Les données de sécurité n'ont jamais été un coût. L'IA vient de le prouver.

Comment la pharmacovigilance, centre de coût traditionnel de l'industrie, devient son moteur de revenus

Les données de sécurité ont toujours été plus qu'une simple paperasserie

Pendant la majeure partie de la vie professionnelle des scientifiques en pharmacovigilance, la sécurité des médicaments a été traitée comme de la paperasse. Les signalements d'effets indésirables arrivent, sont lus, codés, classés et envoyés aux autorités dans les délais. La réussite ressemble à l'absence d'événements. Un département dont la meilleure année est identique à la pire est un service dans lequel personne n'investit.

Cela a toujours été une erreur. Les données de sécurité sont le seul enregistrement qui continue de s'accroître sur ce qu'un médicament fait chez des personnes ordinaires, y compris les femmes enceintes, les personnes âgées et les très malades, qui sont écartées des essais. C'est la plus grande base de preuves de l'industrie, et nous l'avons stockée plutôt que lue.

Des accidents heureux à une méthode reproductible

Regardez ce qui en est sorti par accident. Le minoxidil était un médicament contre l'hypertension jusqu'à ce que des patients voient pousser des cheveux. Le sildénafil a déçu comme médicament cardiaque et étonné ailleurs. Chaque découverte dépendait d'un médecin attentif qui remarquait quelque chose d'inhabituel. La chance ne se prête pas à l'échelle.

Ce n'est plus nécessaire. La méthode est simple. Prenez les dossiers de personnes qui ont déjà pris le médicament, et écrivez les règles d'une comparaison juste avant de regarder la réponse : qui compte, contre qui ils sont comparés, et ce qui prouverait que c'est faux.

Fait honnêtement, cela se comporte comme un essai que personne n'a eu à mener. Dans les dossiers de plus d'un million de patients, les personnes prenant semaglutide se voyaient moins souvent diagnostiquer la maladie d'Alzheimer, et les patients sous médicaments similaires étaient moins souvent hospitalisés pour des problèmes liés à l'alcool. Ces deux constatations proviennent de données collectées pour la sécurité.

Redessiner les produits et obtenir des autorisations

Les mêmes données redessinent les produits. La limite américaine de 325 mg de paracétamol dans les analgésiques sur ordonnance existe parce que les signalements de lésions hépatiques se sont accumulés jusqu'à ce que le comprimé doive changer. OxyContin a été reformulé pour résister à l'écrasement parce que la surveillance a montré comment il était détourné. Les signalements d'effets indésirables sont devenus des instructions d'ingénierie.

Elles peuvent valoir des autorisations. En 2019, le palbociclib a été approuvé pour les hommes atteints d'un cancer du sein dans des services hospitaliers ordinaires, parce qu'il n'y aurait jamais assez de ces hommes pour un essai. En 2021, le tacrolimus a été approuvé pour les patients ayant reçu une transplantation pulmonaire dans un registre, la FDA indiquant qu'une étude bien conçue sur de vrais patients contre un comparateur équitable peut compter comme une preuve valable.

Les preuves existent déjà. Nous ne les utilisons tout simplement pas.

Voici à quoi cela ressemble ensuite. Une femme de trente-deux ans demande si son médicament est sûr pendant la grossesse et on lui répond que les données sont limitées, alors que des milliers de femmes l'ont déjà pris en grossesse, et leurs résultats sont dans des dossiers que personne n'a assemblés. Un homme de quatre-vingt-deux ans prend huit médicaments en une combinaison qu'aucun essai n'a jamais testée, et l'interaction qui l'hospitalisera au printemps prochain est déjà visible chez des personnes comme lui. Un enfant a une maladie touchant quatre cents personnes dans le monde, donc aucun essai ne peut être assez grand, et leur expérience est la seule preuve qui existera.

Les régulateurs bougent les premiers — et trébuchent

Rien de tout cela n'était pratique jusqu'à ce que les machines apprennent à lire la phrase désordonnée qu'une infirmière a tapée à minuit, pas seulement le code soigné qui lui est attribué, là où le détail s'était toujours caché. Trois groupes sont arrivés en même temps, voulant des choses différentes.

Les régulateurs ont bougé les premiers, et plus loin que l'industrie ne l'a remarqué. L'agence européenne des médicaments dit que l'IA peut être utilisée pour traiter les signalements d'effets indésirables et chercher des signaux précoces, à condition qu'un humain reste en charge et que la société soit tenue responsable des résultats. En juin 2025, la FDA a placé sa propre IA, Elsa, sur les bureaux du personnel à travers l'agence, et parmi ses tâches listées figure la synthèse des effets secondaires pour les revues de sécurité. Lisez cela deux fois. Le régulateur lit maintenant à la vitesse des machines, et chaque entreprise devrait supposer que ses dossiers sont lus de cette manière. Plus discrètement, les régulateurs ont aussi construit les groupes de comparaison dont l'idée dépend : la surveillance américaine couvrant plus de cent millions de personnes, la européenne, environ cent trente millions.

Puis lisez la suite. Quelques semaines plus tard, des membres du personnel de la FDA ont déclaré à CNN qu'Elsa avait cité avec assurance des études qui n'existaient pas. Ce n'est pas un argument contre l'outil. C'est l'argument en faveur de la règle sur laquelle cet article se termine.

Les régulateurs ne sont pas les seuls à déployer l'IA en pharmacovigilance, voyez les outils spécifiques qui automatisent déjà les workflows de détection et de reporting.

→ Lire : 7 outils d'IA révolutionnant les workflows de pharmacovigilance

Pourquoi Big Tech et Big Pharma sont tous deux impliqués

L'intérêt des grandes entreprises technologiques est plus simple qu'il n'y paraît. NVIDIA a construit avec Lilly le superordinateur le plus puissant que possède une entreprise pharmaceutique, qualifié par son responsable santé de « the new instrument of science. » OpenAI est entré avec Sanofi. Anthropic a publié une version de Claude pour les sciences de la vie. Aucun d'eux ne souhaite vendre des médicaments. Ils veulent le corpus, parce que la médecine est le plus grand ensemble d'écrits non lus restant sur terre.

La grande pharma paie parce que l'arithmétique est impitoyable. Un essai coûte des centaines de millions et prend des années, tandis que les données de sécurité sont déjà possédées, déjà en croissance et déjà payées. Novo Nordisk rédige désormais les rapports réglementaires qui prenaient autrefois dix semaines en environ dix minutes.

La seule règle qui la soutient

Une règle la soutient, et Elsa en est la raison. Toute machine entrant dans un système de sécurité doit répondre à la question que nous posons à un nouveau collègue : « Montre-moi d'où tu tiens cela. Indique la phrase. Nomme la source. » Une personne signe toujours et en répond. Notre travail est de faire en sorte que ce qu'elle signe vaille bien plus qu'avant.