Comment l’IA transforme le développement des médicaments

Cette page a été traduite automatiquement depuis l’anglais pour en faciliter l’accès. En cas de doute, nous vous recommandons de consulter la version originale.

Le développement d’un nouveau médicament nécessite en moyenne 10 à 15 ans et plus de 1 milliard de dollars d’investissement, sans aucune garantie d’obtention de l’autorisation de mise sur le marché, puisque moins d’un médicament sur dix entrant en phase I parvient finalement à une approbation réglementaire.

Le développement pharmaceutique est l’un des processus les plus complexes, les plus coûteux et les plus réglementés de tous les secteurs d’activité, où la moindre inefficacité peut entraîner des répercussions importantes en termes de coûts et de délais. Cela peut retarder de plusieurs mois voire de plusieurs années l’arrivée de traitements susceptibles de changer des vies.

Pourtant, à travers les missions menées par Wavestone auprès de ses clients du secteur pharmaceutique, nous constatons systématiquement les mêmes défis structurels, qu’il s’agisse de recherche documentaire, de modélisation de la sécurité ou de reporting réglementaire.

Les trois cas d’usage présentés ci-dessous sont issus de projets réels réalisés par Wavestone. Les chiffres reposent sur des analyses de rentabilité détaillées que nous avons construites et qui ont été validées par les directions de nos clients.

Pris ensemble, ces cas d’usage devraient concerner plus de 10 000 utilisateurs finaux et générer une valeur annuelle combinée pouvant atteindre plusieurs centaines de millions de dollars dans une grande organisation.

Nous avons choisi de mettre en avant trois cas d’usage de tailles différentes : deux sont déployés à l’échelle de l’entreprise entière, tandis que le troisième concerne un seul département, avec une valeur plus modeste mais également un coût de mise en œuvre plus faible.

Les chiffres présentés ci-dessous correspondent à la valeur annuelle générée à maturité, une fois les capacités déployées et pleinement utilisées au sein de l’organisation. L’investissement augmente progressivement au fil des phases de proof of concept (POC), de produit minimum viable (MVP) puis de montée en échelle, à mesure que les plateformes se développent et que leur adoption progresse.

En bref

L’IA peut accélérer le développement des médicaments en réduisant les tâches manuelles dans les activités de recherche, de sécurité et de conformité réglementaire.
Les cas d’usage à forte valeur génèrent des impacts mesurables, notamment une prise de décision plus rapide et de meilleurs résultats réglementaires.
Des données fiables, des résultats d’IA traçables et une gouvernance robuste sont indispensables pour favoriser l’adoption dans des environnements fortement réglementés.
Les gains les plus importants proviennent de la mise à l’échelle de capacités IA réutilisables dans plusieurs fonctions de l’entreprise.

Cas d’usage n°1:
Analyse de la littérature scientifique

Contexte: La littérature scientifique publiée constitue la source de connaissance la plus fiable et la plus reconnue dans l’industrie pharmaceutique, où la qualité des preuves influence directement les décisions de développement des médicaments.

Utilisateurs concernés: Un large éventail de scientifiques effectuant des recherches documentaires tout au long du cycle de développement du médicament, depuis la découverte jusqu’à la surveillance post-commercialisation.

Défi: Les scientifiques consacrent un temps considérable à interroger manuellement des bases de données internes et externes à l’aide de recherches par mots-clés, puis à analyser et synthétiser les résultats un à un à travers différentes sources documentaires et non documentaires.

Solution: Une plateforme de recherche conversationnelle alimentée par l’IA avec des capacités de recherche sémantique permettant aux scientifiques d’obtenir des informations pertinentes à partir du sens de leurs requêtes plutôt qu’à partir de mots-clés exacts. La solution s’appuie sur des sources externes essentielles telles que:

PubMed
Les bases réglementaires de la FDA et de l’EMA
Les bases de données de brevets

Elle exploite également des sources internes telles que :

Les dossiers d’essais cliniques
Les rapports propriétaires

Développée en interne afin de renforcer les règles de gouvernance des données, la plateforme génère des synthèses complètes accompagnées de sources fiables permettant aux utilisateurs d’approfondir facilement leurs recherches.

Pour répondre aux exigences de conformité GxP des équipes de pharmacovigilance, les résultats ont été conçus pour être entièrement traçables et explicables, avec un historique détaillé des requêtes et des sources utilisées.

La plateforme extrait également automatiquement les tableaux quantitatifs pertinents identifiés dans la littérature.

Valeur générée: Plus de 150 millions de dollars de valeur annuelle, principalement grâce à l’accélération du délai de mise sur le marché des médicaments.

Les bénéfices incluent :

Réduction de la durée des activités critiques grâce à une analyse documentaire plus rapide et plus performante.
Diminution de la charge de travail manuelle grâce à l’automatisation des tâches répétitives, permettant aux équipes de se concentrer sur des activités à plus forte valeur scientifique.
Réduction du recours à des prestataires externes pour les activités de recherche documentaire.

Lorsque des milliers de scientifiques consacrent une part significative de leur temps à des recherches manuelles, même de modestes gains de productivité produisent un effet démultiplié à l’échelle de l’organisation.

Cas d’usage n°2:
Modélisation prédictive de la sécurité et des risques

Contexte: L’efficacité thérapeutique a historiquement constitué la priorité principale de l’industrie pharmaceutique. Toutefois, la pression croissante des autorités réglementaires telles que la FDA et l’EMA, ainsi que le coût élevé des échecs liés à la sécurité en phase avancée, ont rééquilibré les priorités.

La sécurité des médicaments doit désormais être prise en compte plus tôt et de manière plus rigoureuse tout au long du cycle de développement.

Utilisateurs concernés: Des scientifiques spécialisés dans les questions de sécurité toxicologues, responsables des risques, et scientifiques en pharmacovigilance.

Défi: Un meilleur profil de sécurité nécessite davantage de données et une disponibilité plus précoce des informations. Aujourd’hui, cela reste difficile en raison de l’éparpillement des données entre les équipes, d’une qualité de données variable, et d’outils analytiques avancés peu accessibles aux équipes scientifiques non techniques. Cette situation conduit à une approche largement réactive de la gestion de la sécurité.

Solution: Une plateforme de connaissances jouant le rôle de référentiel central des informations de sécurité au sein de l’organisation. Elle s’appuie notamment sur des bases de données toxicologiques, des documents d’essais cliniques, des données de vie réelle (dossiers médicaux électroniques, registres de patients), et des référentiels internes.

Les scientifiques non techniques peuvent accéder à des modèles prédictifs développés par les équipes analytiques et exécuter des simulations ou des analyses de scénarios sans expertise technique particulière.

La plateforme inclut également des tableaux de bord regroupant les signaux de sécurité générés par l’IA, les analyses prédictives, et les modèles mécanistiques comme la modélisation pharmacocinétique physiologique (PBPK)

Valeur générée: Plus de 300 millions de dollars de valeur annuelle, principalement grâce à une probabilité accrue de réussite réglementaire.

Les bénéfices incluent:

Un meilleur profil de sécurité des médicaments au moment de la soumission réglementaire grâce à l’identification précoce des risques.
Une accélération du délai de mise sur le marché grâce à des décisions Go / No Go plus rapides et mieux étayées.

Éviter un seul échec en phase avancée peut représenter une économie supérieure à l’investissement total consenti pour la plateforme.

Cas d’usage n°3:
Rédaction automatisée de documents réglementaires

Contexte: Les entreprises pharmaceutiques doivent soumettre un nombre croissant de rapports périodiques de sécurité aux autorités sanitaires telles que la FDA et l’EMA.

Ces documents sont critiques : incohérences ou erreurs peuvent entraîner des demandes de clarification et retarder les approbations.

Utilisateurs concernés: Les équipes de pharmacovigilance et de reporting périodique, notamment Global Safety Officers (GSO). Travaillant principalement sur Safety Evaluation Report (SER), Periodic Benefit-Risk Evaluation Report (PBRER), et Development Safety Update Report (DSUR).

Défi: Un meilleur profil de sécurité nécessite davantage de données et une disponibilité plus précoce des informations. Aujourd’hui, cela reste difficile en raison de l’éparpillement des données entre les équipes, d’une qualité de données variable, et d’outils analytiques avancés peu accessibles aux équipes scientifiques non techniques. Cette situation conduit à une approche largement réactive de la gestion de la sécurité.

Solution: Une plateforme de connaissances jouant le rôle de référentiel central des informations de sécurité au sein de l’organisation.
Elle s’appuie notamment sur des bases de données toxicologiques, des documents d’essais cliniques, des données de vie réelle (dossiers médicaux électroniques, registres de patients), et des référentiels internes.

Les scientifiques non techniques peuvent accéder à des modèles prédictifs développés par les équipes analytiques et exécuter des simulations ou des analyses de scénarios sans expertise technique particulière.

La plateforme inclut également des tableaux de bord regroupant les signaux de sécurité générés par l’IA, les analyses prédictives, et les modèles mécanistiques comme la modélisation pharmacocinétique physiologique (PBPK).

Valeur générée: Plus de 3 millions de dollars de valeur annuelle, grâce à une capacité de production accrue des équipes internes et à une réduction des coûts liés aux prestataires externes.

Les bénéfices incluent :

Une augmentation de la capacité de production documentaire grâce à l’automatisation des tâches répétitives.
Une réduction du recours à des prestataires externes grâce aux capacités offertes par la plateforme interne.

Même sur un périmètre plus restreint que les deux premiers cas d’usage, les économies s’accumulent rapidement lorsque les volumes de documents et de projets sont élevés. Le fait de s’appuyer sur une plateforme déjà existante permet également de limiter les coûts de mise en œuvre.

Conclusion

L’IA ne transforme pas le développement des médicaments en remplaçant l’expertise scientifique. Elle élimine les frictions opérationnelles qui ralentissent cette expertise.

Qu’il s’agisse de recherche documentaire, de modélisation de la sécurité ou de reporting réglementaire, le constat est le même : des équipes hautement qualifiées consacrent encore une part disproportionnée de leur temps à des tâches manuelles, fragmentées et répétitives que la technologie est désormais capable d’assister.

Lorsque ce temps est récupéré et réalloué vers des activités à plus forte valeur, les bénéfices se diffusent à l’ensemble de la chaîne de développement.

Les trois cas d’usage présentés démontrent qu’il ne s’agit plus d’une ambition future. Ces initiatives sont déjà déployées dans de grandes organisations et génèrent des retours financiers mesurables.

Les entreprises qui obtiennent le plus de succès abordent l’IA avec la même rigueur que le développement pharmaceutique : des objectifs clairs, des fondations de données solides, une démarche analytique rigoureuse et une validation systématique de la valeur avant tout passage à l’échelle.

David Winkler, AI & Data expert, Wavestone

Nos dernières cas clients

Client Story

Unlocking AI innovation with a scalable, compliant Data Operating Model

Client Story

Life Sciences · Agilité et modèle opérationnel

Wavestone met en place un modèle opérationnel robuste pour un leader mondial de la pharmaceutique

Client Story

Automated data processing accelerates go-to-market time

Transformer l’IA en impact business dans l’industrie pharmaceutique

Vous vous demandez où l’IA peut générer le plus de valeur dans vos activités de R&D, de sécurité ou de conformité réglementaire ? Nos experts accompagnent les acteurs de l’industrie pharmaceutique pour identifier, prioriser, quantifier et déployer des cas d’usage IA générant un impact business mesurable.

Secteur

Life Sciences