Un candidat produit l’effet recherché dans un modèle animal. Que sait-on alors, exactement ?
Moins qu’il n’y paraît. On sait qu’une administration a été suivie d’un effet. On ne sait pas encore si le candidat est parvenu jusqu’à sa cible, s’il s’y est lié, ni si l’effet observé s’explique par le mécanisme postulé plutôt que par un autre. Ces trois questions se démontrent séparément, et l’expérience de l’industrie pharmaceutique montre que les négliger a un coût mesurable.
Cette note expose ce qu’il faut établir pour qu’un résultat préclinique permette de décider, et deux exigences méthodologiques qui en découlent — comment établir un mécanisme, et comment choisir un critère de lecture qui tranche entre des hypothèses concurrentes.
Trois piliers, et ce que coûte leur absence
Une analyse portant sur les décisions de phase II de quarante-quatre programmes conduits chez Pfizer a cherché ce qui distinguait les candidats survivants des autres. Le premier constat est attendu : la majorité des échecs tiennent à un défaut d’efficacité. Le second l’est beaucoup moins — dans 43 % des cas, il n’était pas possible de conclure si le mécanisme avait été testé de façon adéquate [1].
Arrêtons-nous sur ce chiffre. Il ne porte pas sur la qualité de l’exécution, mais sur ce qu’on savait au terme de ces programmes : le candidat était-il inefficace, ou n’avait-il jamais atteint sa cible à une concentration suffisante ? Un résultat obtenu dans ces conditions n’enseigne pas ce dont on a besoin. Il indique que le composé, tel qu’administré, n’a pas produit l’effet attendu — sans dire pourquoi, et donc sans permettre d’abandonner la cible en connaissance de cause.
Les auteurs en tirent trois éléments à démontrer conjointement, qu’ils nomment les piliers de la survie : l’exposition au site d’action, la liaison à la cible, et l’expression d’une activité pharmacologique cohérente avec les deux premières. Aucun ne remplace les autres, et c’est leur conjonction qui donne à un résultat sa valeur décisionnelle.
Démontrer l’exposition
L’exigence est plus précise qu’il n’y paraît. Ce qu’il faut établir n’est pas qu’une dose a été administrée, mais qu’une concentration de médicament libre , non liée aux protéines plasmatiques, a été atteinte au site d’action, à un niveau dépassant la puissance pharmacologique du composé, et pendant la durée voulue [1]. Chaque écart à cet énoncé introduit un doute sur l’adéquation de l’exposition.
Une difficulté pratique s’impose aussitôt : la mesure directe au site d’action est souvent inaccessible expérimentalement, et l’on se rabat alors sur des prélèvements sanguins [1]. Cette approximation est légitime, à condition d’être traitée comme telle — la concentration plasmatique n’est pas la concentration tissulaire, et l’écart entre les deux dépend de la molécule comme du tissu.
La dimension temporelle est fréquemment négligée. Une revue récente relève que les modèles précliniques sont typiquement exploités à un seul point de temps, ce qui laisse de côté la nature dynamique de la réponse — alors qu’une durée minimale d’exposition est nécessaire pour que la liaison à la cible se traduise en réponse thérapeutique [2]. Un candidat qui atteint la concentration requise pendant deux heures et un candidat qui la maintient deux semaines ne posent pas la même question, et un dispositif à point unique ne les distingue pas.
Reste une condition préalable à tout cela : le modèle doit permettre la question. Lorsqu’un candidat est dirigé contre une protéine humaine, l’exposition demeure mesurable chez un animal n’exprimant que l’homologue murin — on peut toujours doser le composé. Mais la liaison à la cible et l’activité qui en dépend cessent de l’être : deux piliers sur trois s’effondrent, et le premier ne suffit pas. C’est ce qui a motivé, dans le domaine de l’hémostase, la construction de modèles entièrement humanisés [4]. Nous développons ce point dans notre guide sur les modèles précliniques in vivo.
Établir que l’effet vient bien de là
Observer l’effet attendu après administration ne démontre pas que le mécanisme postulé opère. Le résultat est compatible avec l’hypothèse ; il ne l’établit pas. Un effet peut procéder d’une voie imprévue, d’une propriété non spécifique du composé, ou d’une conséquence indirecte du traitement.
La réponse méthodologique tient en une expérience : supprimer l’élément supposé médier l’effet, et vérifier que l’effet disparaît. C’est un contrôle de perte de fonction, et il transforme une compatibilité en démonstration.
Un exemple récent en illustre bien la logique. Un anticorps à domaine unique conçu pour prolonger la durée de vie circulante du facteur Willebrand produit l’effet attendu ; mais c’est la disparition de cet effet chez des animaux dépourvus du récepteur FcRn qui établit que le recyclage médié par ce récepteur en est la cause [3]. Sans cette expérience, l’explication serait restée une hypothèse plausible parmi d’autres.
Le raisonnement est identique à celui de la validation de cible, où la perturbation seule permet de distinguer un moteur d’un passager , logique que nous exposons à propos des cribles CRISPR-Cas9. L’évaluation d’un candidat ne s’en dispense pas.
Choisir le critère qui sépare les hypothèses
Une seconde exigence, moins souvent formulée, concerne le choix du critère de lecture. Elle part d’un constat simple : deux mécanismes différents peuvent produire exactement la même observation.
Si le taux circulant d’une protéine augmente après traitement, deux explications s’offrent — l’ organisme en produit davantage, ou il en élimine moins. La mesure du taux, quelle que soit sa précision, ne permet pas de trancher : elle est également compatible avec les deux hypothèses.
Il faut donc un critère qui les sépare. Dans l’exemple ci-dessus, le rapport entre le propeptide et l’antigène du facteur Willebrand joue ce rôle : c’est un marqueur de clairance, et son abaissement oriente vers un ralentissement de l’élimination plutôt que vers une production accrue [3]. La mesure n’est pas plus précise que la précédente ; elle est simplement discriminante.
De là un principe qui dépasse le cas : un critère de lecture ne se choisit pas pour sa disponibilité, sa commodité ou sa précision, mais pour sa capacité à départager les hypothèses en compétition. Ce qui suppose d’avoir explicité ces hypothèses avant de concevoir la mesure — car un critère choisi après coup se trouve rarement discriminant par hasard.
Ce que dit, et ne dit pas, un résultat négatif
Il existe entre résultat positif et résultat négatif une asymétrie qui justifie à elle seule l’effort de mesure de l’exposition.
Un résultat positif sans exposition documentée reste fragile : on ignore quelle concentration a produit l’effet, donc on ne sait pas transposer la dose, ni comparer avec un autre composé, ni anticiper ce qui se passera chez l’humain.
Un résultat négatif sans exposition documentée est d’une autre nature : il est ininterprétable. On ne peut pas distinguer un candidat qui n’agit pas d’un candidat qui n’est jamais parvenu jusqu’à sa cible en quantité suffisante , et les deux situations appellent des décisions opposées, abandonner la molécule dans un cas, en reformuler l’administration dans l’autre. C’est très exactement la situation décrite plus haut pour 43 % des programmes analysés.
La conséquence est une règle de conception : les mesures d’exposition se prévoient avant l’expérience, parce qu’elles seules rendent un échec informatif. Les ajouter après un résultat décevant ne restitue pas l’information perdue.
La tolérance, l’autre versant
L’évaluation ne se réduit pas à l’efficacité. La question qui décide du passage en clinique n’est pas seulement « le candidat agit-il », mais « à quelle distance de la dose mal tolérée ». Une marge étroite entre dose efficace et dose toxique compromet un programme aussi sûrement qu’une absence d’effet.
Les deux versants gagnent à être rapportés à des expositions comparables, faute de quoi l’on met en regard des situations qui ne le sont pas. Cette partie de l’évaluation relève de cadres réglementaires spécifiques, dont le détail dépasse le propos de cette note.
Comment Inovarion peut vous accompagner
Inovarion accompagne les projets d’évaluation préclinique de la conception à l’interprétation : définition du dispositif au regard des questions posées, choix du modèle et vérification de sa pertinence pour le candidat, mesures d’exposition, conception des contrôles mécanistiques et des critères de lecture, puis analyse. Nos équipes ont contribué au développement de modèles entièrement humanisés destinés précisément à rendre évaluable ce qui ne l’était pas. La question que nous posons en premier est rarement technique : c’est celle de savoir quelle décision le résultat devra permettre de prendre.
Publications
Références du domaine
- Morgan P, Van Der Graaf PH, Arrowsmith J, et al. Can the flow of medicines be improved? Fundamental pharmacokinetic and pharmacological principles toward improving Phase II survival. Drug Discovery Today, 2012;17(9-10):419-424. PubMed
- Hughes EA, Davenport LL, Mochel JP, Douglass EF. Gaps and paths forward in cancer pharmacology and translational research. Frontiers in Pharmacology, 2026;17:1779049. DOI
- Peyron I, Casari C, McCluskey G, et al. Blood, 2025;146(21):2597-2607. DOI
Contribution Inovarion
- McCluskey G, et al. A fully humanized von Willebrand disease type 1 mouse model as unique platform to investigate novel therapeutic options. Haematologica, 2025;110(4):923-937. PubMed
à jour en juillet 2026