Deals Biotechs: Timing, Partenaire, Evaluation

Les facteurs jouant un grand rôle dans le succès et l'élaboration d'un accord sont les suivants:
-le timing,
-le choix du partenaire
-l’évaluation de la valeur d'une licence

Le Timing
A quel stade doit-on acheter ou vendre une molécule? Quand doit-on entamer les discussions?
La réponse à ces questions comporte au moins un point commun: la relation inverse entre le risque et la valeur totale de la licence (upfront, royalties et milestones). Le niveau de risque est directement lié au stade de développement de la molécule. Plus la molécule est “jeune” et plus il y a de risque que son développement soit stoppé par des résultats peu probants. Le niveau de risque est également influencé par l'indication thérapeutique pour laquelle la molécule est développée: par exemple plus le nombre de patients potentiels est élevé (cf. Alzheimer) plus les revenus attendus sont prometteurs. En résumé, la décision déterminant l'achat d'une molécule dépend de la stratégie de chaque société et de son degré d’aversion pour le risque.

Enfin, les sociétés en quête d’une nouvelle relation commerciale doivent initier des discussions le plus tôt possible. La tendance actuelle du marché montre une grande compétition pour les molécules en stade précoce. Cette compétition a pour avantage de permettre à la société biotech de pouvoir choisir son partenaire et d'obtenir une indication subjective sur la valeur de sa licence. Une valeur peut être estimée objectivement au moyen de simulations.

Le choix du partenaire
Les accords de licence dans le secteur biotechnologique sont très souvent caractérisés par une durée relativement longue. Cela s'explique par le désir des acteurs impliqués de limiter les risques financiers (pharma) et d'augmenter la stabilité (biotech). Cette approche permet ainsi aux sociétés pharmaceutiques de s'octroyer, par exemple, des droits sur plusieurs molécules ou sur une seule et sur les dérivés qui seront développés successivement. Parmi les exemples célèbres d'accords commerciaux, celui liant Roche à Genentech est fréquemment cité. Depuis 1990, Roche a obtenu grâce à cette alliance six de ses meilleures molécules (Avastin, Herceptin, etc). En contrepartie, Genentech a obtenu une stabilité financière sur le long-terme. Un autre exemple concerne Pfizer qui s'est lié à Medarex pour dix ans au cours desquels environ 50 anticorps thérapeutiques ont été produits. Enfin, Roche s’est récemment octroyé des droits quasi exclusifs sur une molécule candidate aux phases cliniques (PSI-6130) développées par Pharmasset. De façon intéressante, cet accord concerne également les pro-molécules dérivées du PSI-6130. A ce stade, il devient évident que le choix du partenaire est un facteur crucial pour la viabilité des associations entre sociétés.

Mais la philosophie d'entreprise d'une pharma est souvent différente de celle d'une biotech. Des compromis doivent être trouvés et les sociétés doivent surtout partager une vision à long-terme. Ainsi la biotech sélectionnera le partenaire répondant au mieux à ses besoins. En cas de doutes, une clause de retour de la licence sera ajoutée au contrat si de futures dissensions sont prévisibles. Quoi qu'il en soit, la réputation d'une société comme partenaire de choix peut être gravement entachée si un accord faillit (exemple Astrazeneca & NicOx).

L'évaluation
L'évaluation correcte de la valeur d'une licence est certainement un facteur prépondérant pour aborder une négociation. Dans ce cas, existe-t-il des modèles permettant d’estimer leur valeur? Y-a-t-il un moyen de sélectionner la molécule la plus prometteuse? A l'heure actuelle, il existe essentiellement trois modèles financiers qui sont utilisés pour déterminer la valeur d'une licence:

NPV (Net Present Value), les arbres décisionnels5 et les options réelles.
Le NPV est une méthode généraliste communément utilisée. Elle est définie comme une valeur, somme des bénéfices et des dépenses estimés pour les années à venir et actualisés à l'aide d'un taux dit d’actualisation. Lorsque le NPV est négatif, le projet est considéré comme déficitaire et donc peu attractif. Au contraire, une valeur positive indique que le projet est viable. Cette méthode assume que les coûts et bénéfices à venir sont certains, mais ignore le facteur d'incertitude qui prévaut dans le monde biotech et pharma (ex: échecs thérapeutiques, modifications des réglementations, etc.).

De leur côté, les deux autres méthodes (arbres décisionnels, options réelles) tiennent compte de ce facteur d'incertitude sous la forme de probabilités définies pour chaque stade de développement de la molécule. De même, des probabilités de ventes en fonction des différents scénarii établis peuvent être introduites. Enfin, à la différence du modèle d’arbre décisionnel, les options réelles font également intervenir une relation entrecroisée à chaque étape exprimant la hausse ou la baisse de l’actif. Néanmoins, tout comme le NPV, ces deux méthodes sont limitées par la faculté de l'utilisateur à déterminer avec précision des paramètres clés comme les taux d'intérêts et l'inflation sur le long terme, les coûts de développements, les bénéfices, etc., qui sont largement influencés par des facteurs intangibles (psychologie des marchés, apparition de compétiteurs, etc.).

Au contraire des méthodes décrites ci-dessus qui se basent essentiellement sur des paramètres
financiers (quantitatif), des progrès récents dans le domaine informatique ont permis de formuler une méthode tenant aussi compte des aspects qualitatifs (indication, mécanismes d'action, etc.). Cette solution basée sur des algorithmes de datamining (littéralement « fouille de données ») vise à mettre en évidence, dans un ensemble de molécules, les groupes ayant des caractéristiques communes en utilisant différents paramètres pouvant décrire une molécule:
– aspects scientifiques: indications, mécanismes d'action, degré d'innovation, etc.
– aspects financiers: coûts de développement, bénéfices, pics des revenus, etc.
– aspects légaux: nombre d'années avant l'expiration du brevet, etc.

Le résultat d'un comparatif entre molécules, tenant compte de tous ces paramètres simultanément, prend visuellement la forme d'un espace compétitif où différents groupes de molécules ayant des affinités suffisamment importantes sont rassemblées. Ainsi, grâce à cette méthode innovante, il devient possible de:
– Comparer une molécule en développement pour laquelle on aimerait évaluer son devenir à un ensemble de molécules apparentées se situant à un stade plus avancé (« benchmarks »),
– Sélectionner la molécule à vendre ou à acheter (revenus attendus, coûts, etc.) par rapport aux paramètres choisis,
– Déterminer le timing approprié pour cette vente ou achat.