L’IA, nouveau scalpel de l’industrie pharmaceutique

L’IA pour traiter des volumes massifs de données

Comme l’expliquent les neurologistes du CHU d’Angers, Virginie Pichon et Philippe Codron, les diagnostics pour les patients souffrant de ces maladies sont difficiles à établir. Les spécialistes parlent ainsi d’errance diagnostique.

Ce long parcours du combattant, rien que pour mettre un nom sur une maladie, est une épreuve pour des millions de personnes. À l’échelle mondiale, 400 millions d’individus sont affectés par une maladie rare.

Ils doivent généralement patienter cinq à sept ans pour diagnostiquer précisément leur pathologie. Cette attente est source d’angoisse et retarde l’accès à une prise en charge adaptée. L’enjeu est donc d’accélérer le processus de diagnostic grâce à l’IA.

L’ataxie de Friedreich est une de ces maladies pour lesquelles le diagnostic est difficile à établir. En cause, l’hétérogénéité des symptômes. Pour y apporter une réponse médicale est né le projet AXIA. Il est le fruit d’une collaboration entre le CHU d’Angers, la startup Codoc et l’entreprise biopharmaceutique Biogen.

Son objectif, résume le professeur Philippe Codron, consiste à utiliser l’IA pour améliorer l’identification précoce des patients potentiels. Ensemble, les partenaires cherchent à développer des approches nouvelles en s’appuyant sur différentes typologies d’IA.

Des données non structurées aux indicateurs

Elles consistent en particulier à mobiliser l’IA pour sa capacité à analyser et à interpréter des volumes massifs de données cliniques hétérogènes et non structurées. Incubée dans le campus de l’hôpital Necker, la startup Codoc axe son travail sur la création d’« archétypes de patients » à partir des données des notes médicales.

L’objectif, explique Arthur Delapalme, son CEO et cofondateur, n’est pas de remplacer le clinicien, mais de l’« augmenter » en lui présentant les « 20 à 30 cas les plus similaires » à un profil type. Cela doit ainsi l’aider à affiner son hypothèse de diagnostic.

Cette logique d’analyse de données en vie réelle trouve un autre écho chez l’industriel allemand Merck. Sur près de 20 ans, son dispositif EasyPod destiné aux enfants souffrant de troubles de la croissance a permis de collecter 30 millions de points de données.

Fulvio D. Mikis, expert de l’équipe Digital Health de Merck, explique comment cette masse de données permet de modéliser les comportements des patients. Il est désormais possible de prédire les résultats d’un traitement sur une durée de quatre ans à partir de seulement six mois de données.

Le groupe pharmaceutique promet également, grâce aux données collectées et traitées par l’IA, d’identifier les « signaux faibles » de non-observance du traitement avant même qu’elle ne devienne un problème clinique.

Les données collectées par l’EasyPod de Merck permettent selon la docteur Cécile Teinturier de l’hôpital Bicêtre de visualiser une baisse d’observance du traitement à l’adolescence. Plutôt que d’être un outil de surveillance, le dispositif ouvre « la porte au dialogue » pour comprendre et remotiver le patient, explique la clinicienne.

Par ailleurs, le Français Servier affirme que l’IA, via des recommandations personnalisées, a permis d’améliorer l’observance « jusqu’à 20 % » pour certains patients atteints de maladies chroniques.

Une adoption de l’IA pilotée par les dirigeants

Néanmoins, le succès de l’intégration de l’IA n’est pas seulement technologique. Il est avant tout organisationnel et stratégique. Le facteur de différenciation majeur réside dans l’implication directe des directions générales. C’est d’ailleurs sur ce facteur que met l’accent la dernière étude du BCG, l’AI Radar 2026.

Paul Hudson, PDG de Sanofi, se veut ainsi le pilote de la stratégie IA du groupe. Son pilotage se fonde sur deux principes. Le premier : « ne pas déléguer la révolution ». Le dirigeant doit être en première ligne pour incuber, encourager et piloter la transformation.

Le second est l’impératif d’un retour sur investissement mesurable, qu’il a baptisé « ROAI » (Return on AI Investment). Cette approche vise à dépasser le stade des « pilotes » pour s’assurer que chaque projet génère une valeur concrète et tangible.

Cette exigence se traduit par un modèle de gouvernance discipliné, comme le détaille Kaoutar Sghiouer, group chief Data & AI officer chez Sanofi. Chaque initiative, qu’elle émane d’un contributeur ou d’un dirigeant, doit prouver sa valeur potentielle et obtenir le parrainage d’un sponsor business et d’un sponsor digital.

Ce n’est qu’après cette étape qu’elle est soumise à la validation du comité exécutif, qui se réunit toutes les six semaines pour évaluer les projets. Cette démarche n’est cependant pas l’apanage de Sanofi. Novartis et Merck adoptent des philosophies similaires dans l’industrie.

Pour Novartis, les données sont désormais des « actifs d’entreprise » si critiques que leur mauvaise gestion peut amputer le revenu annuel de 3 à 4 % (en cas de sanction réglementaire pour non-conformité). Merck, de son côté, institutionnalise cette transformation via une « pyramide d’adoption de l’IA ».

Pour Walid Mehanna, chief Data & AI officer de Merck, l’objectif est de diffuser la maîtrise de l’IA de la base productive des employés jusqu’aux applications les plus complexes destinées aux patients.

Cette impulsion stratégique, venant du sommet, a pour but de redéfinir en profondeur l’ensemble des métiers de l’industrie pharmaceutique. Les patrons de Sanofi comme de Servier insistent sur l’importance de diffuser l’IA sur toute la chaîne de valeur et non de manière isolée dans des silos fonctionnels.

Repenser toute la chaîne de valeur, au-delà de la R&D

L’impact de l’IA visé s’étend bien au-delà de la recherche et développement, en transformant de manière tangible les opérations industrielles, la logistique et la relation avec le patient. La transformation, telle que promue notamment par le CEO de Sanofi, se veut transversale.

Dans ce secteur où la probabilité de succès d’un projet thérapeutique est inférieure à 5 % et où le développement d’un médicament prend 10 à 15 ans, d’après le président de Servier, Olivier Laureau, l’ambition est de « doubler la probabilité de succès » et de « réduire le temps de mise sur le marché de deux à quatre ans ».

Paul Hudson de Sanofi apporte une perspective complémentaire. Selon lui, dans une industrie où 90 % des projets échouent en première phase, même une amélioration marginale de ce taux (à 80 % par exemple) constitue déjà une avancée remarquable et un changement de paradigme.

Dans le secteur, l’IA est aussi explorée en tant que copilote des opérations industrielles. Paul Hudson illustre cet impact avec des exemples concrets et chiffrés chez Sanofi. « L’agent CEO », un système connecté aux différents domaines de données, a été capable de prédire une rupture de stock d’un médicament en France un an et demi à l’avance.

Pour ce faire, il croise des données financières (prévisions de croissance), des données de qualité (augmentation des rejets de lots) et des données de ressources humaines (nombre de travailleurs temporaires sur la ligne).

« L’agent d’atelier », grâce à des capteurs et des interventions prédictives, a quant à lui permis de réduire les « arrêts mineurs » sur les chaînes de production, augmentant ainsi la capacité de 20 % sur certaines lignes.

L’IA pour réinventer le parcours et l’observance du patient

Ces avancées – tant au niveau des processus que la relation médecin-patient – ne se matérialisent qu’au prix de collaborations complexes entre médecins, chercheurs et industriels. Elles soulèvent en outre des questions fondamentales de confiance et d’éthique.

La nécessité des partenariats est illustrée par l’écosystème du projet AXIA. Ce dernier est soutenu par l’association Radar, qui, selon Thibaud Guymard (head of Innovation, Services & Digital de Biogen), crée un « espace sûr » où les acteurs publics et privés peuvent unir leurs forces pour un objectif commun, au-delà des intérêts individuels.

Cette collaboration doit s’ancrer dans une éthique irréprochable afin de gagner la confiance de tous. Olivier Laureau, président de Servier, insiste sur une autre dimension de l’IA dans la santé : « l’IA n’est jamais une boîte noire ».

Toute décision clinique finale reste humaine, et les données des patients sont systématiquement sécurisées et anonymisées. Pour Servier, un algorithme doit être soit explicable, soit supervisé par un expert.

Le déploiement de l’IA génère cependant des tensions, explique Marco Giannitrapani, vice-président Global Data & Analytics chez Novartis. Des tensions qu’il décrit comme des « polarités » à gérer, dont l’équilibre entre personnalisation et standardisation. Il évoque un nécessaire compromis entre précision et complexité. Une solution trop complexe serait le synonyme d’une « boîte noire » inutilisable.