L’IA fait désormais partie du quotidien des sciences de la vie. Elle rédige un protocole d’essai en quelques minutes, repère tôt un signal de sécurité et prépare des documents réglementaires pendant la nuit.
Pourtant, selon McKinsey, près de huit entreprises sur dix utilisent l’IA générative, et 80 % d’entre elles ne constatent aucun bénéfice tangible sur leurs résultats.
Le contraste est frappant. Nous confions à des algorithmes le soin de prédire le comportement d’une molécule dans le corps humain, mais pas celui de rédiger un contrat de routine. Nous laissons l’IA analyser des téraoctets de données d’essais, puis nous restons en comité de direction sans oser décider de ce que nous ferons du temps qu’elle libère.
L’obstacle n’est pas technologique. Il tient à la façon dont les organisations décident, s’adaptent et absorbent le changement.
Attendre a un coût très concret. Chaque mois d’hésitation, ce sont des essais plus lents, des capacités inutilisées et des patients qui attendent plus longtemps des traitements qui pourraient déjà leur parvenir.
En 2025, le pôle Sciences de la vie de McKinsey et QuantumBlack, AI by McKinsey, ont analysé plus de 270 flux de travail et 1 200 tâches dans la pharma et la medtech. Leurs conclusions :
Sur trois à cinq ans, McKinsey estime le potentiel à 5 à 13 points de croissance supplémentaire et 3,4 à 5,4 points d’EBITDA dans la pharma, et à 3 à 7 points de croissance et 2,2 à 4,7 points d’EBITDA dans la medtech.
Sur le papier, la valeur existe. Dans les faits, elle reste en grande partie inexploitée.
La raison est rarement technique. La plupart des projets d’IA restent au stade pilote. Les équipes d’innovation testent de nouveaux usages pendant que les équipes opérationnelles continuent de travailler comme avant. Les dirigeants attendent des données parfaites pour décider. La prudence finit par étouffer l’élan.
Un projet pilote est généralement conçu pour prouver qu’un outil fonctionne. Il l’est rarement pour prouver que l’organisation peut évoluer autour de lui. Ce sont deux expériences différentes, et la plupart des entreprises ne mènent que la première.
Pendant ce temps, la pression sur le secteur ne faiblit pas :
L’IA fonctionne. Mais si la direction et la culture n’évoluent pas avec elle, le paradoxe demeure : on sait simuler des molécules in silico, mais on peine à revoir l’ordre du jour d’une seule réunion.
La principale raison pour laquelle l’IA cale dans les sciences de la vie n’est ni la qualité des données ni la réglementation. C’est l’hésitation au sommet.
McKinsey le dit sans détour : sans mandat clair de la direction, l’IA reste coincée au stade pilote. Beaucoup de comités de direction jouent pourtant la prudence. Ils attendent des données parfaites, créent un comité de plus, ajoutent un document de stratégie.
Pendant ce temps, les essais s’allongent, les marges se réduisent et les patients attendent.
Une entreprise peut dépenser des millions dans des plateformes d’IA, puis hésiter à consacrer une heure à décider de l’usage des capacités libérées. Faut-il les orienter vers l’innovation, vers le travail au contact des patients, vers la réduction de l’épuisement des équipes ? Laisser la question ouverte est aussi une décision, et elle coûte cher.
Dans notre travail avec des comités de direction, quatre qualités font la différence :
Un groupe de santé que nous connaissons en donne un exemple. Il y a dix ans, son activité reposait sur des hôpitaux de soins aigus. Ses dirigeants ont vu le terrain bouger : hausse des coûts, nouvelles règles de remboursement, attentes différentes des patients. Ils pouvaient protéger l’ancien modèle ou le réinventer.
Ils ont choisi de le réinventer. Ils se sont développés dans l’ambulatoire, ont investi dans des outils numériques et ont revu leur gouvernance pour que les dirigeants puissent concilier résultats à court terme et paris à long terme.
Ce n’a pas été simple. Le conseil d’administration attendait des résultats. Les médecins s’inquiétaient de leur charge de travail. La transformation a pris des années. Ce qui l’a fait avancer, c’est une équipe de direction qui avait décidé, ensemble, de ce qu’elle voulait construire.
Le vrai test, c’est la capacité de l’équipe de direction à choisir. Sans cela, l’IA reste une ligne de plus dans un énième document de stratégie.
L’IA échoue rarement parce que les modèles sont faibles. Elle échoue parce que les équipes ne s’en servent pas.
Selon McKinsey, jusqu’à 95 % des postes dans les sciences de la vie pourraient travailler avec des « coéquipiers » IA : des agents qui aident sur les données, les documents ou les flux de travail. Presque chaque chercheur, clinicien ou manager pourrait travailler aux côtés de l’IA dès demain.
Dans les faits, beaucoup ne le font pas :
L’obstacle n’est pas le code. C’est la confiance. Quand une équipe ne fait pas confiance à un système, elle le contourne, et l’adoption s’éteint sans que personne ne l’annonce.
On peut acheter les meilleurs modèles du monde. Sans confiance ni appropriation, ils resteront inutilisés.
Cette confiance se construit rarement par un grand programme. Elle naît de pratiques simples et répétées :
Ces habitudes transforment l’hésitation en confiance. Elles font de l’IA une partie du travail quotidien plutôt qu’une boîte noire qui inquiète. C’est la transformation culturelle d’une entreprise dans ce qu’elle a de plus concret : moins une déclaration de valeurs qu’un changement dans ce que les équipes font un mardi après-midi.
Les cadres intermédiaires portent l’essentiel de ce changement. Ce sont eux qui décident si une équipe peut essayer l’outil sur du travail réel, si une erreur est traitée comme un apprentissage ou comme une faute, et si l’ancienne méthode est discrètement conservée en filet de sécurité. Tenus à l’écart de la conception, ils arrêtent l’adoption à la porte de leur service. Associés au pilote, ils en deviennent les défenseurs les plus crédibles.
Le phénomène ne se limite pas à la pharma et à la medtech. Les hôpitaux et les cliniques y sont confrontés eux aussi.
Dossier patient informatisé, documentation par écoute ambiante, planification assistée par l’IA : tous promettent de rendre du temps aux soignants. Pourtant, dans beaucoup d’hôpitaux, le nouvel outil finit par cohabiter avec l’ancien formulaire, et les équipes remplissent les deux.
L’OCDE décrit la même difficulté dans ses travaux sur les personnels de santé et la révolution numérique. L’infrastructure numérique fournit les outils, mais ce sont les soignants qui en font un usage productif, et les règles du travail ont été conçues avant l’ère numérique.
La transformation digitale en santé se joue au niveau intermédiaire. Les responsables d’unité, les cadres de santé et les coordinatrices et coordinateurs de soins décident si l’ancien processus disparaît, qui vérifie le travail de l’IA et ce qui se passe quand l’outil se trompe. Si personne ne leur confie ce mandat, ils protègent leurs équipes de la seule manière possible : en gardant les deux systèmes en service.
Pour une direction d’hôpital, la leçon est la même que pour un dirigeant de la pharma. Avant d’acheter le prochain outil, il faut décider trois choses avec celles et ceux qui l’utiliseront :
Répondre à ces questions prend quelques heures, pas des mois. Les sauter, c’est transformer un pilote prometteur en deux systèmes parallèles.
À lire aussi : Pourquoi les hôpitaux les plus performants se reconstruisent... à partir de l’administratif
Ajouter de l’IA à un processus défaillant rend le problème plus rapide, pas plus petit.
McKinsey est clair sur ce point : la valeur de l’IA ne vient pas de son ajout aux systèmes existants, mais de la refonte complète des flux de travail.
Deux situations le montrent :
La question utile est autre : à quoi devrait ressembler ce travail si l’IA en faisait partie dès le départ ?
Pour les équipes d’opérations cliniques, cela veut dire cartographier tout le processus, du protocole final à l’inclusion du premier patient, avant de choisir où placer les agents. On améliore le processus d’abord, on l’automatise ensuite.
Certaines réponses apparaissent déjà :
Les entreprises des sciences de la vie savent concevoir des thérapies qui reprogramment des cellules, mais beaucoup font encore valider leurs factures à la main. L’IA n’y changera rien tant que le processus lui-même n’aura pas été repensé.
Les capacités libérées ne créent aucun effet à elles seules. Si la direction ne décide pas de leur usage, elles sont discrètement absorbées par davantage de réunions et de tableaux de suivi.
La plupart des tableaux de bord IA suivent les mauvais indicateurs. Ils comptent les licences, les utilisateurs connectés et les pilotes lancés. Aucun de ces chiffres ne dit si le travail a changé.
Ce qui compte, c’est de savoir si les équipes travaillent autrement, et ce que cela change pour les patients, les délais et les coûts. Quelques indicateurs plus utiles :
Un faible taux d’adoption révèle rarement un manque de formation. Le plus souvent, il montre que l’organisation du travail autour de l’outil, ou la confiance dans l’outil, n’a pas changé. C’est une question de direction avant d’être une question technique.
L’IA dans les sciences de la vie n’est pas une perspective lointaine. Elle est déjà là. La question est de savoir si les dirigeants en feront une source de valeur ou la laisseront s’enliser au stade pilote.
Cinq décisions font la différence :
Ces décisions paraissent simples. Ce sont elles qui distinguent les entreprises qui tirent profit de l’IA de celles qui en débattront encore au prochain conseil d’administration.
L’IA n’est plus la question. Elle rédige des protocoles d’essai, analyse des téraoctets de données et automatise des tâches de conformité comme on ne l’imaginait pas il y a quelques années.
La question est de savoir si la direction et la culture sauront s’en saisir. La technologie avance par trimestres. Les organisations avancent par années, sauf si quelqu’un en décide autrement.
L’enjeu n’est pas seulement financier. Chaque retard, ce sont des essais plus lents, des capacités perdues et des patients qui attendent des traitements qui pourraient déjà changer leur vie.
Chez Bee’z, nous avons vu ce point de bascule : il arrive quand la direction revoit les décisions, la culture et les flux de travail au rythme de la technologie. C’est là que l’IA cesse d’être un pilote et commence à changer les résultats, pour les patients, pour les équipes et pour l’entreprise.
Les algorithmes sont prêts. Quel flux de travail allez-vous repenser en premier dans votre organisation, et qui décidera de l’usage du temps qu’il libère ?
Écrivez-nous pour en parler : https://www.beez-consulting.com/fr/contact
La transformation digitale en santé désigne la refonte de l’organisation des soins, de la recherche et de l’administratif à l’aide d’outils numériques : dossier patient informatisé, agents d’IA, télésurveillance. Les outils ne suffisent pas. Elle devient réelle quand les pratiques changent : quelles étapes disparaissent, qui vérifie, comment les décisions se prennent. Sinon, on empile un logiciel sur l’ancien circuit.
La plupart des projets calent parce que l’on change les outils sans changer le travail. Les pilotes prouvent que le modèle fonctionne, mais les processus, les responsabilités et les habitudes restent identiques. Selon McKinsey, 80 % des entreprises qui utilisent l’IA générative n’en tirent aucun bénéfice tangible. L’écart vient le plus souvent de l’hésitation de la direction et du manque de confiance des équipes.
L’IA agentique désigne des agents capables de mener des tâches en plusieurs étapes, au lieu de répondre à une question à la fois. Dans les sciences de la vie, ils peuvent préparer des dossiers réglementaires, rédiger des contrats avec les centres d’essais, suivre la chaîne d’approvisionnement ou analyser des données d’essais. McKinsey estime que 75 à 85 % des flux de travail pharmaceutiques comportent des tâches concernées.
La transformation culturelle d’une entreprise consiste à faire évoluer les comportements, les habitudes de décision et les règles implicites qui orientent le travail au quotidien. Elle ne se résume pas à de nouvelles valeurs affichées. Elle se voit dans ce que font les équipes : la place laissée à l’essai, la façon de traiter une erreur, la manière dont les managers arbitrent. C’est souvent elle qui décide du succès d’un projet numérique.
Chaque jour, les équipes décident d’utiliser un outil d’IA ou de le contourner. Si elles ne font pas confiance aux résultats, elles revérifient tout ou les ignorent, et les gains attendus disparaissent. La confiance se construit par des pratiques simples et répétées : tester sur un seul flux de travail, débriefer après chaque usage, montrer les premiers résultats. Sans cela, le meilleur modèle reste inutilisé.
Un pilote prouve qu’un outil fonctionne dans une équipe. Le généraliser suppose de changer les pratiques dans de nombreux services, et cela dépend des cadres de santé. S’ils n’ont pas le mandat de supprimer l’ancien processus ou de désigner qui vérifie le travail de l’IA, ils maintiennent les deux systèmes pour protéger leurs équipes. Le nouvel outil ajoute alors du travail au lieu d’en retirer.
Les dirigeants donnent le mandat, choisissent où l’IA doit créer de la valeur et décident de l’usage du temps libéré. McKinsey souligne que, sans mandat clair de la direction, l’IA reste coincée au stade pilote. Les dirigeants installent aussi le climat : quand ils traitent les premières erreurs comme des apprentissages, les équipes acceptent bien plus volontiers de tester l’outil sur du travail réel.
Oui. Ajouter de l’IA à un processus défaillant ne fait que reproduire le gaspillage plus vite. Mieux vaut cartographier d’abord tout le flux de travail, supprimer les étapes inutiles, puis décider où placer les agents. Dans les opérations cliniques, cela revient à revoir le processus du protocole final jusqu’à l’inclusion du premier patient avant d’en automatiser une partie.
Il faut mesurer ce qui change dans le travail, pas le nombre de licences. Parmi les indicateurs utiles : la part d’un flux de travail réellement traitée avec l’agent, le temps libéré par poste et son nouvel usage, le nombre de doubles vérifications manuelles qui subsistent, et les délais sur les résultats clés, comme l’ouverture des centres d’essais ou les dépôts réglementaires.
Le temps libéré demande une décision explicite, sinon il est absorbé par davantage de réunions et de tableaux de suivi. La direction peut l’orienter vers un travail à plus forte valeur : une R&D plus rapide, plus de temps auprès des patients, moins d’épuisement dans les équipes. McKinsey estime que l’IA agentique pourrait libérer 25 à 40 % des capacités dans la pharma : l’usage de ce temps est un choix stratégique.
.png)
Conduite du changement à l’hôpital : les rapports 2025-2026 décrivent les leviers. Aucun ne dit qui traduit la stratégie dans les unités, ni comment.
L’agilité à l’hôpital fonctionne quand les équipes changent, pas seulement les outils. Ce qu’elle apporte, pourquoi elle coince, et 6 étapes concrètes.
Le développement ne se décide pas une fois par an. Ce que contient une conversation sur le développement, pourquoi elle n'a pas lieu, ce qui fait évoluer.
