Bioproduction : Roche utilise l’IA pour optimiser la productivité

Les médicaments biologiques représentent près de la moitié des traitements en cours de développement et 32% de la part de marché globale d’ici 2024, selon des chiffres du Leem. La bioproduction reste un secteur jonché de défis et qui souffre d’énormément de variabilités affectant sa productivité.

La division Roche Pharma a intégré de l’intelligence artificielle au sein du processus de production de son usine à Bâle, spécialisée sur des principes actifs de médicaments anticancéreux. Lors de l’événement Everyday IA de son partenaire Dataiku, qui s’est tenu le 16 novembre à Paris, le groupe pharmaceutique suisse a présenté les premiers résultats d’un cas d’usage autour du contrôle prédictif et de l’amélioration du ratio titer / yield (les mesures utilisées dans l’évaluation de la production). 

“Nous nous sommes aperçu qu’en fonction des produits, des procédés et des usines, la variabilité au niveau de la quantité de protéine varie de l’ordre de 5 à 20%, sans pouvoir l’expliquer, et cela a des conséquences économiques très claires” a expliqué Fabrice Goisset, Value Stream Lead MAB chez Roche, devant l’auditoire.

L’application d’IA construite sur la plateforme Dataiku permet de faire de la prédiction grâce aux données des équipements, de qualité et des processus. “Après quelques mois de travail, on a vu qu’on était capable de prédire le temps de transfert d’un bioréacteur à l’autre et de prédire le rendement final, ce qui est un game changer pour nous, car cela nous a permis de prendre des décisions pour augmenter la productivité” a souligné Fabrice Goisset.

Les process engineers, les planners comme les opérateurs sont tous impliqués, à plusieurs niveaux de la chaîne, pour affiner le paramétrage jusqu’à aboutir à un rendement optimisé avant livraison du produit.

Un modèle difficile à reproduire à l’identique

Mettre en œuvre une telle transformation technologique sur site suppose que plusieurs conditions soient réunies au sein de la cellule Tech Ops. “Il faut prendre en compte la maturité de nos données, l’environnement numérique d’un site de production et les compétences du senior management en matière de transformation numérique. Ces aspects ont un impact sur les trois indicateurs clés de performance, que sont l’acquisition de données réutilisables, la génération d’insights et le passage à l’action” a détaillé le Dr Hadj Latreche, PT Global Digital Strategy and Value Realisation chez Roche. 

Le passage à l’échelle va être déterminant dans la stratégie du groupe, poursuit le Dr Hadj Latreche. “Nous avons une expérience sur un site et pour une molécule en particulier, mais il faut pouvoir aller sur d’autres sites et sur d’autres molécules qui rencontrent des problèmes similaires. Or, plus on passe à l’échelle, plus le niveau de risque d’échec augmente” souligne-t-il. Ce cas d’usage d’IA en bioproduction est pour l’heure appliqué sur deux molécules, mais pourrait être reproduit sur quatre ou cinq molécules l’an prochain. “Traduire de l’intelligence en “daily business”, c’est le seul moyen de faire exploser la valeur” commente le Dr Hadj Latreche.