Le pari de 76 M$ de Bioptimus : un modèle de fondation pour toute la biologie, l'open source d'abord

Une startup parisienne qui entraîne de grands modèles de fondation d'IA sur des données biologiques multimodales — lames de pathologie, génomique, dossiers cliniques — pour accélérer le diagnostic et la découverte de médicaments, en vendant l'accès aux modèles aux laboratoires pharmaceutiques et aux chercheurs.

Que la biologie soit le prochain domaine des modèles de fondation : un modèle multimodal entraîné sur des données de patients hospitaliers pourrait simuler la maladie, prédire les résultats et accélérer la découverte de médicaments.

35 M$ de seed (février 2024, mené par Sofinnova Partners avec Bpifrance, Cathay Innovation, Xavier Niel et Owkin), puis une Série A de 41 M$ (janvier 2025, menée par Cathay Innovation) — 76 M$ au total.

Bioptimus est sorti de la stealth le 20 février 2024 à Paris en tant que spin-off d'Owkin, la licorne française de la biotech, cofondée par le directeur R&D d'Owkin, Jean-Philippe Vert, et des chercheurs ex-Google et DeepMind, dont le CTO Rodolphe Jenatton. Elle a levé un seed de 35 M$ mené par Sofinnova Partners, signé un partenariat de calcul avec AWS et entrepris d'entraîner un modèle de fondation de la biologie sur les données patients multimodales d'Owkin issues de grands hôpitaux universitaires.

En juillet 2024, moins de cinq mois après son lancement, Bioptimus a publié H-Optimus-0, le plus grand modèle de fondation open source en pathologie au monde — 1,1 milliard de paramètres entraînés sur plus de 500 000 lames d'histopathologie — revendiquant des résultats à l'état de l'art sur des tâches diagnostiques, de la détection de cellules cancéreuses aux biomarqueurs tumoraux. En janvier 2025, elle a levé une Série A de 41 M$ menée par Cathay Innovation (avec Sofinnova, Bpifrance, Andera, Hitachi Ventures, Boom Capital, Pomifer, Sunrise et des business angels), portant le financement total à 76 M$, et a déclaré préparer un modèle multimodal couvrant tout le spectre biologique.

Le pari était que la biologie suivrait le texte et les images comme domaine où un grand modèle bat de nombreux petits — un « GPT de la biologie ».

Les données hospitalières accumulées par Owkin constituaient le fossé défensif : les données cliniques sensibles ne sont pas publiques, de sorte que les concurrents ne pouvaient pas facilement copier l'ensemble d'entraînement.

L'open source de H-Optimus-0 a d'abord bâti la crédibilité scientifique et l'adoption, convertissant les chercheurs en utilisateurs avant la poussée commerciale.

La spin-off d'Owkin avait du sens parce que les modèles de fondation ont besoin de leur propre capital, de leur propre calcul et de leur propre stratégie de données — un « pure player » pouvait avancer plus vite.

Des données multimodales exclusives peuvent constituer un fossé défensif : le réseau hospitalier d'Owkin a permis à une startup au stade seed d'entraîner des modèles que ses rivaux ne pouvaient pas, et l'open source du premier a bâti la crédibilité avant le discours commercial.

En août 2026, Bioptimus est toujours privée avec 76 M$ levés et aucun tour supplémentaire rapporté publiquement. Son site web indique que ses modèles sont utilisés par 16 des 20 plus grands laboratoires pharmaceutiques et plus de 1 000 institutions, avec 1 184 533 téléchargements de modèles au total et plus de 100 articles publiés à l'aide de ses modèles. Elle a dépassé sa tête de pont en pathologie avec M-Optimus, qui intègre l'histologie, la transcriptomique spatiale et la génomique dans une seule architecture, et a lancé STELA, un moteur de données multi-institutionnel pour générer des données patients profondément profilées et liées cliniquement à travers les géographies.