Le contexte
Une CRO européenne produit, pour ses clients, de très grands volumes de résultats expérimentaux en amont de la découverte de nouveaux médicaments. La valeur de ce travail ne réside pas uniquement dans la production des données, mais dans la vitesse à laquelle les équipes projet peuvent les analyser puis les restituer.
Le goulot d’étranglement n’était pas scientifique, il était informatique : des traitements lancés à la main, des fichiers qui circulent d’un poste à l’autre, et des analyses si longues qu’on hésite à les relancer. Cette hésitation est le vrai coût : elle réduit le nombre d’hypothèses qu’une équipe se permet d’explorer.
Ce que nous avons fait
Nous avons industrialisé la chaîne, de l’arrivée des résultats jusqu’à leur restitution.
- Industrialisation des traitements sous forme de pipelines reproductibles sur AWS, déclenchés automatiquement à l’arrivée de nouvelles données plutôt que lancés à la demande par quelqu’un qui doit y penser. Le dépôt d’un fichier sur S3 est l’événement qui déclenche tout le reste.
- Un entrepôt sur Snowflake pour que les analyses portent sur un référentiel unique et interrogeable, au lieu d’extractions dispersées dont plus personne ne connaît la fraîcheur.
- La restitution et le reporting à destination des équipes projet et, au-delà, de leurs clients : tableaux de bord Power BI pour le suivi récurrent, et un portail client servi par CloudFront derrière WAF, dont les droits d’accès et l’état des livrables sont tenus dans DynamoDB. Un portail qui expose des données de clients concurrents entre elles n’a pas droit à l’approximation sur le cloisonnement.
- La recherche par similarité dans la chimiothèque. Les structures et les résultats sont transformés en embeddings, indexés dans OpenSearch à côté des champs textuels. Une seule requête répond alors à « proche de cette structure, et testé après cette date », ce qu’aucun filtre ne sait exprimer. C’est la question que pose réellement un chimiste, et jusque-là elle se traitait de mémoire.
- Une modélisation des données pensée pour que l’ajout d’un nouveau type d’expérience ne demande pas de reconstruire la chaîne de traitement.
Le résultat
Des analyses qui se comptaient en jours se comptent en minutes. Ce n’est pas seulement un gain de temps : cela change la façon de travailler, parce que relancer une analyse avec d’autres paramètres devient banal au lieu d’être un arbitrage à demander.
Les équipes projet passent leur temps sur l’interprétation des résultats plutôt que sur la mécanique qui les produit.