Façonner l'avenir de la santé avec Boehringer Ingelheim [Integreat 2025]

Transcription :

Je voudrais vous présenter notre prochain intervenant, Ralf Schundelmeier, de Boehringer Ingelheim.

J'adore travailler avec cette équipe. Pour ceux d'entre vous qui ne connaissent pas Boehringer Ingelheim, il s'agit de la plus grande entreprise pharmaceutique privée au monde. Ralf nous en dira plus à son sujet, mais je suis également profondément reconnaissant chaque fois que j'ai l'occasion de travailler avec cette équipe, car elle a sauvé la vie de mon beau-père.

Boehringer Ingelheim est l'un des principaux innovateurs dans le domaine des médicaments destinés à la prévention et au traitement des accidents vasculaires cérébraux. Mon beau-père a été victime d'un accident vasculaire cérébral ischémique et a heureusement pu être sauvé aux urgences. Je suis donc reconnaissant envers les chercheurs qui travaillent dans ce domaine.

J'ai aussi un doberman qui est un chien très exigeant et j'utilise aussi les produits Boehringer pour garder mon chien en bonne santé. Ralf vous en dira plus à leur sujet, mais personnellement, je suis juste reconnaissant pour le travail que fait cette équipe.

Veuillez accueillir Ralf sur scène.

Bonjour.

On m'a demandé ce matin quelle chanson j'aimerais jouer, et je n'ai rien trouvé de mieux, car c'est parfois aussi la devise dans le domaine informatique. Il faut toujours voir le bon côté des choses, car tout ne fonctionne pas toujours aussi bien que lors des démonstrations que nous faisons ici sur scène.

Très bien. De quoi parlons-nous aujourd'hui ? Il s'agit plutôt du chemin que nous avons parcouru.

Il sera donc moins axé sur la technologie et davantage sur ce que nous essayons de faire, pourquoi nous le faisons, puis sur certaines des leçons que nous avons apprises. Il s'agira donc peut-être de choses auxquelles vous devrez prêter attention.

Mais ici, la clé réside vraiment dans le libre-service. Oui.

Et c'est vraiment l'un de nos principaux moteurs. Libérer les données et donner aux gens les moyens de le faire eux-mêmes.

Oui, parce que nous ne pouvons pas développer notre organisation. Jeremiah a déjà fait un excellent argumentaire de vente pour l'entreprise.

En fait, je n'ai pas grand-chose à ajouter. Mais comme vous l'avez mentionné, nous sommes une entreprise pharmaceutique familiale fondée en 1885 dans une petite ville appelée Ingelheim, en Allemagne.

L'accent est mis sur la pharmacie humaine et la santé animale. Je pense que c'est aussi un peu une exception, car la plupart des grandes entreprises du secteur des sciences de la vie ont en quelque sorte cédé leurs activités dans le domaine de la santé animale.

Nous employons environ 55 000 personnes dans le monde entier. Nous sommes une société de recherche.

Je pense que c'est également très important, et c'est pourquoi nous consacrons chaque année environ 6 000 000 000 dollars à la recherche. Nous disposons de 26 sites de R&D et notre chiffre d'affaires annuel s'élève à environ 27 000 000 000 dollars.

C'est donc, comme il l'a mentionné, probablement l'une des plus grandes entreprises dont vous n'avez jamais entendu parler. Bien.

Que faisons-nous ? Je veux dire, Jérémie l'a déjà décrit. Cela va du cancer aux maladies respiratoires.

Un produit vient tout juste d'être lancé. Il s'agit du premier lancement de produit pour la fibrose pulmonaire depuis dix ans.

C'est vraiment un événement très important pour nous, sans oublier bien sûr la santé animale. Et comme vous l'avez souligné, cela concerne les animaux de compagnie, pas seulement les chiens, mais aussi les chats.

L'un des produits récents était un traitement contre le diabète pour chats qui ne nécessitait pas d'injection. Pour ceux d'entre vous qui ont des chats, essayez d'injecter votre chat.

Bonne chance. Mais aussi le bétail, qui constitue également un élément central de l'activité.

Je me suis alors retrouvé face à un défi. Comment passer de cette transition au sein de l'entreprise à ce à quoi nous sommes confrontés ? Et j'ai une forte affinité avec la culture japonaise.

En fait, ma femme est japonaise. Et je pensais à cette magnifique estampe intitulée La Grande Vague de Kanagawa, réalisée par un artiste appelé Hokusai.

C'est cette vague géante et j'ai pensé que c'était une description parfaite, peut-être de ce à quoi nous sommes confrontés, car cette vague d'IA est en train de changer radicalement notre façon de travailler, la nature de nos emplois, et même le succès ou l'échec des entreprises. J'aime aussi les chiffres, et nous en avons vu beaucoup aujourd'hui.

Et l'une des blagues est de ne faire confiance à aucune statistique ou chiffre que vous n'avez pas vous-même falsifié. Mais il existe beaucoup de données fiables, n'est-ce pas ? Celle-ci provient de McKinsey, qui a mené une étude principalement destinée aux entreprises du secteur des sciences de la vie.

Et je ne mentionne en fait que trois choses. Premièrement, nous avons déjà beaucoup parlé de ces les workflows agentics les workflows McKinsey a prédit qu'environ 75 à 85 % de tous les workflows notre vie quotidienne pourraient être améliorés ou entièrement automatisés par l'IA Adjendic.

Il s'agit donc d'un changement radical dans la manière dont les gens travaillent. Ensuite, bien sûr, il y a la rentabilité, qui représente environ 6 à 8 % grâce à l'augmentation de la productivité et à l'optimisation des opérations.

Et bien sûr, cela a également un impact sur vos résultats financiers. Ainsi, sur un horizon de trois à cinq ans, ils prévoient 3.

Augmentation de 4 % à 5,4 % de vos revenus.

Il y a donc vraiment beaucoup à gérer. Je ne pense donc pas qu'il existe un refuge sûr où nous pouvons attendre tranquillement que cela passe.

Il faut vraiment affronter cette vague et se procurer une grande planche de surf pour la surfer. On voit bien que j'ai vécu en Californie pendant un certain temps.

Alors, comment nous préparer ? Je sais qu'il y a de nombreux aspects à prendre en compte et que nous n'avons que très peu de temps aujourd'hui. Mais aujourd'hui, je vais vraiment me concentrer sur une chose que nous oublions toujours.

L'IA a besoin de données. Sans données, il n'y a pas d'IA.

Oui, et n'oubliez pas qu'il n'y a pas que l'IA générative, il existe encore beaucoup d'apprentissage automatique traditionnel qui nécessite des données. De plus, bon nombre des cas d'utilisation dont nous parlons font référence à vos données, n'est-ce pas ?

Vous avez besoin de données fiables avec lesquelles vous pouvez communiquer. Vous devez préparer vos données pour l'IA.

Et nous pensons que l'intégration en libre-service et les données en libre-service sont vraiment la clé de notre succès pour y parvenir. C'est ce qui occupe mes équipes.

Nous sommes donc une entreprise très ancienne. Nous collectons des données depuis très longtemps et, croyez-le ou non, une grande partie de ces données sont encore consignées sur papier ou stockées dans des systèmes hérités.

Oui. Ils sont très difficiles à atteindre.

La plupart d'entre eux ne disposent pas d'IA ni d'API. Les données ne sont pas cataloguées.

Alors, comment pouvons-nous exploiter ce trésor de données afin de pouvoir l'utiliser ? C'est ainsi que nous avons imaginé ce que nous appelons Dataland ou Dataland Vision. L'idée était en fait de créer un coffre-fort de données à l'échelle de l'entreprise où tous ce que nous appelons les « joyaux de la couronne », toutes les données que nous estimons avoir une grande valeur, seraient intégrées à cet écosystème afin de les rendre facilement exploitables par des cas d'utilisation analytiques, l'IA ou l'IA générique.

Et si vous y regardez de plus près, je me suis dit, nous parlons d'IA. Pourquoi ne pas générer certains de mes vols ? Avec l'IA, cela prouve également que l'IA n'en est pas encore tout à fait là.

Parfois, j'ai l'impression qu'il se comporte comme un enfant en pleine puberté. J'en ai deux, en fait, parce qu'ils n'écoutent jamais ce qu'ils disent et que je dois le répéter cinq fois sans que la couleur change ou que la formulation soit corrigée.

Si vous regardez attentivement les diapositives, vous trouverez peut-être quelques petites fautes de frappe. Pourquoi l'intégration est-elle importante dans ce cas ? J'ai trouvé cette diapositive quelque part, mais honnêtement, je ne me souviens plus exactement où. Cela dit, c'est encore ainsi que se présentent bon nombre de nos scénarios d'intégration.

N'est-ce pas ? Des tonnes d'intégrations point à point. Nous disposons également d'une très grande variété d'outils.

C'est en fait ainsi que nous avons commencé à discuter avec SnapLogic, car nous avons beaucoup de projets de modernisation en cours. Oui, nous avons vraiment senti que nous avions besoin d'une nouvelle approche, et c'est ainsi que nous en sommes arrivés là. Je ne vais pas vous ennuyer avec des détails techniques, mais simplement vous présenter une vision simplifiée de la façon dont nous envisageons la gestion de cet écosystème de données.

Les sources de données ne peuvent donc pas provenir uniquement de votre entreprise. Je pense que c'est également très important, en particulier dans le domaine des sciences de la vie.

Nous achetons beaucoup de données pour enrichir nos recherches et compléter les données du marché. C'est donc également un aspect essentiel. Et puis, comme je l'ai mentionné, nous disposons de tous ces systèmes qui contiennent ces données, et notre idée est vraiment d'exploiter SnapLogic non seulement pour créer les injections de données que nous construisons, mais aussi pour le fournir comme un outil en libre-service.

Oui, parce que nous ne pouvons pas nous développer. La demande est trop forte.

Nous avons également mené des projets informatiques plus traditionnels, mais cela prend trop de temps, en particulier dans le domaine de la recherche. Cela ne se fait pas en quelques semaines.

Ils veulent des données immédiatement. Ils mènent les expériences, puis ils déterminent si le résultat est bon ou mauvais, et je passe à autre chose.

Donc, beaucoup de nos processus changent également, n'est-ce pas ? Nous sommes soumis à une réglementation stricte, ce qui rend beaucoup de nos processus assez lourds.

Oui, mais c'est un équilibre que nous devons trouver. Comment pouvons-nous donner aux gens les moyens de le faire eux-mêmes rapidement ?

Les données sont ensuite ingérées dans notre zone de stockage et de traitement, initialement principalement sur AWS. Nous utilisons S3 et Apache Iceberg pour conserver principalement les données brutes initialement nettoyées et organisées, mais ensuite, de plus en plus pour des cas d'utilisation analytiques, nous avons également transféré davantage de données vers des bases de données relationnelles.

Voilà pour l'aspect technique, mais il y a bien sûr beaucoup plus à dire, sans que je souhaite nécessairement entrer dans les détails. Il existe également un deuxième aspect que nous appelons « les données en tant que produit ».

Et je pense que lorsque nous avons commencé, cela était tout à fait justifié, car nos premiers cas d'utilisation étaient principalement des cas d'utilisation analytiques, n'est-ce pas ? Vous avez donc vraiment une vision à plus long terme des données.

Il est donc tout à fait logique de disposer de produits de données très bien définis. Nous avons des domaines de données.

Chaque domaine a un propriétaire de domaine de données. Désormais, chaque domaine de données dispose de ses propres équipes de produits de données.

Cela reste donc tout à fait valable pour les cas d'utilisation analytiques et cela nous aide également énormément en matière de gouvernance des données, car il est extrêmement important de contrôler l'utilisation de vos données, de pouvoir en suivre la traçabilité, mais aussi de savoir qui a utilisé les données et à quelles fins. Pour certains cas d'utilisation de l'IA, nous sommes en train de repenser un peu cette approche afin de la rendre plus dynamique, car la création d'un produit de données prend généralement du temps.

Nous avons également discuté brièvement des personnes qui utilisent l'IA et des domaines dans lesquels elle est utilisée, et nous avons constaté qu'elle est omniprésente. Voici quelques exemples : dans le domaine de la production, elle sert à établir des modèles prédictifs afin de déterminer s'il existe des problèmes ou des écarts dans le processus de production avant qu'ils n'aient un impact réel.

Ou lorsque vous pensez aux essais cliniques, il s'agit de tableaux de bord visuels, puis de modèles analytiques pour les remises et la tarification, et ainsi de suite jusqu'à l'extrême droite, ce qui devient vraiment de plus en plus important. Comment utiliser l'IA pour trouver de nouvelles molécules, de nouveaux médicaments pour les patients et accélérer réellement ce processus ?

Comme je l'ai mentionné, nous avons réalisé des projets traditionnels. Parfois, nous avons été très rapides, mais parfois, il nous a fallu neuf mois pour créer le produit de données de bout en bout, depuis l'accès au système source jusqu'à la réalisation de l'ensemble du travail. Cela peut encore être valable pour certains cas d'utilisation, mais nous sommes convaincus que la mise à disposition d'une intégration en libre-service nous permettra non seulement de nous développer, mais aussi d'accélérer l'innovation.

Nous parlons des développeurs citoyens, mais nous parlons également des chercheurs citoyens, n'est-ce pas ? Afin de pouvoir leur fournir toutes les données dont ils ont besoin pour valider rapidement leur hypothèse, la tester rapidement et prendre rapidement des décisions.

Cela nous aide également à briser les silos. Oui, nous avons des données de fabrication, des données de vente, des données de recherche.

Comment puis-je parfois créer des informations significatives à partir de tous ces silos de données ? Il s'agit donc vraiment d'utiliser cet écosystème pour tout rassembler, sans nécessairement avoir besoin de l'aide du service informatique. Mise à l'échelle et adoption de l'IA.

Il est essentiel que l'IA dispose des données, et si je facilite leur intégration dans le système, je suis immédiatement adopté. Oui, très souvent, nous avons déjà des data scientists prêts à intervenir.

Ils veulent agir, mais ils ne peuvent pas le faire car ils n'ont pas accès aux données. Il est donc essentiel d'utiliser l'intégration en libre-service pour étendre l'adoption de l'IA.

Nous avons également beaucoup parlé de conformité et de confiance, en particulier dans l'UE avec toutes les réglementations relatives à l'IA. Oui, je veux dire que nous ne pouvons plus nous contenter de faire de l'IA.

Nous devons disposer d'une piste d'audit. Quelles données ai-je utilisées ? D'où proviennent-elles ? Oui, toutes ces informations, sans oublier bien sûr les autres réglementations telles que HIPAA, etc.

Mais nous ne faisons pas cela uniquement pour la technologie. Bien sûr, nous le faisons pour surfer sur la vague, mais cela présente également une valeur commerciale importante au final.

Franchement, cela me facilite un peu la vie, car nous devons tous demander un budget. N'est-ce pas ? Et soudain, nous passons de... excusez-moi de le dire, mais de la plomberie.

Oui. Parce que nous sommes parfois considérés comme des plombiers lorsque nous créons des intégrations, et tant que la plomberie fonctionne, tout va bien.

Mais aujourd'hui, nous sommes vraiment en train de passer à une approche stratégique en raison de tout ce dont nous avons discuté aujourd'hui. Cela n'est pas possible sans une bonne approche d'intégration.

Oui, cela implique également les API, la gestion des API bien sûr. Mais pour nous, c'est vraiment un changement radical.

Nous avons donc parlé de la prise de décision accélérée, n'est-ce pas ? Il est parfois difficile d'attribuer une valeur monétaire directe à cela, mais quand on pense à un projet de recherche, plus tôt je peux déterminer si c'est la bonne voie à suivre ou non, plus je peux économiser de l'argent, car je n'ai pas besoin d'aller jusqu'au bout pour constater que le résultat est médiocre.

Agilité, sécurité et conformité, c'est vrai. L'architecture d'entreprise modulable nous aide vraiment à être plus agiles tout en assurant la sécurité de l'entreprise.

C'est extrêmement important, en particulier lorsqu'il s'agit d'IA agentique. Bon nombre de ces agents peuvent parfois accéder à des données auxquelles ils ne devraient probablement pas avoir accès, car ils ne se font pas passer pour vous.

Ils pourraient utiliser un utilisateur d'intégration générique qui dispose de droits sur toutes les données. Il est donc essentiel de bien réfléchir à cette question, mais cette architecture est vraiment utile dans ce cas.

Collaboration interfonctionnelle. C'est également très important pour nous, car cela change vraiment notre rôle.

Nous passons du rôle de gardien à celui de facilitateur stratégique. Oui, et je dirais que c'est également très gratifiant pour notre équipe, car c'est un rôle très différent.

On ne se contente pas de nous donner des ordres à exécuter, nous sommes désormais de véritables partenaires stratégiques et catalyseurs stratégiques. Qui n'apprécie pas de pouvoir énumérer les optimisations de coûts ? Certes, nous ne disposons pas encore de chiffres précis, mais il est déjà évident que la réduction des tâches manuelles, en particulier la réduction des tâches redondantes, ou l'automatisation permettent de réaliser d'importantes économies.

Et comme nous l'avons mentionné précédemment, l'innovation nous permet d'avancer beaucoup plus rapidement, ce qui est pour moi un résultat très important. Je dis souvent que nous devons nous effacer devant l'entreprise.

Oui. Ainsi, ils ne nous perçoivent pas comme un obstacle qui dit « attendez, attendez, attendez, nous avons une procédure opérationnelle standard ici ou nous avons ces processus ».

Et gagner en vitesse. J'ai beaucoup réfléchi à ce projet, à tous les défis qu'il représentait.

Et bon nombre d'entre elles ne sont pas liées à la technologie. La première est la gouvernance par opposition à l'autonomie.

Je ne sais pas combien d'entre vous ont déjà eu affaire à des data scientists. Ils sont vraiment habitués à faire tout ce qu'il faut.

En utilisant ces mots et tout ce qu'ils veulent. Oui, ils sont vraiment habitués à charger des données sur leurs ordinateurs portables, à exécuter leurs modèles sur leur ordinateur portable, et maintenant nous arrivons et nous leur disons non, non, non, non, maintenant nous avons cette belle vision des données, nous devons nous conformer, nous avons ces processus de gouvernance.

Il s'agit donc d'un équilibre très délicat, qui nécessite beaucoup d'éducation. Et parfois, il faut aussi changer d'approche.

Comme nous devons, par exemple, modifier notre définition du produit de données afin de permettre une utilisation plus rapide des données. Parce que la prochaine étape, c'est la vitesse contre la perfection, n'est-ce pas ? Vous pouvez passer des mois ou des années à définir le produit de données parfait, mais est-ce toujours la bonne approche ou voulez-vous simplement dire « allons-y, récupérons les données » ?

Il pourrait s'agir de données presque brutes, surtout en science des données, où les données brutes sont suffisantes, n'est-ce pas ? Soyez donc plus flexible. Qualité et fiabilité des données.

Oui, c'est vrai, c'est du libre-service, mais nous devons nous assurer qu'ils utilisent des données propres, validées et cohérentes. Oui.

Ce qui représente également un défi lorsque vous autorisez l'ingestion de données en libre-service ou le téléchargement de fichiers en libre-service. Exactement.

Il faut donc ici aussi être très prudent. Pour moi, cela va de soi, mais parfois, ce n'est pas l'accès au système source.

Parfois, cela nous prend beaucoup de temps pour obtenir un accès physique au système source, car le responsable du système, pour une raison quelconque, met une éternité à obtenir l'autorisation d'y accéder. Oui.

Sécurité et conformité, nous en avons déjà un peu parlé. La conformité est essentielle, en particulier dans un secteur fortement réglementé comme celui de l'industrie pharmaceutique.

Nous devons vraiment nous assurer que nous respectons les règles. Le RGPD, la loi HIPAA et toutes les autres réglementations tout en permettant l'accès aux données.

Et puis, nous parlons beaucoup du développement citoyen, mais c'est en réalité un défi que de donner les moyens aux utilisateurs et de s'assurer qu'ils ont les compétences nécessaires pour le faire eux-mêmes. Points clés à retenir.

La première est en fait une suite logique pour le développement citoyen. Ne pensez pas uniquement à la technologie, d'accord.

Pour disposer d'un modèle opérationnel ciblé basé sur les données, oui, bien sûr. Vous devez vous réorganiser, vous recentrer, vous doter d'une technologie performante, mais aussi penser à vos collaborateurs.

Il faut permettre à l'organisation et aux personnes de le faire elles-mêmes. Oui, car le libre-service signifie que la personne qui le fait doit être capable de le faire.

Le suivant est également intéressant. La technologie n'améliore pas les mauvais processus.

Oui. Les cadres agencés ne corrigeront pas vos mauvais processus.

Oui, parfois, il faut repenser ses processus. Il faut changer ses règles pour réussir.

Et puis, bien sûr, nous parlons beaucoup du libre-service. Et aussi d'une stratégie axée sur les API.

Vous savez, c'est quelque chose que je considérais comme acquis depuis 20 ans, et maintenant, tout à coup, il faut convaincre les gens qu'ils devraient peut-être commencer par une API. C'est tout nouveau pour moi.

J'ai également dû réapprendre et responsabiliser davantage les gens en leur expliquant pourquoi l'API first est si importante, en particulier dans une IA génétique. Lorsque le MCP a fait son apparition, certains articles annonçaient la mort des API, affirmant qu'elles n'étaient plus nécessaires. Cela a donné lieu à un débat très animé au sein de notre entreprise, mais nous avons conclu que c'était en fait tout le contraire.

Vous avez besoin de plus d'API pour assurer le succès du MCP. Les trois derniers points sont en fait des éléments supplémentaires dont je n'ai pas parlé aujourd'hui, mais que vous devez garder à l'esprit.

N'est-ce pas ? Je pense que Jeremy a déjà fait allusion à l'intégration événementielle. Ce n'est pas nouveau.

En fait, cela existe depuis un certain temps déjà, mais pour nous, quand on regarde le transfert de données, je n'ai pas besoin d'une actualisation complète de mes données chaque semaine, chaque jour ou même de manière incrémentielle. Je devrais peut-être utiliser des événements ou des approches de streaming d'événements comme la capture des données modifiées pour toujours disposer des données les plus récentes, en particulier dans les environnements agencés.

Il est essentiel que vos données soient toujours à jour. Les architectures orientées événements pourraient donc devenir plus pertinentes dans ce domaine lorsqu'il s'agit de la fraîcheur des données.

Et puis, bien sûr, le MCP et l'IA agénétique. Nous travaillons activement sur tous ces aspects, mais nous n'avons pas eu assez de temps pour les aborder tous dans ce court laps de temps.

Et puis, tirez vraiment parti de l'IA chaque fois que vous le pouvez. Dans tous les aspects de la création d'API, avec le snap GBT, en matière de qualité des données, en matière de transformations de données, oui.

Cela aide vraiment les gens à aller plus vite. Il faut toujours voir le bon côté des choses.

J'espère qu'il ne nous remplacera pas. J'espère qu'il nous donnera les outils nécessaires pour agir rapidement et nous permettra de consacrer plus de temps aux choses importantes.

Et puis j'ai complètement perdu la notion du temps parce que le minuteur a fonctionné à l'envers, mais je pense que tout va bien et que nous avons un peu de temps pour les questions.

Merci beaucoup. C'était fascinant et vraiment intéressant de découvrir l'étendue du travail que vous accomplissez tous.

Vous avez donc abordé un large éventail de sujets, allant de la modernisation des systèmes aux processus d'application de visualisation des données, etc. Réfléchissez à vos questions difficiles.

Vous avez un expert captif au milieu de l'un de ces projets, mais je vais peut-être commencer. Tout d'abord, je pense que l'un des aspects dont nous discutons dans le cadre de la modernisation des systèmes hérités est la manière de monter le dossier commercial pour le faire.

Et d'après mes derniers calculs, je pense que votre équipe est en train de migrer au moins cinq solutions middleware héritées, en totalité ou en partie, afin de moderniser ces systèmes. D'après ce que j'ai compris, cette décision a été motivée par l'analyse de rentabilité et les avantages commerciaux de votre projet, et non nécessairement par la fin de vie de ces systèmes.

Mais pourriez-vous nous expliquer un peu comment l'équipe de Boehringer Ingelheim envisage la modernisation, car je sais que vous êtes également très responsable sur le plan financier dans la gestion de l'entreprise. Comment avez-vous abordé ce défi ?

En fait, c'était une double approche. Je ne sais pas vraiment qui a été la poule et qui a été l'œuf.

Tout d'abord, il était nécessaire de moderniser, car nous avons également examiné certains des calendriers ici. Nous avons des éléments très anciens qui ne sont plus pris en charge.

Il s'agit donc ici d'un calcul très simple basé sur le risque, où les gens sont réticents à accepter de l'argent en main propre. Mais si vous ajoutez à cela, et c'est là que je dirais que la vague JetGPT a vraiment aidé, car comme je l'ai dit, cela devient soudainement stratégique et vous devenez un catalyseur stratégique avec votre technologie pour beaucoup de ces cas d'utilisation.

Je pense que nous sommes toujours confrontés à certains défis, pas nécessairement dans le choix d'un outil et la volonté de modernisation, mais parfois dans le fait que les entreprises avancent un peu plus lentement ou ne ressentent pas le besoin de se moderniser. Encore une fois, la fin de vie aide, et l'impact stratégique aide vraiment dans ce domaine.

Excellent. Il s'agit donc d'une double approche visant à montrer clairement qu'il ne s'agit pas simplement d'un exercice neutre sur le plan commercial.

Il y a vraiment un intérêt à mener cet exercice. Bien sûr, les utilisateurs professionnels doivent participer aux tests d'acceptation et soutenir le projet.

Eh bien, j'ai beaucoup de questions. Je peux monopoliser le temps, mais avons-nous des questions de la part des participants ? N'hésitez pas à lever la main.

Nous avons des microphones. On dirait qu'il y en a un ici.

Je sais qu'aucun d'entre nous ne veut en parler, mais en substance, tôt ou tard, l'IA va supprimer des emplois. Et cela concerne davantage les organisations comme la vôtre, qui sont assez anciennes ou peut-être aussi traditionnelles en interne.

Comment vous gérez ça ? Comment vous enjolivez ce message ?

Je ne crois pas qu'il faille enrober la réalité. Je pense que ces conversations difficiles seront un défi pour nous tous.

Je pense en fait que pour une entreprise comme Boehringer, c'est probablement plus difficile, car elle existe depuis très longtemps. Tout au long de son histoire, elle n'a connu que la croissance.

Oui. Et maintenant, ce sont là des défis difficiles à relever.

À l'heure actuelle, l'accent est vraiment mis sur l'amélioration des compétences des personnes. Oui, nous avons parlé tout à l'heure de la formation à l'IA, par exemple.

Nous avons en fait lancé ce que nous appelons la DataX Academy, que nous utilisons pour former nos collaborateurs à l'analyse des données et aux sujets liés à l'IA. Je pense que c'est essentiel.

Comme je l'ai dit, il faut toujours voir le bon côté des choses. J'espère également qu'il y aura un équilibre, mais je veux dire que nous voyons déjà qu'au moins l'IA agentique est utilisée comme raison pour licencier des gens.

Je ne sais pas, j'aime toujours parler à des personnes au service d'assistance, si elles savent ce qu'elles font, plutôt que de parler à un chatbot. Mais cela aura un impact.

Je pense qu'en tant que société, nous devons également y faire face. C'est un défi, et pour moi, cela doit faire l'objet d'une conversation ouverte.

Nous devons y réfléchir. Nous devons également réfléchir à la reconversion professionnelle, afin que d'autres emplois puissent être créés pour les gens.

Je veux dire, rien que dans l'ingénierie, on parle beaucoup du codage par octets. Est-ce que cela va remplacer les ingénieurs logiciels ? Un de mes amis a participé à un projet interne où cinq ingénieurs seniors se sont vraiment concentrés sur l'utilisation du codage par octets.

Et oui, vous pouvez réduire l'effort. Mais vous savez qu'il y a aussi une pénurie de main-d'œuvre qualifiée, donc j'espère que nous pourrons trouver un équilibre à ce niveau-là.

Je reste optimiste. D'après ce que nous observons au sein de la communauté SnapLogic, le travail actuellement effectué pour mettre en œuvre ces systèmes se concentre généralement sur des domaines où les ressources sont déjà limitées. Donc, pour l'instant, nous ne constatons pas d'automatisation à grande échelle, ni même d'automatisation complète d'un domaine.

Au contraire, nous constatons que les principaux cas d'utilisation concernent généralement quelqu'un qui se manifeste et dit : « Hé, je ne devrais pas faire ça, mais je le fais tout le temps. » Et généralement, il s'agit d'un processus à contexte élevé qui, comme vous le savez, implique à la fois des données non structurées ou semi-structurées et des données structurées, ce qui nécessite qu'un être humain fasse le lien entre ces deux mondes, puis exécute le processus.

Et donc, la plupart des cas que nous voyons proviennent de personnes qui disent : « Je suis l'expert dans ce domaine. Je passe un temps démesuré à faire cette chose. »

Veuillez automatiser cette tâche afin que je puisse me consacrer à d'autres choses que je souhaite accomplir. Et je pense que l'autre aspect que nous n'apprécions pas nécessairement est l'impact et les gains dans l'espace positif.

Et même dans les domaines où nous constatons ce gain de productivité, vous avez mentionné l'assistance, par exemple, et les déviations d'assistance. La plupart des entreprises avec lesquelles j'ai travaillé et qui constatent un impact important sur les déviations d'assistance, l'un des membres de notre conseil consultatif des DSI a déclaré avoir constaté une réduction de 85 % ou une automatisation des déviations des demandes de services RH.

Ils embauchent des partenaires RH supplémentaires pour se rapprocher de l'entreprise, car ils constatent que cette nouvelle façon de travailler a un impact stratégique plus important. Je pense donc que la situation va rester très floue et que les statistiques que nous voyons... Hier soir, lors d'un dîner, j'ai discuté avec un analyste qui m'a dit : « Vous savez, ce que nous constatons, c'est que beaucoup de licenciements sont imputés à l'IA, mais aucun d'entre eux n'est dû à l'IA. »

Donc, c'est un domaine assez flou pour l'instant. Je ne pense pas qu'il faille enjoliver les choses, mais je pense qu'il faut privilégier la vérité plutôt que l'ego et les perceptions, et essayer de comprendre ce qui se passe réellement avec un peu de rigueur.

D'autres questions ? Au premier plan.

Ralf, vous avez mentionné que vous travaillez principalement pour une entreprise de R&D, n'est-ce pas ? J'ai travaillé avec de nombreuses entreprises pharmaceutiques et j'ai constaté que le processus entre la découverte et la commercialisation est généralement long.

Pensez-vous que cela aura un impact positif à l'avenir ? Absolument. Ou avez-vous constaté des effets négatifs jusqu'à présent ?

Je dirais que nous voyons les premiers résultats. Oui.

Je veux dire, IA ou pas, mais pour moi, la COVID a vraiment changé la donne, non ? À quelle vitesse tout le monde peut soudainement vacciner les gens. Oui, ça a pris entre six et douze mois, pas dix ans.

Je pense que lorsque vous examinez également certaines évolutions aux États-Unis, comme la pression accrue sur les prix, etc., vous devrez peut-être compenser la perte de revenus de certains de vos médicaments phares par de nouveaux produits. Vous devez donc être en mesure de développer plus rapidement et à moindre coût, n'est-ce pas ?

Je veux dire qu'aujourd'hui, c'est encore beaucoup fait à la main, je dirais. Dans les laboratoires, on voit beaucoup d'automatisation, mais maintenant, c'est peut-être encore plus, et ce n'est pas seulement dans la recherche, c'est aussi dans les processus réglementaires.

Vous savez, si vous déposez une demande auprès de la FDA juste pour créer toute cette documentation que vous devez soumettre pour obtenir l'autorisation, vous passez du fait main à la génération par IA. Vous pouvez donc vraiment accélérer les processus.

Mais quand on pense au nombre d'essais et d'erreurs, au nombre de molécules qu'il faut examiner pour obtenir un produit final, oui, je pense qu'il y a un potentiel énorme, mais je pense que nous n'en sommes qu'au début. Et pour compléter la question précédente, cela permettra en quelque sorte de compenser, car on pourra faire plus de découvertes grâce à l'automatisation. Il n'y aura donc pas beaucoup de pertes d'emplois dans ce domaine.

Vous pouvez ainsi utiliser vos ressources pour en faire plus avec les mêmes moyens, car vous pouvez agir plus rapidement.

D'accord. On peut en prendre un ou deux.

Je dépasse clairement le temps imparti, car c'est ma partie préférée de la session. Y a-t-il d'autres questions dans la salle ? Des mains levées ? Oh, mince.

Je pourrais, mais je vais devoir monopoliser ton temps tout seul plus tard.

D'accord. Bon, si tu paies un verre.

D'accord. Eh bien, merci beaucoup.

Nous vous sommes très reconnaissants de nous avoir accordé votre temps et d'avoir partagé ce travail avec nous. C'est vraiment un honneur.