ANSM logo

Veille documentaire réglementaire

Pharmaceutique – GenAI documentaire & supervision intelligente

Recherche et comparaison de documents, détection d'écarts et veille réglementaire automatisée.

La comparaison des RCP automatisée

Des agents RAG qui relèvent les écarts entre RCP et alertent les équipes de supervision

Détails du projet

Client

ANSM

Secteur

Pharmaceutique – GenAI documentaire & supervision intelligente

Année

2023

Technologies clés
OpenAILangchainLangGraphFaiss/PGVector

Mission

Lead Data Scientist / AI Architect - Regulatory GenAI

GenAI documentaire & supervision intelligente

Partenariat Theodo x Cleyrop, Paris / hybride.

Accompagnement des équipes de surveillance réglementaire par l’intégration d’agents intelligents et GenAI pour automatiser et fiabiliser la comparaison des Résumés des Caractéristiques du Produit (RCP) sur base ATC. Industrialisation de la veille pharmaceutique : extraction, structuration et analyse automatisée de grands ensembles documentaires réglementaires. Développement d’agents d’IA agentiques (au-delà des LLMs) orchestrant des tâches complexes : interrogation contextualisée via Retrieval-Augmented Generation (RAG), synthèse automatisée des écarts entre molécules, détection proactive d’anomalies, notifications dynamiques et prises d’initiatives autonomes pour la supervision. Vectorisation intelligente et structuration avancée des connaissances par embeddings sur corpus réglementaire, stockage optimisé sur bases vectorielles pour la recherche et le raisonnement contextualisé. Mise en œuvre d’algorithmes analytiques d’aide à la décision, détection d’anomalies et scoring d’écarts pour renforcer la fiabilité des analyses documentaires critiques. Déploiement de dashboards interactifs pour la restitution dynamique des anomalies et recommandations IA, production automatisée de rapports pour l’aide à la décision et l’orientation opérationnelle. Automatisation avancée via architecture objet : génération modulaire de prompts, chaînes de raisonnement complexes (planification multi-étapes), tuning de l’orchestration agentique pour maximiser la pertinence et la sécurité opérationnelle. Tests robustes (Pytest), monitoring continu des agents (metrics retrieval/generation, Langfuse) pour assurer performance, explicabilité et transparence.

Contexte et environnement

Modernisation technologique de l’ANSM en pharmacovigilance et régulation documentaire, pilotée en consortium (Theodo x Cleyrop).

Équipe

Lead Data Scientist / AI Architect, en consortium Theodo x Cleyrop

Environnement

Paris / hybride – Python, Faiss/PGVector, PostgreSQL, Langfuse, Streamlit, PowerBI

Objectifs clés

1Accélérer la comparaison des RCP.
2Automatiser la surveillance documentaire.
3Réduire le risque d'erreur humaine.
4Augmenter drastiquement l'efficacité et l'autonomie des équipes de supervision.

Technologies et infrastructure

OpenAIHuggingFace TransformersLangchainLangGraphFaissPGVectorPostgreSQLSQLAlchemyAlembicPythonStreamlitPowerBILangfusePytest

Prêt à obtenir des résultats similaires ?

Discutons de comment nous pouvons générer un impact mesurable pour votre organisation.