Données de vie réelle et IA : comment les sciences de la vie réduisent les délais d’étude de 60 %
Par Pam (Workers Delos editorial) — 2026-10-04
Comment l’IA transforme les données de vie réelle fragmentées en preuves utiles au développement des médicaments, à la sécurité et à l’accès au marché.
Pourquoi les donnees de vie reelle sont devenues une priorite strategique
Les preuves de vie reelle (real-world evidence, RWE) sont des preuves cliniques sur l'usage et les benefices d'un produit de sante issues de donnees de vie reelle (real-world data) : dossiers medicaux electroniques, donnees de remboursement, registres, objets connectes et resultats rapportes par les patients. Les essais randomises controles restent la reference pour l'efficacite, mais ils repondent a une question etroite dans une population controlee. La RWE revele ce qui se passe quand un traitement rencontre la realite complexe de la pratique quotidienne.
Le programme Real-World Evidence de la FDA, lance dans le cadre du 21st Century Cures Act, et le recours croissant de l'EMA aux etudes sur registres ont fait passer la RWE du statut d'option a celui de source de preuves reglementee et exploitable pour la decision. Le marche mondial de la RWE devrait passer d'environ 1,5 milliard USD en 2023 a plus de 4 milliards USD d'ici 2030 (Grand View Research), soit une croissance annuelle superieure a 15%.
Le goulot d'etranglement : des donnees massives, complexes et non structurees
La promesse de la RWE se heurte a un probleme operationnel majeur. On estime que 80% des donnees de sante sont non structurees : notes de medecins, comptes rendus d'hospitalisation, rapports d'imagerie, documents scannes. Les etudes RWE classiques consacrent l'essentiel de leur budget a la preparation des donnees, pas a l'analyse. Harmoniser une seule base de remboursement vers un modele de donnees commun (comme OMOP) peut prendre des mois a une equipe specialisee. Coder les evenements indesirables dans MedDRA, dedupliquer les dossiers patients et reconcilier des terminologies incoherentes sont des taches lentes, manuelles et sources d'erreurs. C'est precisement la que l'IA change l'equation economique.
La ou l'IA apporte une valeur mesurable
1. Transformer des notes non structurees en variables exploitables
Les grands modeles de langage et le NLP clinique extraient diagnostics, medicaments, posologies, resultats de laboratoire et criteres d'evaluation a partir de texte libre, et les associent a des vocabulaires standard (CIM-10, SNOMED CT, RxNorm, MedDRA). Ce qui prenait des semaines a une equipe d'analystes s'execute desormais en quelques heures, un relecteur humain validant les cas limites. Des etudes publiees dans npj Digital Medicine rapportent une precision d'extraction du NLP clinique superieure a 90% pour des entites bien definies.
2. Constituer des cohortes plus vite et a moindre cout
Le phenotypage assiste par IA permet de definir une cohorte de patients en langage naturel et d'iterer en quelques minutes plutot qu'en semaines. Flatiron Health et IQVIA ont tous deux rapporte des evaluations de faisabilite ramenees de plusieurs mois a quelques jours grace a des jeux de donnees prepares par IA.
3. Detection continue des signaux de securite
Au lieu d'une revue manuelle periodique, l'apprentissage automatique analyse en continu les donnees de vie reelle entrantes pour faire emerger plus tot les signaux de securite potentiels. Cela raccourcit le delai entre l'apparition d'un signal dans la pratique et une action reglementaire ou sur l'etiquetage.
Cas d'usage concrets en entreprise
Acces au marche et HEOR
Les payeurs exigent de plus en plus des resultats de vie reelle avant tout remboursement. Les dossiers RWE construits par IA permettent aux equipes HEOR (economie de la sante et evaluation des resultats) de demontrer plus vite l'efficacite comparative et l'impact budgetaire, renforcant les negociations.
Extension d'indication et engagements post-commercialisation
La RWE appuie de nouvelles indications et satisfait les exigences d'etudes post-approbation sans toujours lancer un nouvel essai. La FDA a deja accepte la RWE dans plusieurs approbations complementaires.
Pharmacovigilance a grande echelle
L'intake automatise des evenements indesirables depuis les emails, les transcriptions d'appels et les portails, combine au codage automatique MedDRA, reduit le cout de traitement des cas tout en preservant la conformite ICH E2B. Voir notre guide sur la pharmacovigilance augmentee par l'IA.
Gouvernance : des preuves que les regulateurs accepteront
La vitesse ne vaut rien si la preuve n'est pas fiable. Une RWE exploitable pour la decision exige une tracabilite transparente des donnees, des algorithmes valides, des pipelines reproductibles et une piste d'audit claire. Les recommandations de la FDA sur RWD/RWE et le cadre de qualite des donnees de l'EMA insistent tous deux sur l'adequation a l'usage : les donnees et methodes doivent correspondre a la question reglementaire. Les pipelines d'IA doivent donc journaliser chaque transformation, garder l'humain dans la boucle pour le jugement clinique et documenter la validation des modeles. La gouvernance n'est pas un frein a la RWE par IA, c'est la condition qui la rend utilisable.
Demarrer sans vouloir tout faire d'un coup
Les equipes qui reussissent commencent de facon ciblee : une aire therapeutique, une question bien definie, une source de donnees preparee. Elles associent le NLP clinique a une relecture humaine, mesurent la precision d'extraction par rapport a un echantillon de reference, et ne passent a l'echelle qu'ensuite. L'objectif n'est pas de remplacer les epidemiologistes et les relecteurs medicaux, mais de supprimer les mois de preparation manuelle qui separent les donnees de vie reelle des decisions de vie reelle.
La RWE devient le tissu conjonctif entre developpement clinique, strategie reglementaire et acces commercial. L'IA est ce qui la rend assez rapide et abordable pour etre utilisee partout. Les AI Workers de Delos aident les equipes des sciences de la vie a automatiser la preparation, l'extraction et la surveillance des donnees qu'exige la RWE, pour que les experts consacrent leur temps au jugement, pas au nettoyage de donnees.