Une industrie au bord du déclin terminal en 2017 qui explique pourquoi le Covid

[JacquesL]

Une industrie au bord du déclin terminal en 2017 qui explique pourquoi le Covid est déclenché en 2020



https://reseauinternational.net/une-industrie-au-bord-du-declin-terminal-en-2017-qui-explique-pourquoi-le-covid-est-declenche-en-2020/

par Veritatis.

Comme de nombreuses industries, le modèle commercial de l'industrie pharmaceutique dépend fondamentalement d'une innovation productive pour créer de la valeur en offrant de plus grands avantages aux clients. De plus, une croissance durable et la création de valeur dépendent d'une productivité de R&D stable avec un retour sur investissement positif afin de générer des revenus futurs qui peuvent être réinvestis dans la R&D. Ces dernières années, cependant, il est devenu clair que la pharma a un sérieux problème avec la baisse de la productivité de la R&D.

Divers analystes (notamment Deloitte et BCG) ont tenté de mesurer la productivité de la R&D de Big Pharma en termes de taux de retour interne (TRI) sur investissement, mais dans chaque cas l'analyse est très complexe et alambiquée (et donc sujette au doute), car cela dépend de nombreuses hypothèses détaillées et prévisions prospectives au niveau de chaque produit. Ici, pour la première fois, j'introduis une méthodologie beaucoup plus simple et beaucoup plus robuste pour calculer le retour sur investissement de la pharma en R&D, qui est basée uniquement sur des données de haut niveau fiables et largement disponibles sur les performances historiques réelles du P&L de l'industrie. Cette nouvelle analyse confirme la baisse constante signalée par d'autres, mais ici j'explore également les moteurs sous-jacents et fais des projections concrètes,
Une nouvelle méthode simple pour mesurer la productivité R&D / TRI Le modèle économique de la Pharma consiste essentiellement à réaliser une série d'investissements en R&D, puis à percevoir le retour sur ces investissements sous forme de bénéfices quelques années plus tard, une fois que les produits résultants ont atteint le marché. Cependant, la situation est compliquée par le fait que les investissements et les rendements sont échelonnés sur de nombreuses années pour chaque produit, et que tous les produits ne parviennent pas sur le marché ; en fait, la  plupart des  produits n'arrivent pas du tout sur le marché et ils échouent à des moments et des coûts différents au cours de leur développement.

Maintenant, nous pouvons grandement simplifier cette image en ne considérant que la  moyenne retour sur investissement dans l'ensemble de l'industrie, ce qui nous intéresse en tout cas. Nous supposons simplement que tous les bénéfices d'une année donnée proviennent d'investissements réalisés au cours d'une seule année précédente, où l'écart entre ces deux années représente la période d'investissement moyenne, du point médian de l'investissement en R&D au point médian des retours au pic des ventes. En l'occurrence, cette durée moyenne d'investissement est relativement stable et bien définie, car elle est largement motivée par une durée de brevet standard fixe de 20 ans, ainsi qu'une phase de R&D historiquement stable d'une durée d'environ 14 ans du début à la fin. Ainsi, la durée moyenne d'investissement est d'environ 13 ans, à partir du milieu de la phase de R&D après 7 ans, plus 6 ans supplémentaires pour atteindre le pic des ventes avant la perte de l'exclusivité.

Il existe un argument potentiel contre cette méthode, à savoir que les phases ultérieures de la R&D ont tendance à coûter plusieurs fois plus que les phases précédentes. Cependant, nous devons également nous rappeler que nous devons investir dans beaucoup plus de projets aux premières phases que dans les phases ultérieures, en raison de l'attrition naturelle au sein du pipeline de R&D. Ainsi, l'investissement total en R&D est en fait réparti assez uniformément tout au long de la chronologie de développement. Et, comme je le montre ci-dessous, le rendement calculé n'est de toute façon pas très sensible à cette seule hypothèse.

Avant d'utiliser cette méthode simple pour calculer le retour sur investissement, il y a un autre détail petit mais important à retenir : le retour net sur investissement en R&D comprend non seulement les bénéfices résultants (EBIT), mais aussi les  futurs  coûts de R&D. En effet, les dépenses futures de R&D sont une  utilisation facultative  des bénéfices résultant d'investissements antérieurs.

Nous pouvons donc maintenant calculer le retour sur investissement moyen (TRI) comme la croissance annuelle composée de la valeur des investissements passés en R&D par rapport à la valeur des bénéfices résultants (EBIT)  plus  les coûts futurs de R&D, comme illustré ici avec les données P&L de l'industrie d'EvaluatePharma :





Nous obtenons maintenant la formule simple suivante pour calculer le taux de rendement interne (TRI) de la R&D pharmaceutique au cours d'une année donnée  x :
IRR(x) = [ (EBIT(x+c) + R&D(x+c)) / R&D(x) ]^(1/c) – 1
Où  c  est la durée moyenne d'investissement de 13 ans.

Le retour sur investissement dans la R&D pharmaceutique diminue rapidement
En appliquant cette formule simple sur plusieurs années de données P&L d'EvaluatePharma, nous constatons la tendance à la baisse suivante, qui est tout à fait cohérente avec les rapports publiés par Deloitte et le BCG :




Maintenant, la chose la plus effrayante à propos de cette analyse, c'est à quel point la tendance à la baisse du retour sur investissement est robuste, cohérente et rapide sur une période de plus de 20 ans. Mais de plus, ces résultats confirment que le retour sur investissement dans la R&D pharmaceutique est déjà inférieur au coût du capital et devrait atteindre  zéro d'  ici 2 ou 3 ans. Et ce malgré tous les efforts de l'industrie pour réparer la R&D et inverser la tendance.

J'ai mentionné plus haut que cette analyse repose sur une hypothèse, la durée moyenne d'investissement qui est assez stable et bien définie, mais on voit ci-dessous que les résultats ne sont en aucun cas sensibles à cette seule hypothèse. La tendance à la baisse est tout aussi claire, tout comme le TRI projeté de 0 % d'ici 2020 :





Alors, qu'est-ce qui motive cette tendance et pourquoi n'avons-nous rien pu faire à ce sujet ?

Loi des rendements décroissants
De nombreuses causes et facteurs différents ont été suggérés pour expliquer la baisse constante de la productivité de la R&D pharmaceutique, notamment l'augmentation des coûts et des délais des essais cliniques, la baisse des taux de réussite du développement, un environnement réglementaire plus strict, ainsi que la pression croissante des payeurs, des fournisseurs et l'augmentation des génériques. Concurrence, cependant il y a une question fondamentale en jeu qui conduit tous ces facteurs ensemble :  la loi des rendements décroissants.

Comme chaque nouveau médicament améliore la norme de soins actuelle, cela ne fait que relever la barre pour le médicament suivant, ce qui le rend plus coûteux, difficile et peu susceptible d'obtenir une amélioration progressive, tout en réduisant également les possibilités d'amélioration potentielles. Ainsi, plus nous améliorons la qualité des soins, plus il devient difficile et coûteux de s'améliorer davantage, de sorte que nous dépensons de plus en plus pour obtenir des avantages supplémentaires et une valeur ajoutée décroissants pour les patients, ce qui entraîne une diminution du retour sur investissement, comme illustré ici :






Mais pourquoi l'analyse ci-dessus suggère-t-elle une baisse linéaire qui atteindra 0 % de TRI d'ici 2020 ? La baisse ne devrait-elle pas ralentir et s'infléchir pour ne jamais atteindre 0 % de TRI ?

Non. 0% IRR correspond au seuil de rentabilité et au retour exact de votre investissement initial, mais comme tous ceux qui ont travaillé dans le secteur pharmaceutique le savent très bien, vous pouvez facilement perdre  tout votre investissement initial en R&D car la plupart des médicaments échouent sans aucun retour. Donc le TRI théorique minimum est en fait négatif de  100 %. Il n'y a aucune raison pour que le TRI arrête de baisser avant d'atteindre 0%, voire -100%, mis à part la patience limitée des investisseurs.

Pour illustrer la façon dont la  loi ATTENUER Re-tours  applique à la R & D pharma, nous considérons un ensemble limité de 200 possibilités de développement de médicaments défini par une distribution exponentielle aléatoire des coûts attendus (investissements) produisant une distribution exponentielle aléatoire indépendante des valeurs attendues (retours) après une durée moyenne d'investissement de 13 ans. Le TRI attendu de chaque opportunité est donné par la formule :
IRR = [ eReturn / eCost ] ^(1/13) – 1

Maintenant, nous classons et hiérarchisons toutes ces opportunités potentielles en fonction de leur TRI attendu au fil du temps, tout comme nous sélectionnons et hiérarchisons les projets de développement de médicaments en fonction de leur retour sur investissement attendu dans l'industrie pharmaceutique, et voici ce que nous obtenons :






Remarquez comment la section médiane du graphique IRR des opportunités prioritaires suit une tendance à la baisse parfaitement linéaire qui passe par 0% IRR, ce qui est  exactement ce que nous avons vu avec notre analyse de la productivité de la R&D pharmaceutique ci-dessus ! Les implications de ceci sont assez frappantes :
Le retour sur investissement dans la R&D pharmaceutique est en baisse car c'est précisément ainsi que nous hiérarchisons les opportunités d'investissement au fil du temps.

Essentiellement, la découverte de médicaments est un peu comme le forage pétrolier, où nous priorisons et exploitons progressivement les opportunités les plus grandes, les meilleures, les moins chères et les plus faciles avec les rendements attendus les plus élevés en premier, laissant les opportunités moins attrayantes avec des rendements inférieurs pour plus tard. Finalement, nous nous retrouvons à dépenser plus de valeur que ce que nous pouvons éventuellement extraire :




Implications et projections pour l'industrie pharmaceutique

Maintenant que la baisse constante du retour sur investissement dans la R&D pharmaceutique suit la loi des rendements décroissants en  tant que  conséquence naturelle et inévitable de la façon dont nous hiérarchisons les opportunités d'investissement en R&D, où cela laisse-t-il l'industrie ?

Nous pouvons simplement extrapoler la tendance à la baisse linéaire robuste du TRI, puis appliquer la même formule que nous avons utilisée ci-dessus pour calculer le TRI en fonction des performances passées à l'envers, afin de prédire comment l'industrie évoluera à l'avenir. Voici ce que nous obtenons :






Wow! Ce que nous voyons, c'est que l'ensemble de l'industrie pharmaceutique est au bord du déclin terminal et commencera déjà à se contracter dans les 2 ou 3 prochaines années !

Cela semble incroyable, mais n'oubliez pas qu'il ne s'agit pas d'une prévision arbitraire et sombre. Il est le  résultat mathématique directe de la loi ATTENUER Re-tours  que nous avons déjà vu dans notre analyse ci – dessus, et que nous avons été en mesure de reproduire exactement en donnant la priorité d' un ensemble limité d'opportunités d'investissement au hasard.

Que se passe-t-il? Cela peut-il vraiment arriver ?


Le modèle économique brisé de la pharmacie
La situation est bien illustrée par ce schéma ci-dessous :





Ce que nous avons ici, c'est une industrie qui entre dans un  cercle vicieux de croissance négative et de déclin final alors  que son modèle commercial fondamental s'est essoufflé par la  loi des rendements décroissants : la diminution de la productivité de la R&D et du retour sur investissement entraîne une diminution de la croissance des ventes. Finalement, la croissance devient négative et les ventes commencent à se contracter. La réduction des ventes réduit alors le montant d'argent disponible pour réinvestir dans la R&D, ce qui entraîne une baisse encore plus importante de la croissance des ventes. Et ainsi de suite, jusqu'à ce que l'industrie disparaisse complètement.

Ce principe est encore illustré ici, montrant comment la création de valeur devient négative :




Cycles de vie et régénération de l'industrie
Alors, cela peut-il arriver ? La pharma va-t-elle  vraiment  disparaître et y a-t-il  quelque chose que  nous puissions faire pour l'arrêter ?

Bref, oui, ça peut arriver et ça arrivera. La pharmacie telle que nous la connaissons  va  disparaître, et non, nous ne pouvons rien faire pour l'arrêter. Nous le savons parce que la baisse constante du TRI est une conséquence inévitable de la priorisation et s'est poursuivie malgré tous nos efforts pour ralentir, arrêter et inverser la baisse à ce jour.

Nous ne devrions pas être surpris par cela. Toutes les industries et tous les modèles commerciaux suivent la  loi des rendements décroissants , et de nombreuses industries ont traversé l'histoire. En fait, l'industrie pharmaceutique elle-même est née du déclin terminal de l'industrie des produits chimiques et des colorants alors qu'elle s'est lentement banalisée. Des cendres pousse le nouveau.

Et c'est là que réside le seul véritable espoir pour l'industrie pharmaceutique – ou du moins les entreprises et les centaines de milliers de personnes qui y travaillent.

Tout comme l'industrie pharmaceutique a évolué à partir de l'industrie chimique, et l'industrie biopharmaceutique a évolué à partir de l'industrie pharmaceutique, les industries pharmaceutiques et biopharmaceutiques évolueront ensemble vers quelque chose de très différent, poursuivant très probablement la tendance historique d'une complexité croissante vers des solutions biologiques plus complexes pour problèmes de santé urgents, tels que la thérapie cellulaire et génique, l'ingénierie tissulaire et la médecine régénérative :





Mais qui sait vraiment ?
Ce qui est clair, c'est que la pharma (et la biopharma) ne seront pas là pour toujours, et la théorie de l'évolution de Darwin s'applique aux entreprises et aux industries tout autant qu'elle s'applique aux espèces de la vie :
Ce n'est pas la plus forte de l'espèce qui survit, ni la plus intelligente, mais celle qui s'adapte le mieux au changement.
En effet. S'adapter ou mourir !

AUTEUR
Kelvin Stott en 2017
kelvin.stott@gmail.com

Et pour bien enfoncer le clou :
 

Pfizer Historical Annual Stock Price Data
Year	Average Stock Price	Year Open	Year High	Year Low	Year Close	Annual % Change
2021	41.6086	36.8100	61.2500	33.4900	61.0200	65.77%
2020	36.5741	39.1400	42.5600	28.4900	36.8100	-6.05%
2019	39.9501	43.2500	44.4000	34.2400	39.1800	-10.24%
2018	39.1565	36.4400	46.2300	33.6300	43.6500	20.51%
2017	34.0745	33.0000	37.2000	31.1500	36.2200	11.51%
2016	32.8259	31.9500	37.3100	28.5600	32.4800	0.62%
2015	33.7029	31.3300	36.1500	30.8200	32.2800	3.63%
2014	30.3074	30.4600	32.7500	27.7000	31.1500	1.70%
2013	28.9784	25.9100	32.2000	25.8500	30.6300	22.13%
2012	23.1972	21.9700	26.0350	20.9500	25.0793	15.89%
2011	19.5250	17.6800	21.8300	16.6600	21.6400	23.59%
2010	16.7635	18.9300	20.0000	14.1400	17.5100	-3.74%
2009	15.7289	18.2700	18.8500	11.6600	18.1900	2.71%
2008	19.3092	22.9100	24.0800	14.4500	17.7100	-22.09%
2007	25.2537	26.2900	27.6800	22.3000	22.7300	-12.24%
2006	25.6807	23.7800	28.4700	22.4100	25.9000	11.06%
2005	25.5458	26.4500	28.9000	20.6000	23.3200	-13.28%
2004	32.9606	35.5500	38.8500	24.2900	26.8900	-23.89%
2003	31.8957	31.5300	36.1800	28.5600	35.3300	15.57%
2002	34.8486	39.9000	42.1500	25.9200	30.5700	-23.29%
2001	41.6901	46.1300	46.1300	35.6700	39.8500	-13.37%
2000	41.5348	31.8800	49.0000	30.0000	46.0000	41.80%
1999	38.5371	41.1667	50.0333	31.7100	32.4400	-22.14%
1998	34.0287	25.2300	42.0333	24.6467	41.6667	67.65%
1997	18.7476	13.6467	25.9367	13.6467	24.8533	79.66%
1996	12.1970	10.3750	15.0833	10.1250	13.8333	31.75%
1995	8.0450	6.3333	11.0417	6.2183	10.5000	63.11%
1994	5.4321	5.6667	6.5517	4.4683	6.4375	11.96%
1993	5.3479	6.0317	6.2292	4.5000	5.7500	-4.83%
1992	6.2440	7.0000	7.1458	5.5417	6.0417	-13.69%
1991	4.9433	3.3383	7.1458	3.1096	7.0000	108.05%
1990	2.8506	2.9583	3.3958	2.3333	3.3646	16.19%
1989	2.6167	2.4063	3.1146	2.2554	2.8958	19.82%
1988	2.2403	2.0258	2.5054	2.0258	2.4167	24.39%
1987	2.7350	2.5833	3.1875	1.7346	1.9429	-23.56%
1986	2.5109	2.0833	3.0313	1.9583	2.5417	20.48%
1985	1.9264	1.6821	2.3229	1.5883	2.1096	19.84%
1984	1.4867	1.5054	1.7604	1.2500	1.7604	18.18%
1983	1.6057	1.4115	1.8646	1.4115	1.4896	3.80%
1982	1.2589	1.0938	1.6615	1.0469	1.4350	29.35%
1981	1.0252	1.1094	1.1406	0.8490	1.1094	0.00%
1980	0.8654	0.7813	1.1094	0.6798	1.1094	35.26%
1979	0.6948	0.6900	0.8490	0.6094	0.8202	18.87%
1978	0.6617	0.5702	0.7996	0.5313	0.6900	21.01%
1977	0.5568	0.5990	0.5990	0.4896	0.5702	-6.43%
1976	0.5883	0.5913	0.6510	0.5313	0.6094	4.92%
1975	0.6224	0.6692	0.7604	0.5000	0.5808	-14.56%
1974	0.6908	0.9010	0.9192	0.4504	0.6798	-24.55%
1973	0.9142	0.9088	1.0913	0.8100	0.9010	0.86%

source : https://monde25.com/


https://reseauinternational.net/une-industrie-au-bord-du-declin-terminal-en-2017-qui-explique-pourquoi-le-covid-est-declenche-en-2020/