Afrique du Sud : une IA accélère la préparation des essais cliniques

Une base de données qui accepte un score de 33 sur une échelle limitée à 30 : ce défaut, volontairement introduit dans une démonstration, résume le problème auquel s’attaque Leova. Développée à Johannesburg par BioInformatiCo, cette plateforme d’IA teste les logiciels d’essais cliniques avant qu’une erreur de conception n’affecte de vraies observations. Remise en lumière par la presse sud-africaine le 30 octobre, elle a été distinguée dans le concours 2026 du Clinical Data Interchange Standards Consortium, ou CDISC. Le résultat avait été annoncé en septembre et concerne une catégorie précise du concours.

Un prix pour éprouver les logiciels

Le palmarès officiel classe Leova deuxième de la catégorie consacrée à la génération de données synthétiques pour les tests automatisés. La première place revient à Syn2Real, présenté par Novartis et AWS. Le concours comporte aussi des catégories portant sur les plans d’analyse statistique et sur les tableaux, figures et listes de résultats. Présenter Leova comme le deuxième meilleur outil de l’ensemble du concours serait donc imprécis.

Selon BioInformatiCo, cette catégorie réunissait 19 propositions. L’entreprise avait publié son résultat le 24 septembre, avant une présentation prévue à Denver début octobre. Cette chronologie situe correctement l’actualité : les articles du 30 octobre apportent de la visibilité à une reconnaissance antérieure.

Pourquoi une base de données demande autant de soin

Chaque essai possède un protocole : il décrit notamment les participants concernés, les interventions, les visites et les observations attendues. Ces consignes doivent ensuite devenir des formulaires et des règles informatiques. Une date impossible ou une valeur hors limites doit déclencher le contrôle prévu, sans bloquer une observation parfaitement valide.

Le CDISC développe des standards pour faire circuler ces informations de manière cohérente. Son modèle USDM représente le plan d’une étude dans une forme structurée, réutilisable par les logiciels. D’autres standards organisent la collecte, la présentation des données et leur préparation pour les analyses. Leur intérêt est de garder un lien compréhensible entre ce qui était prévu, ce qui a été recueilli et ce qui est finalement analysé.

Faire exprès de saisir une mauvaise valeur

La démonstration de Leova permet de comprendre l’approche sans jargon. L’équipe avait volontairement laissé une erreur dans une base : une échelle limitée à 30 acceptait une valeur de 33. Le logiciel a introduit ce cas fictif pour révéler que le contrôle attendu manquait. L’objectif est de repérer le défaut avant qu’il affecte de vraies observations.

L’entreprise explique que Leova transforme le protocole en un modèle structuré, prépare des scénarios synthétiques puis les saisit dans le système de collecte, Viedoc dans cette démonstration. Les tests peuvent être rejoués lorsque le protocole change. Les données inventées servent ici à éprouver le logiciel : elles ne constituent pas des résultats médicaux obtenus auprès de patients.

Le chiffre de cinq jours à un, à sa juste place

Dans un entretien du 21 octobre, la dirigeante Shirley Collie attribue ce gain à la phase de test et de validation d’une base pour une étude de phase 2 sur un vaccin contre le VIH. Il ne s’agit ni d’une réduction équivalente de toute la durée de l’essai ni d’une preuve d’efficacité du vaccin. Les autres gains évoqués dans l’entretien proviennent de tests internes préliminaires.

La dirigeante précise également que les sorties sont relues et approuvées par un gestionnaire de données expérimenté. Les formulations ambiguës du protocole et les choix propres à une étude nécessitent toujours du jugement. L’entretien fournit des détails utiles, mais reste le témoignage du fournisseur, sans comparaison indépendante permettant de généraliser le gain annoncé.

Pour un centre de recherche, l’évaluation devrait donc regarder autant les erreurs qui passent inaperçues que les heures économisées. Il faudrait aussi compter le temps de relecture, de correction et de reprise après modification du protocole. Une automatisation rapide mais difficile à vérifier déplacerait le travail au lieu de le supprimer.

L’intérêt de cette innovation africaine se situe dans cette exigence discrète : rendre la préparation des essais plus fiable et plus reproductible. Le prochain cap sera de montrer, sur plusieurs études documentées, que les économies de temps se maintiennent sans affaiblir les contrôles qui donnent leur valeur aux données.

Sources consultées le 31 octobre 2026. Précision apportée : la distinction concerne une catégorie du concours et avait été annoncée en septembre ; les gains de productivité restent attribués à l’entreprise.

Sources

- CDISC, palmarès 2026
- BioInformatiCo, 24 septembre
- CDISC, Digital Data Flow
- standards fondamentaux
- Impact Newswire, entretien du 21 octobre