
Ce que l'IA change en market access : veille, revue de littérature, modèles, dossiers et garde-fous
L'IA accélère la veille, la revue de littérature, la modélisation et la rédaction des dossiers d'accès au marché. Ce qu'elle change, ses limites et les garde-fous à poser.
18 novembre 2026 · Digital Pharma Lab
L'intelligence artificielle accélère surtout quatre tâches du market access : la veille, la revue de littérature, la modélisation médico-économique et la rédaction des dossiers. Elle ne remplace ni le jugement des équipes ni la responsabilité du laboratoire devant la Haute Autorité de santé (HAS) et le Comité économique des produits de santé (CEPS). Son intérêt dépend des garde-fous posés : sources tracées, validation humaine, données protégées.
À jour au 18 novembre 2026.
Où l'IA fait-elle gagner du temps en market access ?
Le market access est un métier de documents et de preuves. Une équipe lit des centaines de publications, suit les avis des autorités, construit des modèles, rédige des dossiers longs et très normés, puis répond aux questions des évaluateurs. Une grande partie de ce travail consiste à chercher, trier, résumer et reformuler : c'est précisément là que les modèles de langage sont utiles.
Les gains se concentrent sur quatre familles de tâches :
- la veille : avis de la Commission de la transparence et de la CEESP, décisions d'accès précoce, rapports européens, publications scientifiques ;
- la revue de littérature : recherche, sélection des études, extraction des données ;
- la modélisation : documentation, contrôle et analyse de sensibilité des modèles médico-économiques ;
- la rédaction : premières versions de sections de dossier, synthèses, réponses structurées aux questions des autorités.
Dans chacun de ces cas, l'IA produit un brouillon ou une proposition. La décision, la validation et la signature restent humaines.
Comment l'utiliser pour la veille ?
Les sources officielles publient beaucoup. La HAS met en ligne les avis de ses commissions et ses décisions d'accès précoce ; l'évaluation clinique commune européenne, prévue par le règlement (UE) 2021/2282, ajoute ses propres rapports. Un assistant peut résumer chaque nouvel avis dans un format constant : indication, comparateurs retenus, niveau de SMR et d'ASMR, points de discussion, réserves.
La valeur vient de la constance et de la traçabilité. Une fiche de veille utile renvoie toujours au document d'origine, cite le passage qui fonde chaque affirmation, et signale ce que l'outil n'a pas pu lire. Un résumé sans lien vers sa source ne doit pas circuler.
Peut-on confier une revue de littérature à l'IA ?
Une revue systématique de la littérature reste une méthode, avec un protocole, des critères d'inclusion, une double sélection et une extraction contrôlée. L'IA peut accélérer chaque étape sans en changer les règles :
- proposer des équations de recherche, que l'équipe relit et ajuste ;
- pré-trier les titres et résumés, avec une vérification humaine des exclusions ;
- extraire des données dans une grille, avec un contrôle sur échantillon ou en double ;
- repérer les incohérences entre publications d'un même essai.
Le point de vigilance est l'erreur silencieuse : une étude oubliée, un chiffre mal recopié, une référence inventée. Une revue assistée par IA doit donc documenter ce que l'outil a fait, ce que les personnes ont vérifié, et rester reproductible. La HAS a publié, à l'intention des professionnels de santé, des premières clefs d'usage de l'IA générative en santé qui insistent sur le contrôle des contenus générés.
Que peut-elle apporter aux modèles médico-économiques ?
Un modèle médico-économique est jugé sur sa méthode, ses données et la clarté de ses hypothèses, au regard du guide de 2020 de la HAS Choix méthodologiques pour l'évaluation économique à la HAS. L'IA ne choisit pas ces hypothèses à la place des modélisateurs. Elle aide en revanche à :
- documenter le modèle, hypothèse par hypothèse, à partir du code ou du tableur ;
- relire le code et repérer des erreurs de formule ou de référence ;
- préparer et décrire des analyses de sensibilité et de scénarios ;
- vérifier la cohérence entre le modèle, le rapport technique et le dossier clinique.
Ces usages répondent à des réserves fréquentes de la CEESP : hypothèses peu justifiées, incertitude mal explorée, modèle difficile à relire. Nous les détaillons dans notre article sur l'avis d'efficience.
Et pour la rédaction des dossiers ?
Un dossier de transparence, une demande d'accès précoce ou un dossier médico-économique suivent des modèles précis (voir nos articles sur le dossier de transparence et l'accès précoce). L'IA peut produire une première version d'une section à partir des documents validés, harmoniser la terminologie, vérifier que chaque revendication renvoie à une donnée, ou préparer des réponses structurées aux questions des évaluateurs.
Elle ne doit jamais inventer une donnée, un résultat ou une référence. Une règle simple aide : tout chiffre d'un dossier provient d'un document source identifié, et une personne a vérifié la correspondance. La rédaction assistée reste soumise au circuit de relecture médicale, réglementaire et juridique habituel du laboratoire.
Quelles limites garder en tête ?
Les modèles de langage ont des défauts connus, qui comptent davantage en market access qu'ailleurs, parce que chaque erreur peut se retrouver dans un document déposé auprès d'une autorité.
- Ils peuvent inventer une référence, un résultat ou une citation, avec le même aplomb qu'une information exacte.
- Leurs connaissances ont une date : sans accès aux sources à jour, ils ignorent une doctrine révisée, un nouvel avis ou un texte modifié.
- Ils reproduisent les biais de ce qu'on leur donne à lire : une sélection d'articles partielle produit une synthèse partielle.
- Leurs réponses varient d'une exécution à l'autre, ce qui complique la reproductibilité d'une méthode.
Aucune de ces limites n'interdit l'usage. Elles imposent de travailler à partir de documents fournis à l'outil, et non de sa mémoire, et de vérifier ce qui sort.
Quels garde-fous poser ?
Les garde-fous sont ce qui rend l'IA utilisable dans un métier où chaque affirmation peut être contestée. Les plus utiles sont concrets :
- choisir des outils d'entreprise dont les conditions excluent l'usage des données pour entraîner les modèles, avec des engagements de confidentialité adaptés ;
- ne jamais saisir de données de santé identifiantes dans un outil qui n'est pas prévu pour cela, dans le respect du règlement général sur la protection des données (les données de santé y sont des données sensibles, article 9) ;
- exiger des sources : chaque sortie renvoie aux documents utilisés, et ce qui n'est pas sourcé n'est pas repris ;
- valider humainement toute production destinée à un dossier ou à une autorité, avec une trace de cette validation ;
- documenter l'usage : outil, version, consignes, étapes concernées, pour pouvoir l'expliquer à un évaluateur ;
- former les équipes aux usages, aux limites et aux erreurs typiques des modèles de langage.
Un outil d'entreprise réduit les risques ; il ne dispense d'aucun des autres garde-fous.
Que dit le cadre réglementaire ?
Le règlement (UE) 2024/1689 sur l'intelligence artificielle (AI Act), modifié en 2026 par le règlement (UE) 2026/1744 « omnibus numérique sur l'IA », encadre les systèmes d'IA selon leur niveau de risque. Les usages décrits ici, recherche, synthèse et rédaction, ne figurent pas en général parmi les systèmes à haut risque qu'il énumère ; chaque cas se vérifie toutefois au regard du texte. Il impose aussi aux fournisseurs et aux déployeurs de systèmes d'IA (un laboratoire qui utilise un outil d'IA dans son activité est un déployeur) de prendre des mesures pour favoriser le développement de la maîtrise de l'IA de leur personnel, sans exiger un niveau précis pour chaque personne (article 4, réécrit par le règlement 2026/1744).
Le traitement de données personnelles, et a fortiori de données de santé, reste soumis au RGPD. Enfin, la responsabilité du contenu d'un dossier déposé auprès de la HAS reste celle du laboratoire, quel que soit l'outil utilisé pour le préparer. Notre Playbook IA Pharma & MedTech détaille ce cadre, par type et par taille d'entreprise.
Par où commencer ?
Commencez par une tâche à fort volume et à faible risque, comme la veille des avis publiés, avant de passer aux revues de littérature puis à la rédaction. Mesurez le temps gagné et le taux de corrections nécessaires : ce sont deux indicateurs simples pour juger si l'outil aide.
Pour gouverner ces usages dans la durée, inventorier vos outils IA, évaluer leur niveau de conformité et suivre une feuille de route, vous pouvez vous appuyer sur AI Compass et sur notre expertise IA en santé. Pour les dossiers eux-mêmes, découvrez notre expertise market access.
Cet article informe sur le cadre général ; il ne remplace pas un avis réglementaire ou juridique adapté à votre situation.
Sources
- Règlement (UE) 2024/1689 sur l'intelligence artificielle (EUR-Lex)
- Règlement (UE) 2026/1744, omnibus numérique sur l'IA (EUR-Lex)
- Règlement (UE) 2016/679, règlement général sur la protection des données (EUR-Lex)
- Règlement (UE) 2021/2282 concernant l'évaluation des technologies de la santé (EUR-Lex)
- HAS : Premières clefs d'usage de l'IA générative en santé
- HAS : Choix méthodologiques pour l'évaluation économique à la HAS
Sources consultées le 18 novembre 2026.
À lire aussi
Nos expertises sur ce sujet
- Market access
Construire des stratégies d'accès robustes, des évaluations médico-économiques solides et des dossiers HAS qui résistent à l'examen.
- L'IA en santé
Intégrer l'intelligence artificielle dans les organisations de santé, de la stratégie au déploiement opérationnel.
