Vzvc : Vijay Pande Parie Petit Après 4 Md Chez A16z

Imaginez un investisseur qui a passé plus de dix ans à bâtir une pratique de plusieurs milliards de dollars, puis qui décide, presque du jour au lendemain, de tout réduire : moins de dossiers, moins de monde autour de la table, et une obsession pour quelques entreprises seulement. C’est exactement le mouvement qu’a choisi Vijay Pande en quittant Andreessen Horowitz pour co-fonder VZVC avec Zack Werner. Dans un marché où tout le monde parle de cadence, de deal flow et de spray-and-pray, lui raconte autre chose : on n’élève pas une société comme on ajoute un contact sur un réseau social.

Le Tournant Discret D’Un Géant De La Biotech

Pendant longtemps, Pande n’était pas une figure de la Silicon Valley au sens classique. On le connaissait surtout dans les amphithéâtres et les laboratoires. Chimiste à Stanford, il s’était fait un nom avec Folding@home, ce projet de calcul distribué qui transformait des millions d’ordinateurs personnels en une sorte de supercalculateur citoyen pour étudier le repliement des protéines et certaines maladies. Puis Marc Andreessen et Ben Horowitz, qui avaient longtemps évité la santé et les sciences de la vie, ont changé d’avis. Ils lui ont confié les clés. En une dizaine d’années, la mise est devenue une pratique d’environ 4 milliards de dollars.

Le retournement de juin 2025 a donc surpris. Pas parce que Pande doutait de la biotech. Au contraire. Parce qu’il voulait un véhicule plus étroit, plus lent, plus intime. VZVC n’est pas conçu pour aligner trente tickets par an. L’ambition affichée tourne autour d’une poignée de paris très concentrés. Pas d’associés au sens traditionnel. Beaucoup d’agents d’intelligence artificielle pour le quotidien du fonds. Une relation avec les fondateurs pensée comme un engagement de cinq à dix ans, parfois davantage.

Cette bascule dit quelque chose de plus large que le destin d’un seul associé. Elle interroge la manière dont on finance l’IA appliquée au vivant, à un moment où les promesses médicales s’accumulent plus vite que les données réellement partageables. Elle pose aussi une question simple, presque gênante : à force de multiplier les dossiers, le capital-risque n’a-t-il pas oublié ce que signifie vraiment accompagner une entreprise de santé ?

Du Laboratoire Stanford Aux Milliards D’A16z

Le parcours de Pande aide à comprendre le fonds qu’il construit aujourd’hui. Il n’arrive pas du trading, ni d’une banque d’affaires. Il arrive d’une culture où l’expérience se mesure en années de recherche, en échecs de modèles, en patience face à la matière biologique. Quand a16z a ouvert une vraie pratique santé, ce n’était pas un gadget de communication. C’était un aveu : le logiciel seul ne suffisait plus à raconter la prochaine vague.

Pendant plus d’une décennie, il a vu les cycles d’enthousiasme et de rejet. Au début, parler d’apprentissage automatique en médecine provoquait des haussements d’épaules. Beaucoup répétaient que cela ne servirait jamais à grand-chose. Cette résistance, dit-il aujourd’hui, a largement disparu. Voir l’arc se dessiner lui donne un sentiment de continuité rare dans la tech, où les modes s’éteignent en dix-huit mois.

Il a aussi appris, parfois tard, qu’une technologie élégante ne suffit jamais. Le go-to-market reste au moins aussi difficile que la science, souvent plus difficile. Aux fondateurs issus du laboratoire, il répète désormais d’appliquer la même créativité à la distribution, au remboursement, à l’adoption clinique, aux hôpitaux, aux agences, aux patients. Une molécule brillante qui n’atteint pas le bon patient au bon moment n’est qu’une anecdote de congrès.

Ce rappel n’est pas un slogan de coach. Dans la biotech, le temps se compte en cycles réglementaires, en recrutements de patients, en sites d’essais, en négociations avec des payeurs. Un fonds trop dispersé peut financer la découverte et disparaître avant la preuve. Un fonds concentré, s’il tient ses promesses, reste dans la pièce quand ça devient réellement difficile.

Quand La Biologie Cesse D’Être Seulement Une Science De Hasard

Pande décrit un basculement de fond : la biologie quitte peu à peu le statut de science de la découverte pour devenir un domaine que l’on peut davantage ingénierer. Longtemps, beaucoup de médicaments sont nés d’un mélange d’intuition, de chance et d’observations fortuites. On testait, on observait, on recommençait. L’IA et l’apprentissage automatique permettent aujourd’hui d’envelopper des systèmes d’une complexité absurde dans une forme de compréhension computationnelle.

Concrètement, cela touche plusieurs couches à la fois. Identifier les cibles pertinentes pour une maladie. Concevoir des molécules capables de les atteindre. Anticiper certains écueils avant même d’entrer en clinique. Et, de plus en plus, aider à structurer les essais, qui restent la partie la plus coûteuse du parcours. Ce n’est pas de la magie. C’est une tentative de remplacer une partie du tâtonnement par de la modélisation.

Il insiste toutefois sur un point que l’industrie aime parfois noyer sous les communiqués. Le coût et le délai pour arriver jusqu’aux essais ont commencé à se comprimer, surtout avec l’IA. Mais faire tourner un essai peut encore coûter des centaines de millions de dollars. La probabilité qu’un candidat aille du premier essai jusqu’au bout du troisième reste autour de 20 %. Huit échecs sur dix, à ce prix-là, expliquent pourquoi les traitements finaux sont si chers : le succès doit payer pour la file des échecs.

La cause typique de ces échecs n’est pas toujours une erreur de biologiste maladroit. Beaucoup de médicaments ont été conçus et sélectionnés sur des modèles animaux, notamment des souris, qui prédisent mal l’humain. Un modèle d’IA ne sera pas parfait. Mais s’il dépasse nettement la valeur prédictive de l’animal, le seuil d’excitation devient légitime. C’est là, selon Pande, que le récit cesse d’être un slide de conférence pour devenir une industrie.

Les Essais Cliniques, Vrai Goulot Et Fausse Économie

On entend souvent que les essais vont devenir moins chers grâce aux données synthétiques, et qu’il faudra moins de patients. Pande calme le jeu. C’est, selon lui, surtout une aspiration. Utile comme horizon. Dangereuse si on la vend comme un fait accompli. Les régulateurs, les cliniciens et les patients n’accepteront pas du jour au lendemain qu’un graphique généré remplace une preuve humaine robuste.

Réduire le coût d’accès à la clinique n’est pas la même chose que réduire le coût de la preuve. On peut accélérer la conception d’un candidat, automatiser certaines mesures, mieux sélectionner les cohortes, et malgré tout se heurter à la logistique lourde d’un essai multicentrique. Recruter. Suivre. Documenter. Gérer les événements indésirables. Convaincre des investigateurs. Tout cela reste artisanal, politique, humain.

C’est précisément pourquoi Pande dit consacrer une part importante de son temps à l’IA pour les essais cliniques, après l’avoir déjà beaucoup pratiquée chez a16z. Si l’on veut que la vague actuelle ne se résume pas à de belles structures moléculaires sur un écran, il faut s’attaquer à la phase qui détruit le plus de valeur. Un fonds concentré peut s’offrir le luxe d’accompagner cette phase sans traiter chaque dossier comme un actif interchangeable.

• Mieux choisir les patients susceptibles de répondre, plutôt que d’élargir les cohortes au hasard.
• Réduire les allers-retours inutiles entre conception préclinique et réalité humaine.
• Utiliser l’automatisation robotique et l’IA comme un couple, pas comme deux modes séparés.
• Garder en tête que la preuve clinique, pas le modèle, décide encore du destin d’un médicament.

La Médecine De Précision N’Est Plus Seulement Une Affaire De Génome

Après la clinique vient une autre question, plus intime : ce médicament est-il le bon pour moi ? Le jargon parle de médecine de précision. Dans la pratique, un médecin face à une pathologie non triviale doit encore beaucoup deviner. Il prescrit. Ça ne marche pas. Il en prescrit un autre. Puis un autre. On le voit en oncologie. On le voit ailleurs. Tout le monde s’en sortirait mieux si le premier traitement était le bon.

Historiquement, la précision s’est d’abord accrochée à la génomique. Pande utilise une image simple : le génome ressemble au plan de la maison le jour de sa construction. Or la maison, des années plus tard, ne ressemble plus tout à fait à ce plan. D’autres couches de mesure, notamment la protéomique, disent davantage où se trouve le corps maintenant. C’est cette photographie dynamique qui commence à compter pour comprendre une maladie en cours, pas seulement un risque théorique.

Les analyses sanguines, elles aussi, restent trop souvent comparées à des moyennes de population. L’idée qui gagne du terrain consiste à se demander si une valeur est étrange pour vous, pas seulement par rapport à une norme statistique. Ce glissement paraît mineur. Il est en réalité immense. Il suppose des historiques individuels, des capteurs, des laboratoires plus fluides, et des modèles capables de lire des trajectoires plutôt que des instantanés.

Le chemin jusqu’ici n’a pas été une explosion unique. Pande le décrit comme un empilement. Avancées en IA pour la biologie : comment traiter une maladie. Avancées en IA pour la chimie : comment concevoir une molécule contre une protéine précise. Automatisation des mesures robotisées, naturellement compatible avec l’apprentissage automatique. En dix ans, le rythme a été régulier. Puis les pièces ont commencé à s’emboîter.

Le Problème Que L’IA Ne Peut Pas Gratter Sur Internet

Voici le nœud que beaucoup de récits grand public évitent. Contrairement au texte, aux images ou au code, les données biologiques ne se raclent pas tranquillement sur le web. Il n’existe pas un corpus unique, propre, massif, que tout le monde pourrait entraîner de la même façon. Chaque société construit souvent son propre silo. Les données ne se distillent pas aisément d’un modèle à l’autre comme on le fait avec certains grands modèles de langage.

Du point de vue de l’IA pure, c’est fascinant. Du point de vue de la médecine, c’est aussi une vieille habitude. Les spécialités médicales fonctionnent déjà en territoires. Un cancer qui touche à la fois l’oncologie et l’endocrinologie peut faire travailler deux excellents médecins qui se parlent trop peu. Les fondateurs et les investisseurs, de leur côté, protègent leurs jeux de données parce que c’est précisément là que se trouve l’avantage.

La vision séduit : un équivalent d’une équipe des meilleurs médecins réunis au même instant. Mais sans circulation minimale de l’information, cette vision reste un poster. Pande y voit pourtant une tendance : la construction d’atlas d’information biologique, souvent matérialisés sous forme de modèles de fondation. S’ils se généralisent, il imagine un phénomène comparable à ce que l’on a vu avec les LLM open source, capables de rivaliser largement avec certaines offres propriétaires.

Cette analogie mérite d’être lue avec prudence. Un modèle de langage s’entraîne sur une matière culturelle déjà publique ou semi-publique. Un modèle biologique s’appuie sur des cohortes, des consentements, des hôpitaux, des capteurs, des expériences coûteuses. Ouvrir n’est pas seulement un geste idéologique. C’est un casse-tête juridique, éthique et économique. Si des fondations ouvertes émergent vraiment, leur impact pourra être large. Si elles restent des îlots, l’IA médicale reproduira les inégalités d’accès qu’elle prétend corriger.

Ce Que Cherche VZVC Chez Un Fondateur

Pande ne parle pas d’abord de slides, de multiples ou de storytelling. Il parle de confiance. D’intégrité. De gens qui font ce qu’ils disent. Il veut des relations longues, cinq ans, dix ans, parfois jusqu’à la société suivante. Il cherche des personnalités qui ne pensent pas seulement à gagner contre les autres, mais à gagner ensemble. Dans un métier où les ego sont souvent le premier instrument de mesure, ce critère a l’air naïf. Il est en réalité filtrant.

Deux territoires occupent l’essentiel de son temps. L’IA pour la délivrance des soins, déjà largement explorée chez a16z. Et l’IA pour les essais cliniques. Autour de cela gravitent des liens anciens : Genesis Molecular AI, né de son laboratoire à Stanford ; Insitro, lancé par Daphne Koller, ancienne collègue ; une société en incubation avec un fondateur qu’il connaît depuis vingt ans. Le réseau n’est pas un accessoire. Dans un fonds de cinq investissements, chaque relation pèse lourd.

On comprend mieux la métaphore qu’il emploie. Ajouter une société dans un fonds classique, c’est parfois comme ajouter un ami sur un réseau social : vite fait, réversible, peu coûteux émotionnellement. Pour Zack Werner et lui, c’est davantage comme vouloir un autre enfant. La formule est volontairement excessive. Elle sert à dire que la rareté n’est pas un défaut de pipeline. C’est le produit.

• Des fondateurs capables de tenir une relation longue, pas seulement une levée brillante.
• Une appétence réelle pour le terrain clinique et commercial, pas seulement pour le laboratoire.
• Une éthique de coopération dans un secteur où les silos tuent la valeur.
• Un sujet assez dur pour justifier une présence très hands-on des deux associés.

Une Boutique Sans Associés, Avec Des Agents

Le design de VZVC est assumé comme une rupture de rythme. Le nom assemble Vijay et Zack. Côté investissement, ils sont deux. Ils pensaient recruter des associates. Les agents qu’ils ont construits ont rendu ce recrutement moins nécessaire. Derrière la phrase se cache un basculement plus large du métier : une partie du travail de sourcing, de veille, de première analyse, de suivi documentaire peut être déléguée à des systèmes. Ce qui ne peut pas l’être, c’est le jugement relationnel et le temps passé avec une équipe.

Cinq investissements, ce n’est pas une stratégie de diversification scolaire. C’est un pari sur la profondeur. Cela change aussi la concurrence. Pande raconte que le modèle ne les place pas en file d’attente pour le tour le plus chaud. On leur fait souvent une place. On les veut parce qu’ils peuvent être présents, pas parce qu’ils surenchérissent sur une valorisation déjà hors sol. Dans un marché saturé de dry powder, c’est une forme d’anti-positionnement.

Parmi ses références, il cite Antonio Gracias chez Valor, connu du grand public pour SpaceX mais fidèle à une méthode depuis vingt ans, et l’approche plus concentrée de Thrive. a16z reste dans son ADN. Il ajoute simplement d’autres grammaires. On sent le désir de garder l’ambition intellectuelle d’une grande plateforme, sans conserver sa cadence industrielle.

Ce Qui Est Surestimé Dans L’IA Et La Biotech

Pande ne nie pas la puissance de l’IA. Il dit même qu’elle peut faire émerger des insights inaccessibles aux seuls humains. Ce qui le rend prudent, c’est le slogan selon lequel l’IA va tout guérir. L’hésitation ne porte pas sur l’algorithme. Elle porte sur la donnée. Les grands modèles de langage fonctionnent parce qu’il existe une masse d’exemples. Quand la matière n’est tout simplement pas là, aucune architecture ne la fait apparaître par enchantement.

Cette phrase devrait être affichée dans chaque pitch deck de 2026. Elle protège contre deux illusions. La première : croire qu’un modèle généraliste, entraîné sur du texte, comprend déjà le vivant. La seconde : croire que multiplier les levées autour du mot « foundation model » crée automatiquement un bien public médical. Sans atlas, sans mesures, sans droits d’usage clairs, on empile des promesses.

Le marché aime les récits totaux. Guérir le cancer. Terminer Alzheimer. Compresser dix ans de R&D en dix semaines. Certains progrès sont réels. Les outils de conception moléculaire, l’automatisation des laboratoires, le tri plus fin des patients, la lecture de signaux protéomiques : tout cela existe et s’améliore. Mais le vivant reste bruyant, contextuel, individuel. Un fonds qui parie petit peut se permettre de ne pas surjouer cette thérapie de l’annonce.

Pourquoi Ce Modèle Parle Au Moment Présent

Le capital-risque santé a connu des années d’euphorie, puis des corrections brutales. Les valorisations ont parfois précédé les preuves. Les plateformes d’IA ont levé avant d’avoir un chemin réglementaire crédible. Les fondateurs scientifiques ont appris, parfois durement, que recruter un VP commercial n’est pas un détail. Dans ce climat, un véhicule qui refuse la trentaine de paris annuels ressemble à une critique douce du métier.

Il y a aussi une dimension générationnelle. Beaucoup d’investisseurs juniors sont formés à produire des mémos vite, à suivre trop de boards, à collectionner les logos. Pande et Werner inversent le prestige. La rareté devient un signal de sérieux. L’absence d’associés n’est pas un manque de moyens. C’est une thèse opérationnelle : trop de couches humaines diluent le jugement, alors que des agents peuvent absorber une partie du volume.

On peut discuter de la robustesse de cette idée. Un fonds très concentré augmente le risque idiosyncratique. Une mauvaise clinique, un fondateur qui part, un régulateur plus lent, et le récit se fissure. Inversement, dans des domaines où le savoir tacite compte autant que le tableur, la présence réelle d’un investisseur scientifique peut valoir plus qu’une marque de plateforme. C’est tout l’enjeu de VZVC : prouver que l’intensité bat la surface.

Santé, Logiciel Et Le Fantôme Des Silos

Le parallèle entre silos médicaux et silos de données d’entreprise n’est pas qu’une pirouette. C’est la même grammaire du pouvoir. Qui possède le dossier. Qui publie. Qui partage. Qui facture l’accès. L’IA, en théorie, traverse les frontières de spécialité. En pratique, elle hérite des murs qu’on lui donne à manger. Un modèle ne réconcilie pas l’oncologue et l’endocrinologue si personne n’a aligné les formats, les consentements et les incitations.

C’est pourquoi le mot atlas revient. Un atlas n’est pas seulement un dataset marketing. C’est une tentative de cartographier assez large pour que des modèles de fondation aient une chance d’être utiles au-delà d’une seule startup. Si des versions ouvertes tiennent la comparaison avec des versions fermées, comme on l’a vu dans le langage, alors l’accès aux avancées pourrait s’élargir. Sinon, la médecine algorithmique restera un luxe de quelques réseaux hospitaliers et de quelques laboratoires bien financés.

Pour un lecteur européen, cette tension n’est pas abstraite. Les questions de souveraineté des données de santé, de RGPD, d’entrepôts cliniques, de partenariat public-privé se posent avec une acuité particulière. Le modèle américain de Pande n’est pas transposable tel quel. Mais le diagnostic l’est : sans matière première biologique de qualité, l’IA médicale est un moteur sans carburant.

Ce Que Cette Histoire Dit Aux Fondateurs Français Et Européens

On pourrait lire l’annonce VZVC comme une chronique californienne de plus. Ce serait passer à côté. Les fondateurs de biotech et de medtech d’ici reconnaîtront plusieurs leçons, parfois dérangeantes. D’abord, la science reste nécessaire mais insuffisante. Ensuite, le temps long n’est pas un slogan de dossier BPI : c’est la seule unité de mesure honnête. Enfin, un investisseur qui prend peu de tickets peut devenir plus exigeant, plus présent, plus utile… ou plus envahissant. Il faudra choisir ses partenaires en conséquence.

La priorité donnée aux essais cliniques devrait aussi résonner. Beaucoup de pépites européennes excellent en découverte et butent ensuite sur la preuve, le recrutement, le design d’étude, le dialogue avec les agences. Si l’IA peut aider, ce n’est pas en promettant de supprimer les patients. C’est en réduisant les cohortes mal choisies, les protocoles trop larges, les sites mal sélectionnés, les données mal collectées.

Dernier point, plus culturel. Pande valorise les fondateurs qui ne jouent pas uniquement à « battre les autres ». Dans un écosystème où les consortiums, les CHU, les cohortes nationales et les industriels du médicament doivent cohabiter, cette phrase n’est pas décorative. Gagner seul, en santé, est souvent une illusion statistique. Les patients, eux, se moquent de savoir quel fonds a mené le tour.

Les Limites D’Un Récit Trop Beau

Il faut aussi garder la tête froide. Un fonds minuscule n’est pas moralement supérieur à une grande plateforme. a16z a permis à Pande de construire une carte, un réseau, une légitimité. Sans cette décennie, VZVC n’aurait pas le même magnétisme. Dire que « les gens font une place » est un privilège d’investisseur déjà établi. Un primo-GP inconnu qui annoncerait cinq tickets par an et zéro associate passerait surtout pour sous-capitalisé.

Les agents d’IA, ensuite, ne remplacent pas le travail politique du capital-risque : rassurer un LP, arbitrer un conflit au board, aider à embaucher un directeur médical, tenir face à un essai qui dérape. Ils accélèrent l’intendance. Ils n’absolvent pas l’humain. Présenter l’absence d’associés comme une victoire technologique peut aussi masquer un choix de contrôle. Deux personnes décident plus vite. Elles se trompent aussi à deux.

Enfin, la concentration n’élimine pas le hype. Elle peut même l’amplifier si les cinq sociétés deviennent des vitrines trop chargées de sens. Le marché adorera raconter que le disciple d’a16z a trouvé la formule inverse. La seule métrique qui comptera, dans cinq ou sept ans, restera clinique et commerciale : des patients mieux traités, des essais moins aveugles, des produits qui existent hors des communiqués.

Une Méthode, Pas Un Miracle

Au fond, l’histoire de Vijay Pande n’est pas celle d’un homme qui rejetterait l’échelle. C’est celle d’un scientifique devenu investisseur qui, après avoir dirigé une machine de plusieurs milliards, choisit de retrouver le grain fin. Il a vu l’IA passer du statut de lubie à celui de langage commun. Il a vu trop de belles stacks rater leur arrivée sur le marché. Il a vu que le vivant ne se télécharge pas.

VZVC résume cette leçon en structure. Peu de sociétés. Beaucoup d’attention. Des agents pour le quotidien. Une thèse centrée sur la délivrance des soins et les essais. Une méfiance envers le slogan du remède universel. Une foi réelle, pourtant, dans la capacité des modèles à dépasser un jour la pauvre prédictivité de la souris. Entre ces deux pôles se joue presque tout le débat actuel sur l’IA médicale.

On peut aimer ou non ce pari. On ne peut pas dire qu’il soit flou. Dans une industrie qui confond souvent activité et progrès, refuser trente investissements par an a déjà valeur de manifeste. Reste à prouver que l’enfant unique du portefeuille grandit mieux que la fratrie nombreuse. Sur ce point, comme souvent en biologie, on n’aura pas le verdict avant longtemps. Et c’est précisément pour cela que le sujet mérite d’être regardé de près, sans emphase, avec la même exigence que Pande réclame à ses fondateurs.

Les prochaines années diront si la concentration est un luxe de marque ou une méthode reproductible. Elles diront aussi qui, des atlas ouverts ou des forteresses de données, écrira réellement la suite de la médecine assistée par les machines. En attendant, le geste reste rare assez pour retenir l’attention : quitter une pratique de 4 milliards, non par fatigue du secteur, mais pour parier plus petit, plus longtemps, plus près du laboratoire et du lit du patient.