Le CNRS accueille la 13e promotion du programme RISE

Click4Cure

Click4Cure développe un test innovant pour mesurer la capacité de réparation de l’ADN des cellules, un facteur clé pour prédire la réponse aux traitements anticancéreux et le risque de toxicité. Porté par des chercheurs du CRCM (CNRS/INSERM/AMU/IPC) et de l’Hôpital Saint-Louis (APHP), le projet repose sur une molécule brevetée combinée à la chimie « click » (Prix Nobel 2022) et à la fluorescence. Actuellement, les tests de prédiction sont génétiques, peu fiables (60 %) et inadaptés en clinique. Click4Cure propose une méthode fonctionnelle, rapide et plus précise. Des validations sont déjà publiées (NAR, Nat Com), et des essais cliniques sont prévus pour 2026-27, notamment sur les toxicités hématologiques et la maladie de Fanconi.

VESPA

Le projet VeSpA (Vectorisation Spécifique Adaptable) est un projet porté par Alexis Duvergé (chercheur CDD CNRS), Matteo Negroni (Directeur de Recherche CNRS) et Arthur Genty (ingénieur d’étude CDD CNRS) au sein de l’Institut de Biologie Moléculaire et Cellulaire (CNRS / Université de Strasbourg). En apportant une solution précise, standardisée et adaptable, VeSpA propose une architecture protéique inédite et prometteuse pour faire évoluer le paysage des thérapies virales de nouvelle génération. Soutenu lors de son développement précoce par une prématuration CNRS, ce projet s’inscrit dans la révolutionactuelle des biothérapies virales. Il repose sur le développement de protéines d’enveloppes virales doublement fonctionnalisées, là où les développements actuels se concentrent sur des mono-fonctionnalisations. Cette innovation rend nos virothérapies capables de cibler de manière spécifique les cellules d’intérêt thérapeutique. La force de la technologie VeSpA réside dans sa grande modularité. Premièrement, les domaines de ciblage intégrés à la protéine sont standardisés, permettant une substitution rapide et simple pour adapter le ciblage aux différents besoins thérapeutiques. Deuxièmement, la protéine de ciblage a été conçue de manière à pouvoir être utilisable sur des vecteurs lentiviraux aussi bien que des virusSindbis oncolytiques. Cette flexibilité ouvre la voie à des applications transversales dans le champ des virothérapies, notamment les virothérapies oncolytiques, la vectorisation lentivirale pour la thérapie génique, ou encore les thérapies cellulaires avec la génération de CAR-T in vivo.

LinkRdata

Face à l’explosion des troubles neurologiques et à l’asphyxie de la recherche par une masse de données toujours plus fragmentée, linkRdata est un outil neuro AI unique, conçu pour intégrer et visualiser en temps réel des données cérébrales multi-échelles (génomiques, cognitives, anatomiques, bibliographiques). Véritable accélérateur scientifique, il transforme des mois d’analyse en minutes, en révélant des corrélations invisibles à l’œil humain — comme récemment dans un cas de maladie orpheline, où il a permis de réorienter le diagnostic vers des zones cérébrales précoces, jusqu’alors ignorées. LinkRdata propose une offre SaaS modulaire à destination des laboratoires pharmaceutiques, medtech, deeptech, industriels et professionnels de santé. L’outil est aussi déployé au sein d’AI Datalabs dédiés à des maladies ou thématiques spécifiques telles qu’Alzheimer ou le PTSD.

Son ambition : devenir le standard de la recherche cérébrale augmentée, en Europe et à l’international.

Calistal

Une équipe de scientifiques et d’ingénieurs de l’ILM (CNRS/Université Claude Bernard) de renommée internationale dans le domaine des cristaux et des procédés de croissance, réunie autour d’un projet ambitieux : la création d’une société (Calistal) spécialisée dans l’élaboration, la fabrication et la commercialisation de monocristaux de haute performance pour des applications hautes technologies à forte valeur ajoutée. Nos cristaux sont destinés à des secteurs stratégiques tels que les lasers, l’optique, les scintillateurs pour la détection et l’imagerie, ainsi que les technologies de Défense. Fort de notre expertise et de notre maîtrise dans la croissance cristalline à haute température, nous visons à fournir des monocristaux aux propriétés exceptionnelles, répondant aux exigences les plus strictes en matière de qualité, de pureté et de performance. Notre objectif est de devenir un fournisseur clef sur les marchés national et international, en accompagnant les avancées technologiques des industriels, des laboratoires de recherche et des institutions. En plaçant l’innovation, la rigueur scientifique et la fiabilité au cœur de notre démarche, nous contribuons activement à préparer les technologies de demain.

Fenhance

Fenhance est un projet porté par Jeremy Salaam-Clarke, ingénieur R&D, et Jens Hasserodt, professeur à l’ENS de Lyon, et soutenu par une prématuration CNRS. Ce projet vise à offrir un diagnostic IRM plus sûr et plus adapté pour les personnes à risque face aux agents de contraste disponibles, tous à base de gadolinium. Ce métal soulève aujourd’hui des enjeux sanitaires, environnementaux et socio-économiques majeurs. Pour y répondre, Fenhance a développé une technologie innovante exploitant le fer pour générer un contraste IRM. Cette solution s’adresse en priorité aux patients qui ne bénéficient pas d’un diagnostic optimal ou subissent des complications liées à une exposition répétée au gadolinium, tout en réduisant l’impact écologique des agents de contraste.

35FAB

Les recherches sur la croissance de matériaux III-V à bas coût par des procédés plasma portées par le Laboratoire de Physique des Interfaces et des Couches Minces (CNRS/Ecole Polytechnique) en collaboration avec l’Institut Photovoltaïque d’Ile de France (IPVF), viennent d’obtenir le soutien du CNRS via un projet de prématuration. Le projet 35FAB porté Karim Ouaras (chargé de recherche CNRS), Pere Roca i Cabarrocas (directeur de recherche CNRS) et Grégoire Bonnat (entrepreneur et futur CEO), ambitionne l’intégration des matériaux III-V avec du silicium cristallin pour la réalisation de cellules solaires dont le rendement devrait dépasser 30%. Le projet repose sur un procédé innovant d’épitaxie par plasma à basse température permettant la croissance directe de couches minces de GaAs sur Si, à faible coût. La création d’une startup est en préparation pour porter cette technologie vers l’industrialisation et adresser, au-delà du solaire, le marché de l’électronique de puissance.

MimeCodr

Le projet MimeCodr, porté par Ilies Belayachi, futur CEO, et Samuel Hidalgo-Caballero, postdoctorant et futur CTO, soutenus par Matthieu Labousse et Joshua McGraw, chercheurs CNRS et futurs conseillers scientifiques, vise à introduire une innovation de rupture à l’intersection des domaines stratégiques de la défense, du spatial et des télécommunications. En combinant de manière inédite des techniques microfluidiques pour concevoir des résonateurs de taille micrométrique, le projet MimeCodr vise à faire émerger une nouvelle génération de composants électromagnétiques dont l’usage dual pourrait d’une part redéfinir les standards de la furtivité radar pour les engins militaires, offrir des solutions de télécommunications satellitaires plus performantes et ouvrir la voie à la future « 6G » d’autre part. Par ailleurs, le procédé de fabrication et le savoir-faire mis au point permettent une réduction drastique des besoins en métaux par un facteur de 1000, offrant ainsi une solution souveraine, durable et économique.

PANaMa

PANaMa est un projet porté par Aloïs Arrighi, postdoctorant et futur CEO, et Laëtitia Marty, chercheuse CNRS, tous deux à l’Institut Néel (CNRS/UGA/INP). Soutenu par une prématuration CNRS et le PUI de l’UGA, il propose une nouvelle génération de stencil mask pour la mise en forme et la connexion de couches minces permettant de rendre les procédés de microfabrication plus rapides, simples et économiques en instrumentation. Cette technologie permet de s’affranchir des limites de la lithographie standard et notamment de réduire l’emploi de chimie potentiellement agressive pour des matériaux fragiles tels que les matériaux innovants pour l’électronique souple, le photovoltaïque, la nanoélectronique.

AI.TER

AI.TER, porté par Jimmy Daynac, docteur en géosciences spécialisé en IA, vise à révolutionner la prospection géologique en réponse aux défis critiques de la transition énergétique. Aujourd’hui, l’identification des ressources naturelles bas-carbone (comme l’hydrogène naturel) est trop lente, coûteuse et incertaine.

Grâce aux modèles d’intelligence artificielle développés au sein du Laboratoire de Planétologie et Géosciences (CNRS/Nantes Université/Université d’Angers/Le Mans Université), AI.TER est en mesure de détecter automatiquement les zones à fort potentiel en ressources stratégiques, avec une fiabilité accrue, des délais d’analyse réduits et des coûts de prospection drastiquement abaissés. L’innovation repose sur des systèmes de réseaux de neurones capables d’apprendre à reconnaître les signatures géologiques pertinentes pour chaque type de ressource. Ce système est adaptable à différentes échelles (locale, régionale, continentale), évolutif (enrichi à chaque nouveau site) et permet d’identifier des cibles que les approches classiques ne détectent pas.

En s’appuyant sur cette innovation, AI.TER transforme un processus long et incertain en une exploration rapide, automatisée et reproductible, ouvrant la voie à une nouvelle génération d’outils géoscientifiques au service de la transition et de notre souveraineté énergétique.

TUPHO

Le projet TUPHO, porté par Hamidreza Neshasteh (ingénieur de recherche au CNRS / Université Paris Cité) et Ivan Favero (directeur de recherche au CNRS / Université Paris Cité), est une initiative qui veut combler le fossé entre innovation en amont et production à grande échelle dans l’industrie des circuits photoniques intégrés (PICs).

Bien que les PICs aient le potentiel de révolutionner des domaines tels que la détection, les technologies quantiques, le calcul et les télécommunications — en offrant des performances accrues, une consommation d’énergie réduite et des coûts moindres —, leur industrialisation reste limitée en raison de très faibles rendements de production causés par des imperfections de fabrication. Même si les erreurs de dimension en fabrication sont aujourd’hui de seulement quelques nanomètres, elles doivent encore être minimisées jusqu’à l’échelle du picomètre pour atteindre un rendement de dispositifs fonctionnels supérieur à 90 %. Le projet TUPHO s’attaque à ce goulot d’étranglement critique grâce à une technique brevetée de post-fabrication permettant de corriger de manière permanente les erreurs de fabrication à l’échelle du wafer. Cette méthode permet d’ajuster les dispositifs photoniques avec une précision inégalée — à l’échelle du picomètre et en deçà — ouvrant ainsi la voie à une production à grande échelle avec des rendements élevés pour l’industrie des PICs. 

Treensight

Treensight est un projet porté par Gilles Bisson, chargé de recherche CNRS au Laboratoire d’Informatique de Grenoble (CNRS / Université Grenoble Alpes / Inria). Il propose une nouvelle approche de l’analyse de données, pensée pour les experts métiers : ingénieurs, chercheurs, responsables de projet… qui manipulent des données au quotidien sans être spécialistes des outils classiques de data science.

L’objectif est de leur permettre d’explorer, structurer et comprendre leurs données de façon autonome, sans coder, sans avoir à assembler de pipeline, ni devoir recourir à des solutions complexes. Pour cela, Treensight s’appuie sur plusieurs innovations issues de la recherche : un modèle de visualisation hiérarchique (Stacked Trees), un format de données structurant (GDF), et une interface interactive unifiée. Il répond ainsi à un besoin croissant d’analyse fluide, lisible et explicable, dans tous les domaines où les données sont riches, mais difficiles à exploiter (santé, environnement, industrie, etc.).

Valorisé avec la SATT Linksium (Grenoble), Treensight est aujourd’hui porté par une startup en cours de création (www.treensight.com). Le logiciel est déjà opérationnel, et des missions d’analyse de données sont également proposées pour accompagner les premières applications concrètes.