Le financement d’Anew Labs porte à 290 millions de dollars les fonds levés par la filiale de ByteDance spécialisée dans les médicaments par IA, mais la preuve clinique reste à venir

Anew Labs aurait levé 290 millions de dollars après que ByteDance a séparé son activité de découverte de médicaments par IA de ses activités internet principales. Selon deux personnes proches de la transaction, ce premier financement externe d’Anew Labs valorise l’entreprise basée à Shanghai à 1,5 milliard de dollars.

L’ampleur du tour de table donne immédiatement à Anew Labs davantage de moyens pour développer des modèles, mener des expérimentations en laboratoire et faire progresser des candidats-médicaments. Elle crée aussi un test bien plus exigeant. Les investisseurs doivent désormais évaluer l’entreprise à l’aune des jalons pharmaceutiques, plutôt que des publications de recherche ou des benchmarks logiciels.

Cette distinction place Anew Labs en concurrence avec des entreprises de biotechnologie nativement axées sur l’IA, des laboratoires pharmaceutiques établis et des laboratoires soutenus par la technologie tels qu’Isomorphic Labs d’Alphabet. Tous tentent de transformer les avancées computationnelles en thérapies efficaces chez l’être humain.

Le financement est donc plus qu’un nouvel investissement majeur dans l’intelligence artificielle. Il constitue un pari : une activité développée au sein d’une entreprise d’internet grand public peut-elle devenir une société de biotechnologie indépendante sans perdre le soutien technique de ByteDance ?

Ce que change le financement d’Anew Labs

Anew Labs dispose désormais de capitaux indépendants et d’une plus grande flexibilité de gestion, tandis que ByteDance conserverait le contrôle de l’entreprise.

Le tour de table de 290 millions de dollars a été rapporté le 16 septembre par Reuters, qui citait deux sources anonymes informées de la transaction. Le financement rapporté n’a été accompagné d’aucune annonce officielle de ByteDance ni des investisseurs participants.

Reuters a identifié HSG, anciennement Sequoia China, IDG Capital et Hillhouse Investment comme investisseurs principaux. L’agence a cité 5Y Capital comme co-chef de file.

Parmi les autres participants rapportés figuraient Gaorong Ventures, Primavera Venture Partners, Boyu Capital, l’investisseur stratégique SBP Group et le Shanghai Future Industries Fund, soutenu par l’État. ByteDance et les investisseurs n’ont pas immédiatement répondu aux demandes de commentaires de Reuters.

Une source a déclaré à Reuters que ByteDance détiendrait 56 % d’Anew Labs après la transaction. Cette position laisserait le groupe internet fermement aux commandes, malgré l’entrée d’investisseurs extérieurs au capital.

Cette structure rend le terme « spin-off » un peu plus complexe qu’il n’y paraît à première vue. Anew Labs bénéficie d’une plus grande séparation organisationnelle et de son propre financement externe, mais elle n’est pas indépendante de ByteDance au sens capitalistique.

La participation continue de ByteDance modifie également le profil de risque des nouveaux investisseurs. Ils sont exposés à une entreprise de biotechnologie ciblée tout en conservant un lien avec les talents en IA, l’infrastructure et les ressources de calcul de ByteDance.

De précédentes informations sur la scission indiquaient que l’équipe, les algorithmes, la plateforme technologique et le portefeuille existant de médicaments de l’unité seraient transférés à la nouvelle entité. Elles précisaient également que Volcano Engine, l’activité cloud de ByteDance, continuerait de fournir du soutien informatique.

Anew Labs peut donc fonctionner davantage comme une startup de biotechnologie sans partir d’un laboratoire vide. Elle hérite de recherches, de personnel, de programmes de candidats et d’une infrastructure technique développés pendant ses années au sein de ByteDance.

La valorisation rapportée de 1,5 milliard de dollars établit pour les investisseurs extérieurs un rapport d’environ 19 % entre les nouveaux capitaux et la valeur post-financement. Toutefois, les chiffres divulgués ne révèlent pas toutes les modalités ni la participation exacte acquise par les nouveaux investisseurs.

Aucun dépôt public n’a encore fourni une table de capitalisation complète. L’entreprise n’a pas non plus indiqué comment elle prévoit de répartir les nouveaux fonds entre le calcul, les travaux de laboratoire, les recrutements, le développement clinique ou les partenariats.

Ces omissions comptent, car le développement de médicaments consomme le capital différemment des logiciels grand public. Un modèle peut être distribué rapidement, mais un candidat thérapeutique doit satisfaire à des exigences de laboratoire, de fabrication, de réglementation et d’essais chez l’humain.

Le financement change ce qu’Anew Labs peut tenter. Il ne permet pas de déterminer si les candidats de l’entreprise franchiront ces exigences.

Pourquoi ByteDance a séparé son unité consacrée aux médicaments de son activité principale

La scission sépare un cycle de développement long et réglementé du modèle opérationnel internet grand public plus rapide de ByteDance.

Selon Reuters, ByteDance a séparé l’unité parce que la découverte de médicaments par IA obéit à une logique sectorielle et à une approche de gestion différentes de ses activités principales. L’entreprise aurait estimé qu’une structure distincte soutiendrait mieux le développement à long terme.

Cette explication est commercialement plausible. ByteDance a bâti ses plus grandes activités autour de produits logiciels pouvant être testés, mis à jour et distribués à une vitesse considérable.

Le développement de médicaments suit une autre cadence. Même un résultat computationnel prometteur doit passer par une validation en laboratoire, des études précliniques, des travaux de fabrication, des soumissions réglementaires et plusieurs phases d’essais chez l’humain.

La validation en laboratoire consiste à tester une prédiction computationnelle par des expériences biologiques ou chimiques physiques. Elle peut révéler des problèmes invisibles dans un modèle ou un benchmark.

Une entreprise distincte peut bâtir ses systèmes de rémunération, de recrutement et de décision autour de ce processus. Elle peut également lever des capitaux dédiés auprès d’investisseurs qui comprennent les calendriers de la biotechnologie et acceptent les risques cliniques binaires.

La séparation offre à Anew Labs une autre option importante. Elle peut négocier des alliances de recherche, des accords de licence et des partenariats de développement sans faire passer chaque transaction par la structure d’entreprise plus large de ByteDance.

Cette flexibilité importe lorsque les entreprises pharmaceutiques évaluent des partenaires. Elles ont besoin d’une propriété clairement établie des brevets, composés, données expérimentales et responsabilités réglementaires.

La nouvelle structure devrait faciliter la définition de ces frontières. Toutefois, les informations publiques n’expliquent pas encore comment Anew Labs et ByteDance ont réparti la propriété intellectuelle créée avant la scission.

De précédentes informations faisaient remonter le groupe interne de découverte de médicaments à 2021 et désignaient Kai Liu comme son dirigeant. Elles décrivaient une équipe centrale d’environ 50 personnes couvrant la recherche en IA, les algorithmes et le développement pharmaceutique.

Ces détails précèdent le financement finalisé et n’ont pas été reconfirmés dans l’article de Reuters. Ils aident néanmoins à comprendre pourquoi les investisseurs soutiennent un groupe de recherche opérationnel plutôt qu’une startup nouvellement constituée.

Anew Labs indique désormais avoir des bureaux à Shanghai, San Francisco et Singapour. Ses documents publics décrivent une équipe où des chercheurs en apprentissage automatique et des spécialistes de la découverte de médicaments travaillent ensemble.

Cette structure géographique peut faciliter le recrutement international et les partenariats pharmaceutiques. Elle peut aussi soulever des questions liées à la gouvernance des données, à la propriété intellectuelle, aux contrôles à l’exportation et au développement clinique transfrontalier.

La scission ne retire pas ByteDance de ces questions. Une participation rapportée de 56 % signifie que la propriété, l’infrastructure et la réputation de la maison mère resteront pertinentes pour les partenaires et les autorités de régulation.

Cet équilibre est au cœur de l’opération. Anew Labs a besoin d’une indépendance suffisante pour fonctionner comme une entreprise de biotechnologie, tout en préservant les ressources qui la distinguent des plus petites startups de médicaments par IA.

Les investisseurs extérieurs semblent disposés à financer cet équilibre à une valorisation substantielle. Les prochaines preuves devront venir de la performance opérationnelle de l’entreprise.

La découverte de médicaments par IA d’Anew Labs va au-delà de la prédiction de structures

Anew Labs assemble plusieurs systèmes d’IA autour d’un objectif : transformer des prédictions moléculaires en candidats-médicaments testés expérimentalement.

La plateforme de découverte de médicaments publique de l’entreprise répertorie des outils de prédiction de structures, de dynamique moléculaire, de conception générative, d’optimisation d’anticorps et de raisonnement scientifique. Elle présente également quatre programmes thérapeutiques internes à différents stades.

AnewFold prédit les structures de protéines et de complexes moléculaires. La prédiction de structures estime la manière dont les molécules biologiques s’organisent en trois dimensions, ce qui peut aider les chercheurs à comprendre de possibles sites de liaison.

AnewSampling se concentre sur la dynamique moléculaire. Ces systèmes tentent de représenter la façon dont les protéines et d’autres molécules se déplacent entre différentes conformations, plutôt que de les traiter comme des objets fixes.

Cette distinction peut influencer la conception de médicaments. Un composé peut bien se lier à une structure modélisée, mais échouer lorsqu’une protéine se déplace, interagit avec l’eau ou adopte un autre état biologiquement pertinent.

Anew Labs affirme que son modèle de mouvement moléculaire utilise l’IA générative pour l’échantillonnage thermodynamique tous atomes. L’entreprise affirme que le système équilibre vitesse, échelle et fidélité physique, mais la validation expérimentale indépendante demeure limitée.

AnewOmni est décrit comme un modèle génératif tous atomes destiné à concevoir plusieurs types de molécules de liaison. Une molécule de liaison est créée pour s’attacher à une cible biologique et influencer son activité.

L’entreprise indique qu’AnewOmni peut fonctionner avec des peptides, des anticorps et de petites molécules. Si cette capacité est étayée par des expériences, elle pourrait permettre à une même organisation de recherche d’explorer plusieurs formats thérapeutiques.

AnewDesign cible la conception et l’optimisation d’anticorps à l’aide de retours expérimentaux. Son rôle est important, car les résultats de laboratoire doivent éclairer les décisions ultérieures des modèles, plutôt que de laisser le calcul et l’expérimentation fonctionner comme des flux de travail séparés.

AnewMind est présenté comme un grand modèle de langage de raisonnement scientifique destiné aux décisions de découverte de médicaments. L’entreprise avait indiqué que certaines parties de ce produit étaient à venir, de sorte que son utilisation opérationnelle reste incertaine.

Le 17 septembre, Anew Labs a également répertorié AnewDDE, un moteur agentique de découverte de médicaments, sur son site web. Un moteur agentique coordonne plusieurs modèles spécialisés et tâches au sein d’un flux de travail plus large.

L’entreprise indique qu’AnewDDE associe prédiction de structures, conception moléculaire, analyse de l’affinité de liaison et raisonnement scientifique à des retours expérimentaux. Cette description suggère une tentative de relier plusieurs outils auparavant distincts.

Cette approche intégrée constitue le mécanisme à la base de la thèse d’investissement. Anew Labs ne présente pas un seul modèle comme une solution complète de découverte de médicaments.

Elle cherche plutôt à créer une boucle. Les modèles génèrent des prédictions, les chercheurs les testent, les résultats expérimentaux retournent dans le système, et les conceptions ultérieures intègrent ces données.

De telles boucles peuvent améliorer les décisions de recherche lorsque les expériences sont soigneusement sélectionnées et que les données sont fiables. Elles peuvent aussi reproduire des biais cachés lorsque les données de validation sont limitées ou incohérentes.

Le portefeuille public de l’entreprise donne aux investisseurs des éléments plus concrets à examiner. Anew Labs identifie des programmes concernant IL-17 et IL4R, ainsi que deux cibles non divulguées.

IL-17 est une famille de protéines de signalisation associée à des maladies inflammatoires et auto-immunes. IL4R est un récepteur impliqué dans la signalisation immunitaire et constitue déjà une cible thérapeutique cliniquement pertinente.

Anew Labs a décrit un programme de petites molécules visant à inhiber plusieurs dimères d’IL-17. Une petite molécule est un composé synthétisé chimiquement qui peut parfois offrir des avantages de prise orale par rapport aux médicaments biologiques injectables.

L’entreprise indique que le programme progresse à travers les étapes précliniques. Son site web ne mentionne pas d’essai chez l’humain enregistré pour ce candidat.

Cet écart définit le moment présent. Anew Labs est allé au-delà d’une collection de modèles de recherche, mais n’a pas encore démontré de réussite clinique.

Le véritable enjeu oppose les promesses computationnelles aux preuves cliniques

Anew Labs doit prouver que de meilleurs modèles moléculaires améliorent les résultats thérapeutiques, et pas seulement la vitesse des premières découvertes.

L’IA a déjà transformé certains aspects de la biologie structurale et de la chimie computationnelle. Les modèles peuvent classer des composés, prédire des structures, générer des candidats moléculaires et aider les chercheurs à réduire des recherches expérimentales coûteuses.

Ces capacités peuvent réduire le travail nécessaire à certaines étapes de la découverte. Elles n’éliminent pas l’incertitude biologique à l’origine de l’échec de nombreux médicaments.

Une molécule peut se lier fortement à sa cible prévue tout en restant inutilisable. Elle peut s’avérer toxique, se dégrader trop rapidement, se distribuer insuffisamment dans l’organisme ou n’apporter aucun bénéfice significatif aux patients.

La biologie humaine diffère également des jeux de données contrôlés utilisés lors du développement des modèles. Les patients présentent des profils génétiques, des antécédents médicaux, des traitements, des réponses immunitaires et des expositions environnementales variés.

Une critique de la traduction clinique publiée en 2025 a estimé que les programmes de médicaments fondés sur l’IA se concentraient fortement sur les cibles et la conception moléculaire. Elle appelait à intégrer davantage de données fonctionnelles humaines au cours du développement préclinique.

L’analyse avertissait également que l’accélération de la découverte n’avait pas encore produit de preuves étendues d’une meilleure efficacité clinique. Le nombre de médicaments issus de l’IA dans des essais avancés restait trop faible pour tirer des conclusions définitives.

C’est la tension principale à laquelle Anew Labs est confronté. La technologie de l’entreprise peut être techniquement impressionnante alors que ses programmes médicamenteux restent médicalement non prouvés.

La valorisation de 1,5 milliard de dollars relève le niveau d’exigence pour résoudre cette tension. Les investisseurs attendront de la plateforme qu’elle produise des candidats propriétaires, des partenariats ou des avantages mesurables en développement.

Anew Labs peut démontrer ses progrès par plusieurs voies. L’entreprise pourrait désigner des candidats au développement, achever des études de sécurité, déposer des demandes réglementaires ou lancer des essais chez l’humain.

Elle pourrait également conclure un partenariat pharmaceutique incluant une diligence raisonnable externe. Un tel accord ne prouverait pas l’efficacité clinique, mais montrerait qu’un autre développeur de médicaments juge la plateforme ou le pipeline précieux.

Les preuves cliniques restent le test le plus solide. Une étude randomisée de phase 2a portant sur une combinaison médicament-cible découverte grâce à l’IA pour la fibrose pulmonaire idiopathique a offert un point de référence important pour le secteur en 2025.

Une revue d’essai clinique a décrit cette étude comme une étape importante, citant la sécurité et des signes d’efficacité. Elle n’a pas établi que les médicaments conçus par l’IA surpassent généralement les médicaments découverts de manière conventionnelle.

Cette distinction est importante pour Anew Labs. Le résultat clinique d’une autre entreprise soutient la faisabilité de la découverte assistée par IA, mais ne peut pas valider les modèles ou les composés d’Anew Labs.

L’entreprise doit produire ses propres preuves. Les comparaisons avec des références internes seront également importantes.

Par exemple, Anew Labs pourrait indiquer si ses systèmes réduisent les cycles de synthèse, améliorent les taux de succès expérimentaux ou identifient des candidats non détectés par le criblage conventionnel. Ces mesures nécessitent des définitions claires et des tests reproductibles.

Les seuls résultats de benchmark constituent des preuves plus faibles. Un modèle peut obtenir de bons résultats sur des jeux de données historiques sans prendre de meilleures décisions pour de nouvelles cibles ou des conditions biologiques inconnues.

La stratégie d’Anew Labs reconnaît une partie de ce problème en mettant l’accent sur le retour d’information expérimental. La question non résolue est de savoir à quel point ce retour d’information façonne la sélection des cibles, la toxicologie et la biologie pertinente pour l’humain.

Les divulgations actuelles sur le pipeline de l’entreprise montrent une direction plutôt qu’une preuve. Elles identifient des cibles et des stades de développement, mais fournissent peu de données publiques sur les propriétés des candidats ou les résultats expérimentaux.

C’est normal pour une entreprise privée de biotechnologie qui protège ses travaux propriétaires. Cela empêche également les observateurs externes d’évaluer indépendamment plusieurs affirmations importantes.

Le financement devrait soutenir davantage d’expériences. Il devrait aussi accroître la pression pour obtenir des résultats que les scientifiques, les régulateurs et les partenaires pourront examiner.

Anew Labs impose aux rivaux des médicaments IA un autre type de pression

Le tour de table met les rivaux sous pression par le capital et l’infrastructure, mais la concurrence sera finalement tranchée par des médicaments validés.

Anew Labs arrive dans un secteur qui comprend plusieurs modèles économiques. Certaines entreprises développent des logiciels pour des clients pharmaceutiques, tandis que d’autres développent leurs propres pipelines thérapeutiques.

Une entreprise de plateforme peut générer des revenus en concédant des licences sur ses outils, en formant des partenariats de recherche ou en recevant des paiements d’étape. Un développeur de médicaments conserve davantage de valeur thérapeutique, mais assume des coûts et des risques cliniques plus élevés.

Anew Labs semble poursuivre des éléments de ces deux approches. Ses documents publics mettent en avant une large plateforme technologique, tout en identifiant des programmes internes de médicaments.

Cette combinaison ressemble aux stratégies utilisées par plusieurs entreprises de biotechnologie nativement axées sur l’IA. Elle permet à la plateforme d’apprendre de programmes internes tout en créant des opportunités potentielles de partenariat.

Le financement donne à Anew Labs davantage de capacité pour exploiter ce modèle double. L’entreprise peut financer la recherche fondamentale tout en faisant progresser des composés à travers des étapes de développement coûteuses.

Les concurrents plus petits font désormais face à une entreprise soutenue à la fois par des investisseurs en capital-risque et une grande maison mère technologique. Anew Labs peut s’appuyer sur une infrastructure informatique qu’il serait coûteux de reproduire de manière indépendante.

Toutefois, Isomorphic Labs, soutenu par Alphabet, dispose d’avantages comparables. L’entreprise est issue des travaux de DeepMind sur la prédiction de structures protéiques et peut relier ses recherches aux ressources techniques d’Alphabet.

Insilico Medicine a fait entrer un traitement issu de l’IA dans des études chez l’humain. Recursion a investi dans la génération de données biologiques à grande échelle et l’expérimentation automatisée.

Les entreprises pharmaceutiques traditionnelles adoptent également l’IA dans l’ensemble de leurs activités de recherche existantes. Elles disposent d’équipes de chimie médicinale, d’expérience réglementaire, de systèmes de fabrication et de réseaux cliniques établis.

Anew Labs ne peut pas l’emporter simplement en entraînant des modèles plus grands. L’entreprise doit relier la puissance de calcul aux capacités organisationnelles nécessaires pour produire un médicament.

L’implantation de l’entreprise ajoute une autre dimension concurrentielle. La Chine dispose de capacités étendues en chimie, recherche sous contrat, essais cliniques et fabrication, qui peuvent soutenir le développement biotechnologique.

Shanghai offre également un important vivier de talents en sciences de la vie ainsi qu’un soutien public à la biotechnologie. La participation du Shanghai Future Industries Fund relie ce tour de table à cette stratégie régionale.

Dans le même temps, les opérations menées en Chine, à Singapour et aux États-Unis peuvent compliquer la collaboration. Les transferts de données, les contrôles de propriété intellectuelle et les restrictions technologiques peuvent affecter les programmes de recherche internationaux.

Les partenaires pharmaceutiques potentiels examineront ces enjeux parallèlement aux performances scientifiques. Ils demanderont également quelle entité détient chaque modèle, jeu de données, composé et brevet.

La participation majoritaire de ByteDance peut aider en apportant stabilité financière et technique. Elle peut aussi susciter des hésitations chez les organisations préoccupées par la gouvernance ou l’exposition géopolitique.

C’est pourquoi la principale confrontation n’oppose pas Anew Labs à un rival nommément désigné. Elle oppose la promesse d’une plateforme intégrée, soutenue par la technologie, aux lentes exigences probatoires de la médecine.

Les concurrents sont soumis au même standard scientifique. Leurs différentes sources de capital, géographies et architectures de modèles ne les exemptent pas des essais cliniques.

Le nouveau financement d’Anew Labs lui permet de participer à cette compétition à grande échelle. Il ne rapproche pas la ligne d’arrivée.

Ce qu’il faut surveiller après le tour de table de 290 millions de dollars

Trois signaux indiqueront si le financement d’Anew Labs a produit une entreprise de biotechnologie durable ou seulement une plateforme de recherche richement financée.

Le premier signal sera l’avancement formel du programme IL-17. Les investisseurs devraient surveiller la désignation d’un candidat au développement, l’achèvement des travaux de toxicologie réglementaire ou le dépôt d’une demande d’essai clinique.

Chacune de ces étapes montrerait qu’Anew Labs peut passer de la conception computationnelle au développement réglementé. Une étude chez l’humain enregistrée renforcerait bien davantage cette conclusion.

L’absence de tels progrès n’invaliderait pas immédiatement la plateforme. Le développement préclinique d’un médicament prend souvent des années, et des retards peuvent refléter des travaux de fabrication ou de sécurité plutôt qu’un échec computationnel.

L’entreprise a néanmoins choisi de mettre ce programme en avant publiquement. Cela en fait le test le plus clair de la capacité de ses modèles à produire des composés présentant des propriétés prêtes pour le développement.

Le deuxième signal sera une validation indépendante de la plateforme technologique. Celle-ci pourrait provenir d’études évaluées par les pairs, de benchmarks externes, de résultats de laboratoire reproduits ou d’un partenariat pharmaceutique aux objectifs divulgués.

Un partenariat serait particulièrement informatif s’il incluait des cibles précises et des critères d’étape. Un protocole d’accord général ou une collaboration promotionnelle aurait moins de poids.

La réplication indépendante compte également pour AnewSampling et AnewOmni. Les chercheurs doivent savoir si ces systèmes fonctionnent de manière cohérente sur de nouveaux problèmes moléculaires, plutôt que sur des démonstrations sélectionnées.

Le troisième signal concernera la relation opérationnelle entre Anew Labs et ByteDance. Les futures divulgations devraient clarifier la gouvernance, la propriété intellectuelle, l’accès aux ressources de calcul et l’utilisation du nouveau capital.

Ces informations aideront les observateurs externes à comprendre si Anew Labs devient un développeur de médicaments autonome. Elles montreront également dans quelle mesure l’activité reste dépendante de ByteDance.

Les évolutions de l’actionnariat méritent de l’attention. La participation rapportée de 56 % de ByteDance lui donne aujourd’hui le contrôle, mais des financements ultérieurs pourraient modifier cet équilibre.

Anew Labs doit également montrer comment ses équipes travaillent entre Shanghai, San Francisco et Singapour. Les recrutements et les dépôts réglementaires peuvent révéler où l’entreprise prévoit de mener ses activités de recherche et de développement clinique.

Pour les développeurs, cette histoire rappelle que la performance d’un modèle n’est qu’une couche d’un système scientifique déployé. La provenance des données, la conception expérimentale et la qualité du retour d’information déterminent si les prédictions améliorent les décisions.

Les acheteurs en entreprise devraient appliquer le même raisonnement lorsqu’ils évaluent des outils d’IA spécialisés. Ils devraient demander des preuves issues du flux de travail prévu, et pas seulement des benchmarks généraux ou des démonstrations soignées.

Les travailleurs du savoir qui suivent le secteur devraient distinguer trois types de progrès : de meilleurs modèles, de meilleurs candidats expérimentaux et de meilleurs résultats chez les patients. Chacun exige un niveau de preuve différent.

Anew Labs a établi que de grands investisseurs financeront sa tentative. Sa plateforme publique montre également une direction technique cohérente en matière de structure, de dynamique, de conception et de raisonnement scientifique.

La prochaine phase sera moins indulgente. Les candidats-médicaments devront survivre à des expériences qui ne peuvent pas être optimisées par la seule itération logicielle.

Surveillez un dépôt réglementaire, des résultats de plateforme testés indépendamment et un partenariat pharmaceutique clairement défini. Ensemble, ces signaux soutiendraient la thèse d’investissement derrière le financement d’Anew Labs.

Sans eux, ce tour de table demeure une preuve de la conviction des investisseurs plutôt que du succès thérapeutique. La question décisive est désormais mesurable : Anew Labs peut-il transformer la recherche en IA de ByteDance en un médicament qui progresse en clinique ?