Les données produites dans le secteur pharmaceutique sont très hétérogènes, obtenues expérimentalement, générées à partir de modèles d'intelligence artificielle et sont de provenances multiples. Nous concevons et développons le graphe de connaissances Pegasus qui vise, en plus de capitaliser sur des données actuellement disponibles, à explorer l'environnement complexe des cibles thérapeutiques, à identifier des modalités de criblage pertinentes pour les moduler et à soutenir le dérisquage de nouvelles modalités expérimentales. Dans un premier temps nous détaillons la conception du modèle de données de Pegasus. Puis, nous exposons des applications industrielles de Pegasus pour des projets thérapeutiques exploratoires. La première application porte sur la caractérisation des effets hors cibles de perturbateurs. La deuxième porte sur le dérisquage d’une nouvelle modalité expérimentale. La troisième détaille la conception de librairies focalisées pour le criblage de perturbateurs. Enfin, la quatrième application précise l’utilisation envisagée de signatures phénotypiques obtenues à partir de campagnes de criblages à haut contenu afin de relier les mondes biologiques, chimiques et phénotypiques. Dans l'ensemble, le graphe de connaissances Pegasus et ses applications soutiennent la prise de décisions et supportent les phases primaires de recherche et de découverte de nouveaux médicaments.