Un impact sur de nombreux métiers

Le déploiement des IA génératives a un impact sur l’ensemble de la chaîne de valeurs : R&D, accès au marché, production, distribution, médical et activité commerciale.

Les métiers les plus impactés par cette technologie aujourd’hui sont le marketing et le médical. Au niveau du marketing, les perspectives sont nombreuses, offrant de nouvelles opportunités pour engager les clients, personnaliser les messages et optimiser les campagnes publicitaires. L'un des principaux avantages de l'IA générative est sa capacité à personnaliser les communications à une échelle auparavant inimaginable. Grâce à l'analyse des données clients, l'IA peut générer des contenus marketing sur mesure qui répondent aux besoins et préférences spécifiques de chaque professionnel de santé.

La génération automatique de contenu est une autre révolution apportée par l'IA générative : création d’articles, de rapports, de résumés de recherche, du contenu pour les réseaux sociaux qui sont à la fois informatifs et adaptés à l'audience ciblée. Cela permet de répondre aux objectifs des stratégies omnicanales mises en place avec la multiplication des segments de clients.

A titre d’exemple, voici quelques usages possibles  :

• Automatisation pour la création de landing page et modèles de mails.
• Campagnes approved e-mails personnalisées et « ready to send ».
• Customer journey automatique alliant email et médias.
• Dashboard dataviz dynamique pour piloter la stratégie.
• Création d’assets publicitaires (bannières, emailing, posts médias sociaux…).
• Création de contenu simplifié pour alimenter les actifs digitaux.
• Animation de stand ou RP avec génération de cas cliniques.
• …

Au-delà de la simple personnalisation et création de contenu, l’IA générative est capable d'analyser d'immenses volumes de données pour prédire les tendances du marché, les comportements des clients et l'efficacité des campagnes marketing.

Du côté du médical, l’impact de cette technologie est indéniable notamment au niveau de l’accès à l’information médicale. De multiples usages apparaissent :

• Recherche et analyse automatisée de l’actualité médicale.
• Nouveau mode d’interaction automatisée sur l’information médicale.
• Analyser de grandes quantités de données cliniques.
• Optimiser les processus de validation médicale.

De plus en plus de laboratoires lancent leurs propres IA génératives en interne en boucle fermée pour gérer et mettre à disposition tous les contenus médicaux et scientifiques de l’entreprise à ses collaborateurs. Exemple concret avec Roche qui a déployé en interne un outil d’intelligence artificielle générative baptisé RocheGPT qui protège les données et permet d’optimiser les temps passés sur certaines tâches, comme l'écriture de synthèses scientifiques, la traduction d’idées en images, le partage de connaissances, la possibilité de brainstormer avec cette IA ou automatiser les processus internes au niveau de la recherche et du médical.

De nombreux défis et enjeux

Le déploiement de cette technologie chez les industriels induit quelques challenges avec en premier lieu celui de la gestion du changement. Il est primordial d’accompagner l’ensemble des fonctions sur l’impact sur les métiers et la transformation des modes de fonctionnement en place. Il est également nécessaire de déployer les outils adaptés pour une  meilleure exploitation de la donnée et d’intégrer des nouveaux métiers autour de la data (data scientist) et technologique (ingénieur IA).

Des défis et enjeux sont à prendre aussi en considération dans le déploiement de cette technologie :

• Transparence des algorithmes.
• Confidentialité et sécurité des données.
• Précision et la fiabilité des informations générées.
• Propriété intellectuelle et responsabilité juridique.
• Respect du RGPD et AI Act dans la gestion des données.
• Peur de devenir obsolète (FOBO : Fear Of Being Obsolete).

Une étude ATAWAO Institute sur l’intelligence artificielle générative en santé

Bien que les concepts fondateurs de l’intelligence artificielle datent des années 1950, son développement actuel s’est fortement accéléré depuis le début des années 2000. Ces ruptures se traduisent par une accélération régulière des cycles d’innovation et de mise à disposition de nouveaux produits et services.

L’objectif de cette étude est d’apporter un regard précis et vulgarisé sur :

• Les concepts clés de l’Intelligence Artificielle Générative (IA-G).
• Les principaux usages en santé pour les médecins et laboratoires avec une vingtaine d’exemples concrets sur plus de 60 sociétés étudiées.
• Les limites techniques, éthiques et réglementaires.

Et bien sûr, apporter des recommandations pour maîtriser ces nouveaux outils qui seront d’un usage courant dans un avenir proche.