L’IA redéfinit les métiers pharmaceutiques et les fonctions d’insight à mesure que les entreprises renforcent leurs capacités internes

L’intelligence artificielle redéfinit le travail dans l’ensemble du secteur pharmaceutique, les entreprises ajoutant des fonctions liées à l’IA et constituant des équipes internes plutôt que de faire état de pertes d’emplois majeures. La découverte de médicaments est le principal domaine dans lequel les entreprises des sciences de la vie vont non seulement ajouter des fonctions liées à l’IA, mais aussi des emplois, tandis que les dirigeants de l’industrie pharmaceutique sont également poussés à passer d’une recherche ponctuelle et de données cloisonnées à une intelligence en continu.

Un récent sondage mené auprès de dirigeants du secteur a montré que les membres de la direction générale du secteur pharmaceutique ne pensent pas que l’IA entraînera d’importantes suppressions d’emplois. « Plutôt que de remplacer des emplois, l’IA crée de nouveaux rôles et renforce les rôles existants, faisant de la curiosité, de la créativité et de l’esprit critique des compétences essentielles pour l’avenir », selon une annonce de décembre relative à la deuxième édition annuelle d’un AI Festival. Un dirigeant du recrutement a indiqué que l’IA ne remplace pas nécessairement les emplois poste pour poste, mais qu’elle « réaffecte et redéfinit les types d’emplois qui émergent aujourd’hui ».

En réalité, l’IA a créé des emplois chez certains grands laboratoires pharmaceutiques. Une entreprise a déclaré qu’elle travaillait avec Nvidia pour construire à San Francisco une « usine d’IA pour la découverte de médicaments » ainsi qu’un laboratoire de co-innovation, ce qui créera de nouveaux postes scientifiques et techniques. Plus de la moitié des dirigeants de biotechnologie interrogés ont indiqué que les experts en IA figuraient parmi les trois principaux profils qu’ils doivent recruter dans les années à venir, et la recherche de talents en IA est particulièrement cruciale à mesure que les entreprises des sciences de la vie investissent dans davantage d’équipes d’IA internes et les développent.

La découverte de médicaments est le principal domaine dans lequel les entreprises des sciences de la vie vont non seulement ajouter des fonctions liées à l’IA, mais aussi des emplois. L’IA permet aux entreprises de découvrir des thérapies et des médicaments pour une fraction du coût antérieur, et avec une fraction des ressources, créant une demande pour des talents en ingénierie de l’IA et du machine learning dans la découverte. Les postes en analytique commerciale sont également très demandés, avec un besoin de professionnels capables d’analyser les données commerciales et les données probantes issues du monde réel. Les postes et départements qui influent directement sur la rapidité d’accès au marché et le succès réglementaire devraient rester très recherchés.

Les intitulés de poste dans le secteur pharmaceutique sont eux aussi remodelés par l’IA, créant des rôles hybrides qui fusionnent plusieurs fonctions et compétences, comme l’analytique commerciale et l’accès au marché. Les entreprises recherchent davantage des profils dotés de compétences transversales qu’un expert technique dans un seul domaine. Un exemple décrit une entreprise qui a regroupé des départements après avoir ajouté des capacités d’IA, obligeant les salariés à travailler de manière plus transversale, sans qu’aucun employé ne soit déplacé.

La volonté d’adopter l’IA modifie également la manière dont l’industrie pharmaceutique génère des insights commerciaux. Malgré de lourds investissements dans les données, la recherche et le développement de contenus, les résultats continuent de décevoir : 77 % des contenus pharmaceutiques n’atteignent jamais leur public cible, la moitié des lancements ne répondent pas aux attentes, et un sur quatre génère moins de la moitié des résultats prévus. La plupart des fonctions d’insight au sein des groupes pharmaceutiques mondiaux restent encore organisées pour un monde plus lent et plus prévisible, où les plans sont définis annuellement, où les données restent cloisonnées et où les études de marché sont menées par à-coups.

Au cours des 18 derniers mois, la catégorie des GLP-1 a montré à quelle vitesse les dynamiques concurrentielles peuvent évoluer. Des analyses publiées de données de prescriptions américaines ont montré qu’Eli Lilly dépassait Novo Nordisk dans des segments clés en quelques mois, et le lancement des GLP-1 oraux redessine déjà de nouveau cette catégorie. Dans cet environnement, un insight fourni sur une base trimestrielle, voire mensuelle, est déjà obsolète.

Un exemple récent en immunologie a mis en évidence un changement inattendu de prescription des médecins dans les trois à quatre mois suivant l’entrée d’un concurrent. L’intelligence concurrentielle existante reposait fortement sur des données historiques de remboursement et des données syndiquées, ce qui signifie que l’impact n’est devenu visible qu’une fois que ce changement était déjà en cours. L’équipe est passée d’un reporting rétrospectif à un système continu de détection des menaces reliant les signaux issus des dynamiques d’accès, de l’activité concurrentielle et des interactions clients dans un flux d’intelligence unique, mettant en évidence des déclencheurs spécifiques plusieurs semaines avant qu’ils n’apparaissent dans les données de marché standard. La marque a réagi au moyen d’une série de sprints de six à huit semaines conçus pour tester, affiner et déployer des actions défensives ciblées, avec pour résultat une détection plus précoce, un alignement plus rapide et une intervention ciblée qui a stabilisé les tendances de changement.

Cette approche a été décrite comme une intelligence de précision, fonctionnant comme une boucle continue plutôt que comme un processus linéaire. Les données issues de sources telles que les demandes de remboursement, le CRM, les interactions clients, l’accompagnement des patients et le suivi de marque sont connectées de manière à révéler des évolutions précoces des comportements et des perceptions qu’un jeu de données unique ne permet pas de détecter. L’industrie pharmaceutique dépense plus que jamais pour les insights, les messages et l’activation, mais une planification linéaire, une recherche ponctuelle et des données déconnectées ne peuvent pas soutenir des marchés qui évoluent désormais à grande vitesse.