Construire sa propre IA : pourquoi c’est plus difficile qu’il n’y paraît

Abhay Jajoo, fondateur et PDG de Customer Insights.ai, rejoint Telmo Silva pour une conversation autour de la complexité des données dans les sciences médicales, l’architecture derrière les systèmes agents intelligents, et le vrai coût du débat entre développement interne et solutions tierces à l’ère de l’IA. Fort de 40 ans d’expérience en analytique pharmaceutique, Abhay apporte un regard concret et sans détour sur ce qu’il faut vraiment pour transformer des données d’industrie complexes en décisions qui font la différence, et pourquoi une architecture bien pensée est le seul pari qui résiste à chaque vague technologique.

Questions que nous avons posées

• Pourquoi les données pharmaceutiques sont-elles bien plus complexes que celles de n’importe quel autre secteur, et la réglementation a-t-elle vraiment changé quelque chose au fil des années ?
• Que signifie construire un système d’IA véritablement agnostique en termes de LLM, et pourquoi est-ce important quand les coûts de tokens peuvent varier du simple au centuple selon les fournisseurs ?
• Les entreprises peuvent-elles vraiment construire leurs propres systèmes d’analytique agentique, ou la vague du ‘on le fait nous-mêmes’ est-elle sur le point de se heurter à un mur ?

Ce que nous avons appris

• La complexité des données pharmaceutiques ne vient pas du volume. Elle vient de la variété : des sources différentes, des structures différentes, des règles différentes pour chaque médicament, chaque marché, chaque aire thérapeutique.
• L’architecture est reine. Être agnostique en termes de données, d’infrastructure et de LLM n’est pas une contrainte, c’est le seul choix de conception durable dans un marché où les fournisseurs changent plus vite que les contrats.
• La vague du ‘on le fait nous-mêmes’ est réelle, mais fragile. Les conseils d’administration injectent des budgets IA dans des équipes IT qui excellent à maintenir des systèmes, mais pas à résoudre des problèmes métier. La plupart des projets manquent de budget avant d’avoir quoi que ce soit à montrer.
• L’IA hyperverticale est la prochaine frontière. La troisième vague d’innovation en IA ne viendra pas de Nvidia ou d’OpenAI. Elle viendra d’entreprises spécialisées, centrées sur un secteur précis, qui encodent des décennies de connaissance métier dans des produits déployables et maintenables.

Quarante ans dans la pharma, un seul problème fondamental

Quarante ans dans la pharma, un seul problème fondamental

Abhay Jajoo a passé la première partie de sa carrière chez IMS Health, l’une des plus grandes entreprises mondiales de données pharmaceutiques, où Telmo Silva et lui ont tous deux travaillé. Ce passé commun est le socle de l’épisode. La conversation s’ouvre sur une analyse détaillée du fonctionnement réel de l’écosystème commercial pharmaceutique : prestataires, payeurs et entreprises des sciences du vivant, trois segments distincts avec des données différentes, des incitations différentes et des besoins analytiques différents. Telmo pose le contraste de façon nette : vendre une canette de Coca vous donne une traçabilité complète des données. Vendre un médicament, c’est faire face à une abstraction à chaque étape : un médecin dont l’ordonnance peut être modifiée par un pharmacien, lui-même contraint par un assureur.

Pour moi, la complexité ne vient pas du volume. Elle vient de la variété.
Abhay Jajoo, Fondateur et PDG, Customer Insights.ai

C’est cette conviction qui a façonné tout ce qu’Abhay a construit. Son premier produit, Parthenon, repose sur une observation simple : les données de prescription d’un médicament contre le cholestérol et celles d’un médicament contre le diabète sont structurellement identiques. Standardiser l’ingestion, standardiser la transformation, construire les visualisations une seule fois, et vous pouvez servir n’importe quelle entreprise pharmaceutique en quelques minutes plutôt qu’en plusieurs mois.

De Parthenon à Athena : quand les agents remplacent les workflows

Le passage de Parthenon à Athena est le pivot architectural au cœur de l’épisode. Là où Parthenon s’appuyait sur des workflows et des visualisations figés, Athena les remplace par des agents intelligents, chacun comprenant son environnement, sachant quelles données il lui faut, et opérant dans une couche d’orchestration qui les relie entre eux. L’interface utilisateur se réduit à une conversation. Les coûts de formation chutent. L’adoption s’accélère. Et les 40 applications construites sur Parthenon sont désormais redéployées une à une comme cas d’usage dans Athena.

Le choix architectural clé est l’agnosticisme : agnostique à la base de données, au fournisseur cloud, au LLM. Abhay l’illustre avec un seul chiffre. Anthropic facture 56 dollars par million de tokens. Les modèles open source facturent 56 centimes. Une entreprise qui mise sa structure de coûts sur un seul fournisseur de LLM n’est qu’à une décision tarifaire d’un modèle économique brisé. La propriété intellectuelle de Customer Insights.ai n’est pas dans l’outillage. Elle est dans les métadonnées pharmaceutiques, les workflows analytiques et les procédures opérationnelles standardisées qui indiquent aux agents quoi faire quand une question arrive.

Le piège du développement interne

Telmo et Abhay observent la même vague frapper leurs marchés respectifs. Les conseils d’administration allouent des budgets IA. Les DSI reçoivent les fonds. Des projets de recueil des besoins sur six mois se mettent en place. Les budgets de tokens s’évaporent en expérimentation. Et cinq mois plus tard, rien n’est en production.

Abhay est direct sur ce que cela entraîne : construire est facile, maintenir ne l’est pas. Un bug dans un système basé sur du prompt engineering ne se corrige pas en deux lignes. Les entreprises qui ont déjà emprunté cette voie dans d’autres secteurs commencent à faire marche arrière. Le juste milieu, selon lui, c’est une frontière claire entre ce qu’une entreprise doit maîtriser en interne et ce qu’un fournisseur spécialisé dans son secteur doit livrer : préconstruit, prévalidé et prêt à déployer.

Trois vagues, un seul pari

L’épisode se conclut sur ce qu’Abhay perçoit comme la carte de l’innovation en IA. La première vague, c’est l’infrastructure, les Nvidia et les data centers livrés à une bataille d’investissements qui se stabilisera d’ici un an. La deuxième vague, ce sont les plateformes horizontales comme Snowflake ou les CRM qui s’enrichissent d’interfaces conversationnelles. La troisième vague, encore à deux ans de distance, sera hyperverticale : des entreprises spécialisées résolvant des problèmes sectoriels spécifiques mieux que n’importe quel outil généraliste. C’est là que Telmo et Abhay placent tous les deux leurs paris. Et dans les deux cas, le fondement est le même : bien penser l’architecture avant tout le reste.