EClinCloud : la recherche clinique entre dans l'ère des agents intelligents
Cet article est reproduit depuis le compte officiel WeChat « Lin Shaonan GCP », publié le 27 mai 2026.
La concurrence dans le domaine de l'IA appliquée à la recherche clinique passe discrètement à un niveau supérieur.
En 2026, alors que la plupart des entreprises débattent encore de la manière d'améliorer l'efficacité grâce à l'IA, EClinCloud répond déjà à la question suivante : comment les agents IA restructurent-ils la logique des postes en recherche clinique ?
Lors de la conférence utilisateurs 2026 d'EClinCloud qui vient de s'achever, l'entreprise a renforcé son nouveau positionnement stratégique — entreprise technologique d'IA dédiée à la recherche clinique — et présenté les résultats d'étape déjà concrètement déployés sur sa plateforme.
1. La progression d'EClinCloud en matière d'IA
La stratégie IA de nombreuses entreprises a débuté après l'essor fulgurant de ChatGPT en 2023. Mais la chronologie d'EClinCloud remonte à bien plus tôt.
En 2022, avant même l'essor de GPT, l'entreprise avait déjà collaboré avec une multinationale renommée pour déployer un Clinical Chatbot fondé sur un graphe de connaissances, destiné à l'évaluation automatisée des critères d'inclusion et d'exclusion des patients. La même année, le Centre d'innovation en IA a été créé et l'IA a été officiellement inscrite au cœur de la stratégie de l'entreprise.
Aujourd'hui, alors que la course à l'armement dans l'IA bat son plein, ce décalage temporel représente un avantage de précurseur considérable.
En 2023, elle a établi une feuille de route à double voie associant « modèles propriétaires + grands modèles », devenant l'une des premières entreprises en Chine à intégrer Microsoft OpenAI ;
en 2024, elle a achevé sa transition des « algorithmes d'IA » vers l'« ingénierie de l'IA » ;
en 2025, elle s'est ancrée sur une trajectoire centrale combinant « grands modèles + base de connaissances RAG dédiée aux essais cliniques + ingénierie de prompts standardisée » ;
en 2026, les agents IA sont désormais intégrés à travers l'ensemble des flux de travail de la plateforme ECC.
Des algorithmes à l'ingénierie, puis à l'agentification, ce parcours constitue en soi une méthodologie utile de référence pour le secteur.
2. Linxiaofu, le partenaire intelligent de tous les métiers de la recherche clinique
L'annonce centrale de cette conférence est l'agent IA « Linxiaofu ». Toutefois, plutôt que de le considérer comme un simple nouveau produit, il convient d'y voir une refonte systématique des flux de travail des métiers de la recherche clinique par EClinCloud.
Linxiaofu n'est pas un assistant généraliste, mais un outil structuré sur mesure selon les responsabilités de chaque poste :
- DBD Linxiaofu : analyse intelligente du protocole clinique, configuration automatique des formulaires de visite EDC et des contrôles logiques, réduisant le cycle de construction de la base de données de plus de 60 % ;
- CRC Linxiaofu : OCR médical et reconnaissance multimodale couvrant plus de 1000 formulaires médicaux, extraction en moins de 30 secondes pour des documents de plus de 40 pages, taux de précision de reconnaissance supérieur à 98 %, et alerte automatique intégrée concernant les données confidentielles ;
- PM Linxiaofu : analyse en temps réel par modèles prédictifs des risques multidimensionnels (observance, sécurité, inclusion, suivi et sorties d'étude, etc.) et envoi ciblé de recommandations de maîtrise ;
- Service client intelligent Linxiaofu : support multilingue 24/7, surmontant les décalages horaires et les barrières linguistiques des centres investigateurs dans le monde entier.
« Dialoguer, c'est agir » : la logique sous-jacente consiste à centraliser via une interaction en langage naturel des procédures opérationnelles auparavant dispersées entre différents systèmes et postes, tout en répondant simultanément aux exigences de traçabilité conforme.
Pour les équipes opérationnelles de terrain des CRO et des laboratoires pharmaceutiques, cela réduit non seulement les frictions opérationnelles, mais aussi les coûts de formation et la probabilité d'erreur.
3. Plateforme IRC : une mise à niveau globale
Un autre produit notable est l'IRC (plateforme d'évaluation indépendante par imagerie).
La logique qui pousse EClinCloud à développer l'IRC est claire : le champ des indications concernées par l'évaluation par imagerie auprès des autorités réglementaires telles que la FDA ne cesse de s'élargir, s'étendant désormais de l'oncologie à des domaines thérapeutiques plus vastes.
La stratégie d'EClinCloud consiste à faire évoluer son portefeuille de produits de « eCOA + échelles » vers « eCOA + IRC », afin de compléter l'appréciation des critères d'évaluation en associant mesures subjectives et objectives.
Au niveau de la plateforme, l'IRC relie de bout en bout le téléchargement des images, l'anonymisation, le contrôle qualité, l'attribution intelligente, la lecture par des experts et la traçabilité des opérations, et prend en charge de multiples formats tels que DICOM 3.0, les images, la vidéo et le PDF. Déployée initialement en ophtalmologie, elle s'étend désormais à de nombreux domaines tels que le cardiovasculaire, les maladies auto-immunes, l'endocrinologie, la neurologie et l'oncologie. Sur le plan international, la plateforme est déjà opérationnelle notamment aux États-Unis, au Royaume-Uni, au Canada et en Australie.
Plus notable encore est l'orientation vers la convergence de l'IA et de l'IRC : le détourage au pixel près des lésions par des modèles de segmentation sémantique, ainsi que la génération automatique assistée par IA des rapports d'inclusion, des rapports d'imagerie et des rapports de concordance ; si ces fonctionnalités parviennent à être déployées à grande échelle, elles remplaceront de manière substantielle la dépendance de l'IRC au travail manuel.
4. Quelques enseignements clés de la table ronde à retenir
La table ronde de la conférence a réuni les interventions d'acteurs majeurs tels que Harbour BioMed, Zelgen Biopharmaceuticals, XtalPi, Pharmaron Clinical et R&G PharmaStudies ; plusieurs constats méritent l'attention :
- Les conseils de gestion interne de Wang Jinsong (Harbour BioMed) sont très pragmatiques : il faut se garder des deux extrêmes — être « trop lent » ou « trop gourmand » — et privilégier un déploiement progressif par paliers plutôt qu'une approche uniforme.
- Le conseil de Zhu Xiuxuan (Zelgen) aux petites et moyennes entreprises pharmaceutiques est pragmatique : inutile de tout développer en interne, il suffit de s'appuyer sur des partenaires matures.
- Ma Jian (XtalPi) a anticipé l'aboutissement des logiciels de gestion d'entreprise : les systèmes traditionnels aux processus lourds (tels que les ERP et les systèmes OA) seront supplantés, et le déploiement futur de l'IA au sein des organisations s'orientera vers une « délégation des pouvoirs de gestion », les agents d'IA prenant directement en charge les flux de travail complexes.
- Dai Yiren (Pharmaron Clinical) a exposé la logique de survie ultime du secteur des CRO : l'avantage traditionnel lié à l'expérience est en train d'être nivelé par l'IA ; les CRO ne peuvent plus se contenter de gains d'efficacité de quelques dizaines de pour cent, mais doivent viser un saut d'efficacité d'un facteur dix, voire cent.
- Wang Lei (Tencent Health) a souligné le nouvel enjeu de conformité à l'ère de l'IA : l'assurance qualité et la conformité des données générées par l'IA deviendront le prochain centre d'attention des autorités réglementaires.
- Wang Wei (R&G PharmaStudies) a livré l'appréciation la plus urgente quant à la fenêtre temporelle : d'ici 1 à 2 ans, les entreprises qui ne parviendront pas à intégrer l'IA dans leurs activités verront leur compétitivité totalement éliminée.
5. Pratiques des laboratoires pharmaceutiques : s'attaquer aux défis de fond et réinventer la valeur des métiers de la gestion des données
Yan Chongchao, directeur général adjoint du Centre des sciences des données cliniques de Jiangsu Hengrui, a présenté un retour d'expérience pratique intitulé « Défis de la gestion des données cliniques et voies d'habilitation technologique ». Il a souligné que, face à l'essor massif de données complexes, au décalage des pratiques RBDM et au durcissement des exigences réglementaires mondiales, le modèle traditionnel de CDM, centré sur les opérations manuelles, a atteint un double plafond en matière d'efficacité et de qualité.
Comment sortir de cette impasse ? Il a proposé une trajectoire d'évolution technologique en trois volets : « informatisation, standardisation et automatisation ». Concrètement, il s'agit de briser les silos de données entre systèmes multiples grâce à une plateforme unifiée ; d'introduire de manière généralisée des standards tels que CDISC pour poser les bases de données de haute qualité ; et d'utiliser la RPA ainsi que des algorithmes d'IA intelligents pour remplacer les tâches répétitives et peu efficaces, telles que la transcription manuelle et la gestion des requêtes.
L'enseignement le plus marquant de cette présentation pour le secteur réside dans le fait qu'une fois que l'IA et l'automatisation auront pris en charge les processus fastidieux de bas niveau, les futurs systèmes de gestion des données seront hautement intelligents, et les professionnels du DM devront opérer une mutation fondamentale : passer du rôle traditionnel de « nettoyeurs de données » à celui de stratèges des données et de révélateurs de valeur.
6. Sous l'impulsion de l'IA, une nouvelle donne s'ouvre
Le signal central de cette conférence d'EClinCloud est clair : la pénétration de l'IA dans la recherche clinique est passée d'une amélioration ponctuelle de l'efficacité à une phase de reconfiguration systémique.
La combinaison de l'« agentification des postes » de Linxiaofu et de l'« objectivation de l'évaluation des critères d'évaluation » de l'IRC forme une boucle fermée complète, allant de la collecte des données à la décision intelligente.
Mais l'enjeu plus vaste réside dans le fait que, lorsque l'IA abaisse systématiquement le seuil d'exécution de la recherche clinique, le plafond de qualité de celle-ci ne sera plus déterminé par la taille des effectifs humains, mais redéfini par les données, les modèles et les capacités d'ingénierie.
Il ne reste déjà plus beaucoup de temps à ceux qui restent dans l'expectative.

