Le diabète de type 2 devient un terrain d’application majeur pour la DeepTech médicale.
Capteurs continus, intelligence artificielle, modèles computationnels, systèmes automatisés d’administration d’insuline et biotechnologies convergent autour d’une évolution commune : décrire plus finement le fonctionnement métabolique individuel et utiliser cette information pour adapter la prise en charge.
La glycémie peut être suivie dans le temps, rapprochée de l’alimentation, de l’activité physique ou d’autres paramètres physiologiques, puis analysée par des modèles capables d’identifier des réponses individuelles. Les systèmes d’administration automatisée utilisent ces informations pour ajuster l’insulinothérapie. D’autres approches cherchent à représenter plus largement le métabolisme, tandis que certaines biotechnologies explorent une intervention directe sur ses mécanismes.
Le diabète devient ainsi un champ où mesure, modélisation, décision thérapeutique et intervention biologique commencent à s’articuler au sein d’une même chaîne technologique.
Du suivi glycémique au profil métabolique
Une maladie mondiale, des trajectoires individuelles
L’Atlas du diabète 2025 de la Fédération Internationale du diabète (FID), dont les estimations ont fait l’objet d’une publication dans The Lancet Diabetes & Endocrinology, estime qu’en 2024, 589 millions d’adultes âgés de 20 à 79 ans vivaient avec un diabète, soit 11,11 % de cette population. À méthodologie constante, ce nombre atteindrait 853 millions en 2050. L’analyse repose sur 246 sources couvrant 215 pays et territoires.
Selon l’Organisation mondiale de la Santé, le diabète de type 2 représente plus de 95 % des cas.
Cette population recouvre des profils physiologiques très différents. La réponse à l’alimentation, à l’activité physique et aux traitements varie notamment selon les individus.
La donnée longitudinale prend ici une dimension particulière : elle permet d’observer une évolution plutôt qu’un état isolé.
Atlas du diabète FID, 11e édition, 2025 © Fédération Internationale du diabète, 2025
The Lancet Diabetes & Endocrinology, volume 14, numĂ©ro 2, fĂ©vrier 2026 – Image de couverture : Daniel Garcia © 2026 Elsevier Ltd
Du biomarqueur Ă la mesure continue
L’hémoglobine glyquée (HbA1c), qui reflète la glycémie moyenne des derniers mois, demeure un indicateur central du suivi.
La mesure continue du glucose (continuous glucose monitoring, CGM) apporte une lecture plus fine de la dynamique glycémique grâce à des paramètres tels que le time in range, le time above range, le time below range, le glucose management indicator ou le coefficient de variation.
Les Standards of Care in Diabetes 2026 de l’American Diabetes Association (ADA) accordent une place croissante au CGM et aux systèmes d’administration automatisée d’insuline (Automated Insulin Delivery, AID). Chez les adultes atteints de diabète de type 2 sous injections multiples, l’ADA considère les systèmes AID comme le mode privilégié d’administration de l’insuline. Ils peuvent également être envisagés chez certains patients sous insuline basale qui n’atteignent pas leurs objectifs glycémiques.
Le CGM fournit ainsi une série temporelle exploitable par des systèmes capables de la rapprocher d’autres informations physiologiques et comportementales.
La continuité du signal devient une matière première pour la modélisation métabolique.
January AI : construire un profil métabolique
January AI illustre cette Ă©volution.
Dans une étude publiée en 2023 dans npj Digital Medicine, Zahedani et al. ont étudié 2 217 participants présentant une glycémie normale, un prédiabète ou un diabète de type 2. Le programme associait 28 jours de CGM, données alimentaires, activité physique, poids et données issues de wearables afin de produire des recommandations individualisées.
Les auteurs rapportaient des améliorations de plusieurs paramètres métaboliques, notamment de la glycémie et du poids.
Le protocole ne permet toutefois pas d’établir à lui seul l’effet à long terme d’une prise en charge fondée sur ces prédictions. Plusieurs auteurs étaient affiliés à January AI.
La capacité prédictive constitue ici une première brique. Son utilité clinique doit ensuite être établie.
Twin Health : modéliser la réponse individuelle
Jumeau numérique fondé sur l’IA pour la modélisation personnalisée du métabolisme © Twin Health
Twin Health pousse cette approche vers une représentation plus large du métabolisme.
Dans un essai randomisé publié en 2023, 319 personnes atteintes de diabète de type 2 ont été réparties entre une intervention fondée sur un digital twin et des soins standards. Le système utilisait notamment les réponses glycémiques postprandiales pour personnaliser l’alimentation, l’activité physique et le sommeil.
Après un an, l’HbA1c avait diminué de 2,9 points dans le groupe intervention contre 0,3 point dans le groupe soins standards. Une rémission du diabète était rapportée chez 72,7 % des participants du groupe intervention.
Après un an, l’HbA1c avait diminué de 2,9 points dans le groupe intervention contre 0,3 point dans le groupe soins standards. Une rémission du diabète était rapportée chez 72,7 % des participants du groupe intervention.
L’intérêt de l’approche réside dans le passage d’une série de mesures à un modèle capable d’orienter une intervention personnalisée.
De la prédiction à l’intervention
Insulet : fermer la boucle thérapeutique
Insulet illustre une étape supplémentaire dans cette évolution avec l’administration automatisée d’insuline. Son système Omnipod 5 associe un dispositif de mesure continue du glucose, un algorithme adaptatif et l’administration d’insuline au sein d’une boucle de contrôle continue. Chez les adultes atteints de diabète de type 2, le système s’appuie sur les valeurs et les tendances glycémiques issues du CGM pour ajuster automatiquement l’administration d’insuline toutes les cinq minutes.
Omnipod 5, capteurs de mesure continue du glucose et application © Insulet Corporation
Un essai pivot prospectif mené auprès de 305 adultes atteints de diabète de type 2 a montré une progression du time in range de 45 % à 66 %, soit près de cinq heures supplémentaires par jour dans la plage glycémique cible. Sur 13 semaines, l’HbA1c moyenne est passée de 10,1 % à 8,1 %.
L’intérêt technologique tient à cette architecture : la mesure du glucose est directement reliée à l’interprétation algorithmique et à l’action thérapeutique. Le système transforme un signal physiologique continu en ajustement automatisé du traitement.
January AI intervient principalement sur le versant prédictif. Twin Health étend la modélisation métabolique à l’intervention personnalisée. Insulet ajoute la couche de contrôle, en reliant directement la mesure à l’administration du traitement.
C’est l’une des traductions les plus concrètes du concept de computable metabolism : la donnée ne sert plus seulement à caractériser l’état métabolique ; elle alimente directement un système capable d’adapter le traitement à son évolution.
La technologie doit trouver sa place dans le soin
L’évolution du CGM et des systèmes AID transforme l’architecture du dispositif médical.
Qualité du signal, algorithmes, connectivité, cybersécurité, automatisation et intégration clinique deviennent étroitement liés.
La valeur d’une technologie se mesure alors à la décision qu’elle permet d’améliorer et au résultat clinique qui en découle.
Cette exigence concerne aussi bien les capteurs que les logiciels, les systèmes automatisés ou les nouvelles plateformes thérapeutiques.
La performance technologique prend sa valeur lorsqu’elle se traduit dans le soin.
Du traitement Ă la modification biologique
La pharmacologie devient cardiométabolique
Les Standards of Care in Diabetes—2026 inscrivent le traitement pharmacologique dans une approche intégrant les dimensions cardiovasculaire, rénale et pondérale.
Le choix thérapeutique dépend ainsi du profil métabolique du patient et de ses facteurs de risque associés.
Le diabète de type 2 s’inscrit dans une architecture cardiométabolique où glycémie, poids, fonction rénale et risque cardiovasculaire participent à une même stratégie thérapeutique.
La pharmacologie suit cette évolution : le traitement s’apprécie désormais à l’échelle d’une trajectoire de santé.
RJVA-001 : intervenir sur la fonction métabolique
Fractyl health explore une voie biotechnologique avec Rejuva, sa plateforme de thérapie génique, et RJVA-001, son premier candidat dans le diabète de type 2.
En mai 2026, Fractyl a annoncé l’autorisation aux Pays-Bas d’une étude de phase 1/2 first-in-human. RJVA-001 repose sur une approche AAV destinée à permettre une expression de GLP-1 ciblée sur les cellules bêta pancréatiques. La société prévoit une première administration au second semestre 2026, sous réserve de l’activation des sites.
Le programme entre dans les premières étapes de son évaluation clinique. Sa sécurité, sa tolérance, son activité, son immunogénicité et la durée de son effet restent à établir chez l’humain.
La logique technologique change ici de nature : la plateforme cherche à modifier biologiquement une fonction métabolique plutôt qu’à simplement l’observer ou l’ajuster.
Plateforme de thérapie génique en dose unique, conçue pour permettre une rémission à long terme de l’obésité et du diabète de type 2 en ciblant les cellules des îlots pancréatiques © Fractyl health
La preuve devient le filtre industriel
Démontrer le bénéfice clinique
Plus la technologie intervient directement dans le soin, plus la qualité de la preuve devient déterminante.
Un modèle prédictif doit démontrer sa robustesse et son utilité dans une décision réelle.
Une plateforme numérique doit établir son bénéfice clinique.
Un système automatisé doit associer performance glycémique, sécurité et fiabilité dans l’usage quotidien.
Une thérapie génique doit documenter sécurité, tolérance, réponse biologique, immunogénicité, durabilité et bénéfice clinique.
À ces critères s’ajoutent l’interopérabilité, la gouvernance des données, l’intégration dans les parcours de soins, l’acceptabilité et les conditions de remboursement.
Le passage de la technologie au soin repose donc sur une chaîne de preuves, dont chaque maillon conditionne la valeur du suivant.
Près de 930 milliards d’euros de dépenses de santé
Selon l’Atlas du diabète FID 2025, les dépenses de santé liées au diabète ont représenté environ 930 milliards d’euros en 2024. L’Europe représentait environ 177 milliards d’euros. Ces dépenses équivalaient à 11,9 % des dépenses mondiales de santé.
Ces montants ne correspondent pas au marché des technologies du diabète. Ils donnent la mesure du système de santé dans lequel celles-ci doivent démontrer leur utilité clinique et économique.
La création de valeur peut se situer dans le diagnostic, la stratification du risque, la surveillance, l’adaptation thérapeutique, la prévention des complications ou l’efficience des parcours.
Pour les industriels comme pour les payeurs, la capacité à relier innovation, résultat clinique et coût de prise en charge devient un critère central.
Le métabolisme devient un objet technologique
CGM, intelligence artificielle, digital twins, systèmes d’administration automatisée d’insuline, pharmacologie cardiométabolique et thérapie génique appartiennent à des univers technologiques distincts.
Leur convergence dessine une évolution précise : le métabolisme devient progressivement mesurable, modélisable, contrôlable et potentiellement modifiable.
Le diabète de type 2 réunit plusieurs conditions favorables à cette transformation : chronicité, hétérogénéité physiologique, disponibilité croissante des données longitudinales, capacités computationnelles et poids sanitaire et économique.
La DeepTech recompose progressivement la chaîne qui relie observation biologique, modélisation, décision thérapeutique et intervention.
La question centrale devient celle de la capacité à transformer une connaissance plus fine du métabolisme en décisions mieux informées, interventions mieux ajustées et résultats cliniques durables.
Le diabète de type 2 constitue déjà un terrain d’expérimentation majeur pour cette nouvelle architecture du soin.
La prochaine étape sera d’intégrer toujours plus étroitement la connaissance du métabolisme à l’action thérapeutique.
