● Journal du Net 📅 07/05/2026 à 11:12

Data Science 👤 Sebastian Wurst

🏷️ Tags : rag rust

Dans l'industrie biopharmaceutique, 9 projets d'IA sur 10 échouent faute de données fiables. Un socle harmonisé à l'échelle mondiale est la clé pour transformer les sceptiques en ambassadeurs. Depuis des années, l'industrie biopharmaceutique accumule d'immenses volumes de données. Aujourd'hui, alors que le secteur s'engage vers un avenir piloté par l'IA, ces données doivent devenir un véritable actif stratégique. Une étude montre que si 95 % des entreprises biopharmaceutiques poursuivent activement des initiatives d'IA dans le marketing et les ventes, 89 % échouent à industrialiser plus de la moitié de leurs projets pilotes. Ce manque de résultats découle souvent d'un déficit de maturité : 67 % des dirigeants abandonnent leurs projets d'IA en raison d'une qualité de données insuffisante. Des données propres et fiables constituent le socle de toute initiative d'IA, et 73 % des dirigeants affirment que la mauvaise qualité des données représente le principal obstacle à leur industrialisation. Or, la stratégie de la plupart des entreprises repose sur des tentatives d'harmonisation de sources cloisonnées — une approche insoutenable face à la croissance continue des volumes. Les data scientists avec lesquels j'ai échangé estiment consacrer jusqu'à 80 % de leur temps à préparer et nettoyer les données pour les rendre exploitables. Pour que l'IA passe du stade de pilotes avortés à celui de création de valeur, nous devons changer de paradigme : passer d'une gestion fragmentée à un socle de données harmonisé à l'échelle mondiale, assorti d'une gouvernance proactive. La mauvaise qualité des données reste le principal frein à l'industrialisation de l'IA La dépendance du secteur à des données imparfaites et fragmentées a engendré un scepticisme croissant : 96 % des dirigeants estiment que leurs données ne sont pas prêtes pour l'IA. L'impact est visible sur le terrain : 72 % des entreprises prévoient d'utiliser l'IA pour synthétiser les mises à jour sur les professionnels de santé en vue de la préparation des visites, mais l'adoption reste en retrait. Les équipes terrain rejettent les recommandations de l'IA parce qu'elles ne font pas confiance aux données sous-jacentes. Lorsqu'un modèle de "next-best-action" suggère une action basée sur un changement d'affiliation datant de trois mois, le délégué ne se contente pas d'ignorer la suggestion : il perd confiance dans l'ensemble de la plateforme. Erika Husing, analyste métier en opérations commerciales chez GSK, résume : "Si nous ne faisons pas confiance aux données, comment pouvons-nous en tirer des conclusions ? Il est essentiel que nous passions du scepticisme actuel envers les données à une véritable promotion de la donnée." Le coût réel de la gouvernance manuelle des données L'autre gouffre en termes de ressources provient des innombrables heures consacrées à mapper manuellement les spécialités locales et les typologies de professionnels de santé selon des standards mondiaux — une charge administrative considérable à chaque ouverture de marché. Dans une entreprise du top 20 biopharmaceutique, les data scientists demandent aux équipes terrain de passer en revue les données de segmentation client tous les six mois, les éloignant de leur mission première. Plus frustrant encore : cette entreprise estime que seuls 10 % de ses données sont suffisamment propres pour être utilisées, et que seulement 1 % sont effectivement exploitées. Face à la croissance des volumes, les entreprises ne peuvent plus se permettre de résoudre ces problèmes au niveau local. Un socle de données harmonisé à l'échelle mondiale pour permettre l'IA à grande échelle La gestion des données est intrinsèquement complexe, les filiales locales maintenant leurs données différemment pour répondre aux réglementations régionales. Il en résulte un système fragmenté rendant les analyses transnationales et l'IA particulièrement difficiles. Avant de mettre en place un modèle de données global, Bayer AG faisait face à des définitions incohérentes et à l'absence d'une vision client unique. "Notre paysage data mondial était fragmenté — différents pays s'appuyaient sur différentes sources", explique Stefan Schmidt, responsable des capacités digitales chez Bayer. "Pour avoir une vision complète, nous avions besoin d'un référentiel client unifié." Pour Bayer, ce socle centralisé a fourni une source unique de vérité et renforcé la confiance dans les insights générés par l'IA. Les équipes terrain sont désormais moins enclines à remettre en question le système et plus disposées à utiliser ses recommandations. Mais le véritable gain d'efficacité réside dans la source de données elle-même. En partant d'un meilleur socle, l'enjeu se déplace de la correction d'erreurs vers le maintien d'une excellence continue grâce à une curation agentique. Maintenir des données de haute intégrité grâce à une curation combinant expertise humaine et agents IA Pendant des décennies, le secteur s'est appuyé sur une gouvernance manuelle pour maintenir la qualité des données. Nous avons désormais l'opportunité d'élever des millions d'enregistrements à un nouveau niveau de qualité en combinant expertise humaine et curation agentique. Les agents IA prennent en charge des tâches répétitives — croisement de sources, détection de doublons — en examinant 100 % des enregistrements quotidiennement, avant qu'un data steward humain ne valide les résultats. Fonctionnant en continu, ils captent les changements immédiatement, souvent avant même qu'ils n'apparaissent dans les registres publics. Cette précision en temps réel permet des recommandations pertinentes et évite l'écueil fréquent d'informer les équipes terrain sur des événements qu'elles connaissent déjà. En transférant la charge de la curation à des agents autonomes, nous passons d'un modèle réactif — qui engendre le scepticisme — à un modèle proactif. La curation agentique combinée à une gouvernance humaine fournit les données vérifiées et fiables nécessaires pour industrialiser l'IA. On ne peut pas industrialiser ce en quoi l'on n'a pas confiance, et on ne peut pas faire confiance à ce que l'on n'a pas harmonisé. Un socle de données cohérent à l'échelle mondiale permet aux entreprises biopharmaceutiques de se concentrer sur l'exploitation des données plutôt que sur leur nettoyage. C'est ce recentrement qui transformera les plus grands sceptiques de l'IA en ambassadeurs convaincus.

🔗 Lire l'article original 👁️ 1 lecture