En moins d’un an, Bioptimus a levé plus de 74M€
Vue au microscope d'un carcinome canalaire - cancer du sein. Coupe de tissu par coloration H et E. Sous microscope, grossissement 400X
La startup française Bioptimus, créée en 2024, travaille à appliquer l’IA générative pour explorer la biologie. Déjà forte d’une vingtaine de personnes, elle a levé plus de 74 millions d’euros en moins d’un an et l’un de ses premiers gros chantiers porte sur l’histopathologie.
En janvier 2025, Bioptimus a bouclé un tour de table de près de 40 millions d’euros mené notamment par Cathay Innovation. Une levée de fond qui est intervenue moins d’un an après une première série qui avait portée sur 35M€. Pourquoi un tel engouement pour cette startup ?
IA et santé, deux sujets porteurs
Ce succès financier ne doit rien au hasard. D’une part, la startup, avant de devenir autonome, a été incubée par Owkin – une licorne de l’IA qui multiplie les partenariats de recherche notamment en santé – et bénéficie donc de son réseau et de son adoubement. Les fondateurs de Bioptimus sont d’ailleurs des chercheurs issus de Google Deepmind et de Owkin. D’autre part, elle s’inscrit dans le secteur porteur actuellement de la biologie-santé.
Là où l’approche de Bioptimus se distingue d’autres startup c’est sur sa dimension multiéchelle. En effet, Bioptimus veut appliquer l’IA générative sur des données multiples à échelle multiple allant de la protéine, aux gènes en passant par les données de lames histologiques et de biologie spatiale.
Le modèle H-optimus-0
Depuis juillet 2024, elle a lancé un modèle de fondation open source : H-optimus-0. Il compte 1,1 milliard de paramètres et s’entraîne sur un ensemble de données extraites de plus de 500 000 lames d’histopathologie issues de 4000 cabinets cliniques – soit plusieurs centaines de millions d’images. Le modèle se veut pertinent sur plusieurs diagnostics médicaux d’identification de cellules cancéreuses.
Et maintenant H-optimus-1
Début avril, la startup a annoncé la publication de H-optimus-1 : « un nouveau modèle de base pour la pathologie (foundation model) qui atteint des performances avancéessur une grande variété de tâches, y compris le benchmark HEST1. »
H-optimus-1, tout comme son prédécesseur s’appuie sur 1,1 milliard de paramètres formé par apprentissage auto-supervisé sur un vaste ensemble de données propriétaires : la base a été étendue et se compose désormais de milliards d’images histologiques, échantillonnées à partir de plus d’un million de lames provenant de plus de 800 000 patients.
