuvent passer du statut d'innovation scientifique à celui d'outil industriel de décision.

Pour Orakl Oncology, le prochain enjeu ne sera pas seulement de produire davantage de données ou d'améliorer ses algorithmes. Il sera de prouver que ses prédictions changent réellement la manière dont les médicaments sont développés.

À retenir

  • Orakl Oncology a levé 34 millions de dollars le 12 novembre 2026, dans le cadre d'une série A codirigée par Norrsken VC et Singular.
  • Le financement cumulé de la startup française atteint 50 millions de dollars depuis sa création en 2023.
  • Issue de Gustave Roussy, elle associe organoïdes tumoraux, données cliniques et IA pour prédire la réponse à des traitements anticancéreux.
  • L'entreprise revendique une précision prédictive de 90 %, dont la généralisation reste à démontrer par des validations indépendantes et prospectives.
  • Orakl prévoit de multiplier par cinq sa production de données et d'étendre ses recherches aux cancers du poumon et de l'estomac.
  • L'économie potentielle repose sur une meilleure sélection des projets pharmaceutiques et des patients, pas sur la suppression des essais cliniques.
  • Le prochain défi est de démontrer une réduction mesurable des coûts et des échecs de développement des médicaments.