"La transformation data & IA dans l’industrie de la santé."

Caroline : Bonjour, je suis Caroline Goulard. J’ai créé deux entreprises dans le domaine de la visualisation de données. Je travaille depuis plus de 10 ans à créer des ponts entre les humains et les données. Nous sommes ensemble pour un nouvel épisode de The Bridge, le média d’Artefact qui démocratise la culture des données et de l’intelligence artificielle pour le plus grand nombre. Et aujourd’hui, nous recevons Justine Nerce. Justine, bonjour.

Justine : Bonjour.

Caroline : Justine, est-ce que tu peux te présenter et présenter ton activité ?

Justine : Bien sûr. Moi, c’est Justine Nerce. Je suis aujourd’hui Managing Partner chez Artefact. Je suis arrivée chez Artefact il y a presque 10 ans, donc à l’origine de l’entreprise. On était une trentaine à l’époque. Pour rappel, aujourd’hui on est 1500. J’ai vécu toute l’aventure Artefact depuis les débuts. Au cours de ces 10 dernières années, j’ai eu l’opportunité d’évoluer et d’occuper plusieurs responsabilités. J’ai eu l’opportunité d’être l’account manager d’un grand compte Artefact, un de nos plus gros clients dans l’industrie, notamment des télécoms. J’ai eu également l’opportunité de créer toute notre offre autour de la gouvernance des données, que j’ai du coup développée en France et à l’international, et qu’on déploie aussi aujourd’hui chez plusieurs de nos clients. Plus récemment, ça fait maintenant 3-4 ans, je m’occupe du développement de l’industrie de la santé pour Artefact en France et à l’international.

Caroline : Est-ce que tu peux nous raconter quelle est l’histoire de cette industrie de la santé au sein d’Artefact ?

Justine : Bien sûr. Du coup, cette industrie pharmaceutique est une industrie qui est relativement récente pour Artefact. Comme je l’ai évoqué, on a commencé à la développer de manière massive il y a 4-5 ans. On travaillait avec des acteurs de l’industrie pharmaceutique depuis nos débuts, depuis les origines d’Artefact en 2016, mais plus sur le volet santé grand public. C’est-à-dire par exemple toutes les entités dans les laboratoires pharmaceutiques qui s’occupent de vendre les médicaments que vous pouvez acheter en pharmacie en libre-service, par exemple le Doliprane, etc. On travaillait avec ces acteurs-là sur le sujet data marketing, optimisation des ventes, et toutes les activités un peu précision marketing qui sont vraiment au cœur de l’ADN d’Artefact. Ensuite, on a effectivement basculé plus sur les branches Pharma de ces laboratoires-là, notamment grâce à nos forces. On a vraiment capitalisé sur nos forces, qui sont le sales and marketing, pour accompagner ces acteurs dans l’optimisation de leur modèle commercial. Là, on était plus sur du B2B, en comparaison avec les produits de santé grand public qui sont plus du B2C. On a commencé par tout ce qui est sales and marketing. On s’est vraiment fait une crédibilité et un nom dans l’industrie sur cette expertise-là, également sur notre expertise data gouvernance. On a vraiment accompagné ces acteurs qui ont un patrimoine de données très riche et très siloté dans la mise en qualité de leur patrimoine de données et dans l’accessibilité de leur patrimoine de données. On a commencé par nos forces, et ensuite, toutes ces expériences nous ont permis de gagner en maturité sur les processus métiers liés à l’industrie pharmaceutique. Tout ce qui est connaissance de leurs données en transverse nous a permis aussi de nous développer sur d’autres parties de la chaîne de valeur, notamment tout ce qui est R&D, par exemple, l’industrie Supply Chain, et ensuite toutes les fonctions support financières, etc. Aujourd’hui, on les accompagne de bout en bout dans leur transformation data sur l’intégralité de leur chaîne de valeur et sur le panel d’offres Artefact.

Caroline : Et toi, qu’est-ce qui te motive pour travailler dans cette industrie ?

Justine : Plusieurs choses. Déjà, c’est une industrie qui est porteuse de sens, et je pense que c’est très important à titre personnel et aussi pour Artefact. On voit que c’est une industrie qui nous permet d’attirer de nombreux talents chez Artefact et aussi d’en retenir, parce que les gens sont contents de travailler pour l’industrie de la santé. On travaille parfois pour améliorer la recherche sur les maladies rares, pour réduire la pénurie de médicaments, donc je pense qu’il y a des enjeux associés qui sont importants et qui, pour moi, sont clés. C’est très important. C’est une industrie qui est en croissance aussi, qui se porte relativement bien aujourd’hui à l’échelle globale. Il y a beaucoup de traction et de projets très intéressants à mener. Ensuite, c’est une industrie qui produit énormément de données. Par exemple, un hôpital génère l’équivalent de 116 millions de photos par jour, en volume de données. C’est colossal, et pour nous, qui traitons de la donnée chez Artefact, c’est notre métier. Ça représente énormément d’opportunités, de projets, de choses à faire, dans des domaines aussi variés que la R&D, la recherche, l’appareil industriel. Tout ce qui est optimisation de la Supply Chain et de l’appareil industriel, c’est encore plus de projets à développer. Bien sûr, l’optimisation des ventes. C’est très riche d’un point de vue scope de projet qui peut être réalisé au sein de cette industrie-là, donc c’est très motivant. Aujourd’hui, l’industrie de la santé pour Artefact, c’est environ 12 % de nos activités et ça a vocation à croître de manière massive dans les années à venir.

Caroline : Comme tu disais, il y a un grand panel d’interventions que vous pouvez réaliser sur différents sujets. Mais tu dirais que les défis les plus présents face aux nouvelles technologies d’intelligence artificielle, c’est quoi aujourd’hui pour la santé ?

Justine : Il y a un gros sujet sur tout l’aspect recherche et développement. Globalement, aujourd’hui, ce sont des cycles très longs. Mettre un médicament sur le marché prend environ 15 ans. On parle là de durées très importantes. Ça coûte énormément d’argent, plusieurs milliards d’euros, pour les laboratoires pharmaceutiques de développer un nouveau médicament. Il y a un enjeu à réduire ces cycles-là, et tous les laboratoires pharmaceutiques cherchent à voir comment utiliser les nouvelles technologies pour réduire ces cycles. Chez Artefact, on accompagne nos clients dans cette entreprise en essayant d’identifier où, sur cette chaîne de R&D, l’IA peut avoir de la valeur pour réduire ces cycles. Par exemple, la recherche d’un nouveau médicament, c’est la découverte d’une molécule qui représente le médicament et d’une cible, c’est-à-dire un endroit dans le corps humain où cette molécule va s’accrocher. Par exemple, tout ce travail prend du temps, c’est tout le processus de recherche, et il y a un enjeu à découvrir quelles sont les bonnes cibles auxquelles les molécules vont pouvoir s’accrocher et s’assurer que ces cibles sont sécurisées. On parle de Target Assessment et Safety Assessment, s’assurer qu’on peut de manière fiable et sécurisée travailler sur cette cible-là. Nous, par exemple, on accompagne les chercheurs dans ce processus de Target Safety Assessment. Traditionnellement, ils se basent sur toute la littérature scientifique à disposition, avec un gros travail de revue scientifique, de lecture de documents pour essayer d’identifier si, par le passé, il y a eu des effets secondaires ou des effets identifiés à interagir avec cette cible-là. Nous, ce qu’on fait, c’est qu’on simplifie tout ce travail de recherche documentaire. On a créé un assistant qu’on met dans les mains des chercheurs, qui leur permet de screener une base de données comprenant plus de 7 millions d’articles scientifiques et qui en retire les informations intéressantes sur la cible en cours d’analyse. Cela simplifie énormément ce processus, et on gagne plus de 30 % d’efficacité sur ce processus de Target Safety Assessment pour les chercheurs. C’est un exemple assez parlant et intéressant. Un autre sujet aussi, là on était sur l’aspect recherche, sur l’aspect clinique : une fois qu’on a trouvé un médicament qu’on veut potentiellement tester, il faut le tester d’abord sur des animaux, puis sur des humains. Ces processus d’essais cliniques sont extrêmement encadrés aujourd’hui par un volume de processus réglementaires conséquent à mettre en œuvre, ce qui est d’ailleurs normal. Il y a beaucoup de rapports à rédiger, et nous, on aide aussi car ces rapports sont chronophages à rédiger manuellement et souvent structurés de la même manière. Nous aidons sur ce processus de ce qu’on appelle le Medical Writing, la rédaction médicale de ces rapports-là pour essayer, via l’IA générative, de les générer automatiquement. Pour ceux qui travaillent dans l’industrie, on parle des rapports d’essais cliniques, de la brochure d’investigation, etc. Là, c’est pareil, c’est un assistant qui permet de screener toute la base documentaire et de générer de manière automatisée ces rapports, leur structure et leur contenu. Cela permet de gagner énormément de temps : environ 50 % du temps dédié à la rédaction de ces rapports peut être aujourd’hui optimisé via l’IA. Je vous ai donné deux exemples sur le sujet R&D, emblématiques de ce qu’on peut faire aujourd’hui pour travailler avec nos clients sur cet enjeu majeur qu’est la réduction de ces cycles de recherche et développement.

Caroline : Ce sont les enjeux pour la partie R&D. Est-ce qu’il y a d’autres domaines qui font l’objet de défis dans la santé ?

Justine : Oui, par exemple, vous y avez certainement été confronté, mais les pénuries de médicaments touchent une grande partie des citoyens français et même à l’international. On a eu le cas avec la bronchiolite l’année dernière pour les bébés, avec l’insuline qui est souvent sujette à pénurie. Là aussi, l’IA et la data peuvent aider de manière structurante les laboratoires pharmaceutiques dans la gestion de leurs stocks et éviter ce problème autour des ruptures de stock. Bien sûr, il y a d’autres raisons pour les pénuries qui ne sont pas uniquement liées à la Supply Chain, mais c’est une des causes. On peut travailler principalement sur ce levier-là. Il y a un enjeu de visibilité sur les stocks. On s’est rendu compte que l’industrie pharmaceutique génère énormément de données mais ne sait pas forcément la gouverner ou la maîtriser. Ils n’ont pas forcément de visibilité sur cette donnée aujourd’hui. Par exemple, on accompagne plusieurs clients qui ont des entrepôts partout dans le monde et qui ont du mal à traquer leur stock, leur mouvement de stock, et qui ont une difficulté à visualiser leur stock à un instant donné dans un entrepôt. Déjà, la data peut aider à ça, tout simplement arriver à visualiser le niveau de stock pour un produit à un instant donné et être en meilleure maîtrise de ce niveau de stock. Par exemple, pour un acteur qu’on accompagne, on a construit une data platform Supply Chain dont l’objectif était de collecter l’intégralité des données de stock, qui était collectée par différents ERP. Malheureusement, ça serait trop simple s’il y avait un seul outil centralisant toutes ces données ; souvent, il y a de multiples outils utilisés, notamment un outil par site de production. On collecte toutes ces données et l’objectif était pour un produit donné de visualiser les stocks sur toute la chaîne de bout en bout. Cela permettait de savoir à quel moment pour un produit donné on était en train de rentrer dans un volume de stock critique. En dessous d’un certain seuil, on sait qu’on se met à risque sur l’approvisionnement pour un produit donné et on peut potentiellement rectifier le tir. On travaille vraiment sur ces sujets. Là, je parle d’abord de visibilité, mais après il y a un autre sujet, on peut aller plus loin sur la prévision de la demande, qui est un autre cas d’usage d’intelligence artificielle assez clé et majeur pour tout ce travail autour du management des stocks. C’est intéressant d’un point de vue conseil, car ça concerne de nombreux acteurs : l’industrie, les ventes, la finance. On travaille vraiment à essayer d’aligner ces différentes visions pour construire un outil de planification de la demande qui soit fiable et robuste. Ça, c’est sur le sujet Supply Chain et rupture. Dans le domaine industriel, il y a énormément de choses à faire, mais aussi dans d’autres secteurs, en plus sur le volet production. Comment peut-on équiper les usines de production de médicaments de capteurs pour collecter de la donnée en provenance des machines qui produisent les médicaments et arriver, par exemple, à faire de la maintenance prédictive pour anticiper des problématiques sur la chaîne de production ? Ce sont aussi des use cases passionnants qu’on met en œuvre.

Caroline : Quels obstacles rencontrez-vous dans ce secteur ?

Justine : Les principaux obstacles aujourd’hui, et je pense qu’ils sont similaires à d’autres secteurs et industries. Déjà, il y a le sujet de la qualité de données, de la collecte de données, et de la structuration du patrimoine de données. Comme je l’ai évoqué, ce sont des systèmes souvent très vieux, surtout dans les domaines R&D, donc les transformations prennent énormément de temps. Ce ne sont pas les mêmes roadmaps que les projets IA, donc on a une désynchronisation entre les transformations HA et IA. On a besoin de travailler sur la collecte et la mise en qualité de ce patrimoine de données, souvent éparpillé et siloté. C’est un vrai challenge et enjeu auquel on fait face chez tous nos clients, c’est complexe et majeur. Le deuxième enjeu que je vois, c’est la culture. Ça fait partie de notre métier chez Artefact d’accompagner la transformation des processus métiers et la transformation des mentalités autour de ces sujets. On est sur des industries qui ont entamé leur transformation plus tard que d’autres et qui ne sont pas encore toutes dotées de talents data IA, avec des compétences data, digital, etc. Il y a un enjeu de changement culturel pour mettre en place des nouvelles manières de travailler, de manière plus transverse et en collaboration avec les métiers. C’est aussi une transformation du métier en tant que tel, qui est nouveau sur ce sujet-là. Le sujet de formation est un enjeu majeur ; certains laboratoires pharmaceutiques ont pris le tournant, mais ce n’est pas le cas de l’ensemble. Le dernier enjeu que je vois, c’est le partage de données. On a beaucoup parlé de l’industrie pharmaceutique ; je pense qu’il y a un enjeu fort de collaboration de l’écosystème au global, notamment avec les acteurs publics, les hôpitaux, les institutions publiques. Il y a un enjeu de voir comment, tout en respectant la confidentialité des données du patient, on peut partager ces données au bénéfice de la recherche publique. Il y a plein de technologies. La réponse n’est pas uniquement technologique, elle passe aussi par la collaboration, par du processus métier entre ces différentes entités, mais il faut aussi que la technologie suive pour permettre à ces acteurs de partager leurs données en toute confidentialité. Des technologies intéressantes apparaissent comme les clean rooms, qui permettent à chaque acteur de partager leurs données, de travailler sur des bases de données communes tout en préservant la confidentialité des patients et la propriété des données. Chaque acteur reste propriétaire de sa donnée et peut tracer l’intégralité des actions faites sur la donnée par les différents acteurs. On voit de plus en plus de consortiums apparaître, c’est positif. Vous avez le Health Data Hub, qui a vocation à se positionner comme un acteur faisant le lien entre la Sécurité Sociale et les données d’autres acteurs de l’industrie, mais pas que, d’autres consortiums se créent pour déciloter cette donnée. C’est un des enjeux majeurs que je perçois.

Caroline : On a beaucoup parlé d’éthique de l’intelligence artificielle dans ce podcast. J’imagine que dans le secteur de la santé, vous êtes particulièrement confronté à ce sujet. Comment ça se traduit ?

Justine : Ça se traduit sur plusieurs volets. Le premier sujet, c’est l’infrastructure, la confidentialité des données. Nous travaillons souvent sur des infrastructures certifiées pour être en capacité d’accueillir et héberger des données de santé, appelées infrastructures HDS. Ce sont des infrastructures dédiées qui peuvent accueillir ces données-là. Ça se matérialise principalement sur le volet infrastructure. Ensuite, l’anonymisation et pseudonymisation des données. Nous travaillons aujourd’hui exclusivement, en tout cas quand on traite de la donnée patient, sur des données anonymisées ou pseudonymisées. Il y a de plus en plus d’acteurs qui se positionnent sur ces sujets, des start-ups par exemple, pour générer de la donnée synthétique et éviter de travailler sur les données des patients. Par exemple, la technologie Octopize permet de générer de la fausse donnée patient sur base de données existantes pour préserver la confidentialité et travailler sur l’éthique que vous évoquez. Ensuite, pour les génératives, il y a toujours un contrôle humain dans la boucle, et c’est très important. On ne parle pas d’IA générative pour remplacer le professionnel de santé ou un maillon essentiel de la chaîne, c’est toujours en complément de l’humain. C’est une augmentation de l’humain, pas un remplacement. L’industrie est très alignée sur ce point. Sur les sujets éthiques, la data et l’IA peuvent aider l’industrie. Par exemple, on parle beaucoup de bras de contrôle synthétique. Je ne sais pas si vous en avez entendu parler, mais quand on met en place un essai clinique, on teste un médicament sur une population malade. Par exemple, pour le cancer, on teste un nouveau traitement. Si on prend le cancer, on va tester un nouveau traitement qui a vocation à ouvrir le champ de la guérison. On donne aujourd’hui des placebos à des gens actuellement malades. C’est un use case qui existe dans toutes les industries. Car l’accès, c’est très difficile de relier les données de vente, les prescriptions fournies par des tiers aux données d’activité marketing. Ce lien est impossible à faire, d’où l’importance de ces projets pour donner des recommandations aux équipes marketing sur comment faire leurs actions. Comme les délégués médicaux qui visitent les professionnels de santé, les pharmacies pour promouvoir les médicaments des laboratoires. Un gros investissement est fait sur ces sujets. Mais aujourd’hui, les enjeux des laboratoires pharmaceutiques, c’est l’efficacité opérationnelle. Ils cherchent à mettre sur le marché de nouveaux médicaments, de nouvelles indications, sans ajouter des visiteurs médicaux. Pour certains produits, on est à saturation sur ce canal qui est les forces de vente physique. On aurait beau rajouter des visiteurs médicaux, ça n’apporterait pas plus de ventes. Par contre, on est en sous-investissement sur le digital, on peut investir massivement pour arriver à saturation. Tout investissement incrémental dans le digital pourrait apporter des ventes incrémentales. Les forces terrain visitent les médecins, mais ne parlent pas des produits, parlent des molécules, de l’expertise scientifique, de leur expérience scientifique. On a un enjeu à mesurer l’impact de ces forces médicales, les Medical Science Liaisons (MSL), pas sur les ventes car c’est interdit pour des raisons de compliance, mais sur d’autres indicateurs comme l’image qu’ils ont reçue des équipes marketing, les congrès auxquels ils ont pu assister. Aujourd’hui, ces équipes travaillent en silo. Comment faire pour les faire travailler ensemble, avoir une vue 360 des interactions du médecin avec le laboratoire et leur pousser des recommandations de contenu pour une visite médicale donnée ? Il y a des médecins plus sensibles à certains messages. Intégrer cela dans les outils des visiteurs médicaux permet de les accompagner dans cet exercice au cours de leur visite médicale. Ce sont deux grands use cases dans le domaine marketing, il y en a d’autres, mais ce sont deux majeurs qu’on rencontre souvent.

Caroline : Comment vois-tu ton secteur évoluer dans les prochaines années ?

Justine : Pour Artefact et nos enjeux, je pense qu’il y a des gros sujets sur la démocratisation de l’accès aux soins. Comment accompagner le personnel soignant et faciliter leurs conditions de travail ? Il y a beaucoup de choses à faire avec la data et l’IA dans ce segment de marché. C’est aussi une volonté de notre part de s’en rapprocher. On a investi beaucoup cette année sur le secteur public, c’est très important pour nous. Un travail sur le long terme, c’est le développement de cette expertise métier. Chez Artefact, on a des talents data IA à l’origine, des ingénieurs, des consultants, tous spécialisés sur ces sujets. C’est notre valeur, le fait qu’on est un pur player de la data et de l’IA. Pour apporter de la valeur à nos clients, on a dû aussi monter en compétence et mettre en valeur cette équipe qui a fait beaucoup de travail pour arriver à ce niveau de connaissance.

Caroline : Pour conclure, Justine, aurais-tu une recommandation à nous partager ? Un livre, une émission, un article pour approfondir le sujet IA et santé ?

Justine : Pour rebondir sur ce que je viens de dire sur la montée en compétence sur les sujets métiers, il y a un livre qu’on aime beaucoup avec mes équipes, c’est « The Creativity Code: How AI is learning to write, paint and think » de Marcus du Sautoy, qui résume bien ce qui se passe dans l’industrie. Aussi, le site Fierce Pharma va un peu plus loin sur les sujets d’actualité de l’industrie à l’échelle globale, mais permet aussi d’avoir une bonne vision.

Caroline : Justine, merci beaucoup.

Justine : Merci à vous.

Caroline : J’espère que cet épisode vous a plu. On se retrouve très vite pour un nouvel épisode de The Bridge.