L'IA dans l'industrie pharmaceutique : usages, risques et réglementation

L'intelligence artificielle est déjà au travail dans les usines pharmaceutiques, mais rarement là où on l'imagine. Elle ne réinvente pas la molécule sur la ligne : elle lit des codes de sérialisation, relit des dossiers de lot, retrouve une déviation vieille de cinq ans et surveille la dérive d'une boucle d'eau pour préparations injectables. Partout, elle accélère un travail humain qui existait déjà, sans jamais porter la décision réglementée à la place de qui en répond.

C'est ce dernier point qui sépare le pharmaceutique de presque tous les autres secteurs. Ici, aucun outil ne se déploie sans validation, et aucune IA ne signe la libération d'un lot. Le cadre, bonnes pratiques de fabrication (BPF), Annexe 11, 21 CFR Part 11, intégrité des données, ne se contourne pas : il décide de ce qui est déployable avant même que la performance entre en jeu.

Le contrôle visuel du conditionnement et de la sérialisation

Sur les lignes de conditionnement, la vision par ordinateur contrôle ce que l'œil fatigue à surveiller à pleine cadence : présence et intégrité de la notice, lisibilité d'une impression, conformité d'un blister, présence du scellé d'inviolabilité, lecture des codes DataMatrix de sérialisation et d'agrégation exigés par la traçabilité. À chaque décision, une image est conservée, ce qui transforme un contrôle en preuve rejouable. C'est le même principe que celui décrit pour le contrôle qualité visuel par IA : la machine n'est pas plus intelligente qu'un bon opérateur, elle est simplement insensible à ce qui érode son attention.

Limite honnête : un modèle de vision se dérègle dès que le format, l'éclairage ou une nouvelle référence changent. Il exige un jeu d'images représentatif, un seuil de confiance qui renvoie l'ambigu à l'humain, et un suivi. Surtout, le modèle lui-même devient un composant à valider et à versionner, au même titre que le reste de la ligne.

La revue assistée des dossiers de lot

La libération d'un lot suppose de relire un dossier parfois épais : ordres de fabrication, contrôles en cours de process, résultats analytiques, écarts de séquence. Une IA peut préparer cette revue par exception : elle rapproche les données du MES et du LIMS du dossier papier, signale une signature manquante, une étape hors ordre, une valeur hors spécification, un blanc à combler. Le revieweur ne part plus d'une page vierge, il part d'une liste de points à trancher. Le cycle de libération se raccourcit sans que la vigilance baisse.

Limite honnête : l'IA signale, elle ne solde pas. Elle peut manquer un contexte qu'un pharmacien aurait vu, et produire de fausses alertes qui coûtent du temps. La responsabilité de la revue et de la libération reste entière et humaine, exactement comme le rappelle la frontière entre préparer et décider. L'IA réduit le volume des vérifications routinières, pas la charge de la décision.

L'intelligence documentaire sur les déviations, les CAPA et les archives

Un site pharmaceutique accumule des années de déviations, d'actions correctives et préventives (CAPA), de réclamations et de contrôles de changement, souvent figés dans des PDF que personne ne relit. L'intelligence documentaire lit ces documents, en extrait le sens et les rend interrogeables : retrouver toutes les déviations liées à un équipement ou à un produit, repérer une cause qui revient, reconstituer l'historique d'un écart devient l'affaire de quelques secondes. C'est aussi ce qui fait gagner des jours quand il faut préparer un audit qualité sans courir après les preuves. Un logiciel comme Integrity Loop relève de cette famille : il lit et structure les rapports d'inspection et de production existants, déviations et dossiers de lot compris, pour les rendre exploitables, sans être un outil de maintenance prédictive.

Limite honnête : la recherche par le sens rapproche ce qui se ressemble, elle ne certifie pas la validité. Un document retrouvé peut être périmé ou couvrir une version antérieure d'une procédure. La qualité vérifie chaque pièce, et l'intégrité de l'archive source reste un préalable : une IA branchée sur des données douteuses restitue des réponses douteuses.

Le prédictif sur les utilités stériles

Loin des lignes, l'IA surveille les utilités qui conditionnent la stérilité : boucles d'eau purifiée et d'eau pour préparations injectables (EPPI), traitement d'air des salles blanches (pression différentielle, comptage particulaire, température et hygrométrie), stérilisateurs, air comprimé. En lisant les signaux de ces installations, un modèle signale une dérive avant qu'elle ne devienne une excursion, celle qui compromettrait un lot ou déclencherait une déviation de monitoring environnemental.

Limite honnête : le prédictif ne vaut que par la qualité des données historisées. Une prédiction est une alerte à instruire, jamais une action automatique sur une utilité critique BPF. Tout changement de paramètre reste soumis à la gestion des changements, et une alerte statistique ne remplace pas une limite d'alarme qualifiée.

Risques et réglementation : ce qui décide vraiment du déploiement

La difficulté de l'IA en pharmaceutique n'est pas l'algorithme, c'est de le prouver dans un cadre pensé pour les systèmes informatisés bien avant l'apprentissage automatique. Une fonction d'IA n'échappe à aucune de ces obligations : elle en hérite.

BPF, Annexe 11 et 21 CFR Part 11. L'Annexe 11 des BPF européennes encadre les systèmes informatisés utilisés en environnement GMP ; le 21 CFR Part 11 de la FDA encadre les enregistrements et signatures électroniques. Tous deux exigent des systèmes validés, une piste d'audit fiable, des accès maîtrisés et des enregistrements attribuables. Une brique d'IA qui produit ou transforme un enregistrement entre de plein droit dans ce périmètre.

Intégrité des données, ALCOA+. Une donnée doit rester Attribuable, Lisible, Contemporaine, Originale et Exacte, complétée par les critères Complète, Cohérente, Durable et Disponible. Une IA qui note, classe ou reformule une donnée doit préserver l'original et tracer quoi, qui et quand. Un score sans provenance ne se défend pas devant un inspecteur.

Validation des systèmes informatisés et GAMP 5. L'approche GAMP 5, fondée sur le risque, s'applique au modèle lui-même : ses données d'entraînement, sa version et ses évolutions doivent être documentées et figées. Un réentraînement est un changement à maîtriser, et l'on doit pouvoir rejouer une décision passée. Le modèle cesse d'être un simple fichier : il devient un artefact validé et versionné.

Explicabilité et effet « boîte noire ». Un modèle incapable de justifier sa sortie pose un problème de conformité avant même un problème technique. En environnement réglementé, on privilégie les dispositifs dont la décision peut être expliquée, tracée et auditée, quitte à renoncer à un modèle plus performant mais opaque.

Qui signe. Aucun de ces usages ne déplace la responsabilité. L'IA prépare, filtre, alerte et documente ; la libération, l'acceptation d'un écart et la signature restent portées par le pharmacien responsable. C'est le principe qui traverse tout usage sérieux de l'IA industrielle : elle prépare la décision, elle ne la prend pas.

Tableau récapitulatif

Tableau faisant défiler horizontalement sur petit écran.

Se faire accompagner sur le volet qualité et conformité

Le point qui fait échouer la plupart des projets n'est pas le modèle, c'est son intégration dans un système qualité : préparation de la donnée, validation, piste d'audit, réversibilité. C'est le métier d'Assets 4.0, le groupe d'ingénierie en IA industrielle qui édite ce blog, dont l'offre solutions d'IA qualité et conformité s'adresse précisément aux environnements réglementés. Le principe reste le même de bout en bout : cadrer un usage précis, le démontrer sur vos propres documents avec leurs défauts, et vérifier la validabilité avant de signer.

Que faut-il retenir

En pharmaceutique, l'IA gagne du temps là où le travail est répétitif et vérifiable : elle voit sans se lasser, relit sans se distraire, retrouve sans oublier, et surveille sans dormir. Sa valeur tient dans la constance et la trace, pas dans le jugement. Et parce que le secteur exige que tout soit validé, tracé et reproductible, le modèle devient lui-même un artefact réglementé. La ligne rouge ne bouge pas : l'IA prépare la décision du pharmacien responsable, elle ne libère jamais à sa place.