Comment la FDA bâtit un socle de données sécurisé et prêt pour l'AI sur Databricks for Government

Moderniser une plateforme de données fédérale ressemble un peu à piloter un porte-avions tout en reconstruisant son moteur en plein océan : la mission ne peut pas s'arrêter, même si les systèmes sous-jacents sont en cours de transformation. C'est le défi que la U.S. Food and Drug Administration (FDA) a décrit lors de sa session au Data + AI Summit intitulée Comment la FDA déploie une AI sécurisée à l'échelle avec Databricks for Government.

Pour la FDA, les enjeux sont particulièrement élevés. Un Américain sur trois est concerné par une décision de la FDA chaque jour, l'organisme régule 20 cents de chaque dollar dépensé par les consommateurs américains, et ses plus de 16 000 employés travaillent dans 200 bureaux et laboratoires couvrant plus de 300 catégories de produits. Dans un tel environnement, les données ne sont pas une fonction de support ; elles constituent un impératif de santé publique.

C'est pourquoi le débat autour de l'AI dans le secteur public évolue. La question n'est plus de savoir si les agences doivent utiliser l'AI, mais comment elles peuvent l'opérationnaliser en toute sécurité dans des environnements qui exigent une gouvernance, une auditabilité et une conformité rigoureuses dès le premier jour. Ce blog présente les piliers fondamentaux nécessaires pour prendre en charge des charges de travail AI sécurisées et critiques dans des environnements FedRAMP et IL5 : modèles de sécurité d'infrastructure-as-code, accès gouverné aux modèles, traçabilité et auditabilité, et configurations réseau requises pour connecter Unity Catalog aux bonnes sources de données.

Pourquoi la sécurisation de l'AI dans le secteur public commence par la préparation de la plateforme

Les agences gouvernementales opèrent souvent sous certaines des exigences les plus strictes au monde. Databricks on AWS GovCloud est conçu pour ces charges de travail réglementées qui traitent et analysent des données soumises au contrôle des exportations (ITAR/EAR), des données réglementées par FedRAMP High, DoD IL5, ou qui traitent d'autres informations sensibles comme les dossiers de santé et les systèmes financiers fédéraux qui ne peuvent pas être gérés dans un environnement cloud standard.

Mais la conformité seule ne fait pas tout. Le point le plus important est la rapidité de création de valeur. Dans le cadre de cette session, Databricks a mis en avant une architecture de référence de sécurité et un modèle de déploiement basé sur Terraform conçus pour aider les clients à mettre en place rapidement un environnement renforcé, prêt pour la production et l'audit, avec des contrôles intégrés tels que PrivateLink, des clés gérées par le client et le profil de sécurité de conformité.

Le défi de la FDA : moderniser sans perturber la mission

Le parcours de modernisation de la FDA a commencé par un problème bien connu : des données cloisonnées, des efforts dupliqués, des pipelines incohérents et une surcharge opérationnelle trop importante répartie sur plusieurs centres et programmes. Les analystes et les scientifiques passaient trop de temps à chercher et à rapprocher les données au lieu d'en tirer des enseignements. Parallèlement, l'écart se creusait entre la mission scientifique et réglementaire de l'agence et ce que son infrastructure pouvait prendre en charge.

La réponse de l'agence a été de créer HALO (Harmonized AI and Lifecycle Operations for Data), sa plateforme de données d'entreprise, comme une base sécurisée, gouvernée et prête pour l'AI. Après avoir commencé son parcours avec Databricks en 2020 avec la modernisation d'un environnement hérité, le passage de la FDA à Databricks on AWS GovCloud en 2025 a débloqué les avantages de Unity Catalog et d'autres fonctionnalités de l'environnement Databricks. Unity Catalog a fourni à la FDA une couche de gouvernance unique et ouverte pour les données et l'AI, leur permettant de découvrir, gérer et partager en toute sécurité des actifs de confiance à travers les régions, les formats et les outils, avec moins de complexité et à moindre coût, tout en accélérant l'obtention d'insights.

L'architecture adoptée par la FDA est multi-tenant : plusieurs centres de réglementation partagent une base de plateforme commune tout en conservant leurs propres espaces sécurisés et gouvernés. Lors de la session, la FDA l'a décrite comme un modèle d'immeuble d'habitation, où tout le monde partage l'infrastructure mais où chaque locataire a sa propre serrure et ses propres règles. Avec Unity Catalog, il est devenu beaucoup plus facile de partager des données entre les centres sans perdre la gouvernance.

Trois étapes clés qui ont changé la trajectoire

Dans le parcours de la FDA, trois étapes clés ont défini la transformation. La première a été le parrainage de l'autorisation FedRAMP High, qui a été le prérequis indispensable pour débloquer tout le reste. La deuxième a été la migration vers AWS GovCloud. La troisième a été Unity Catalog, qui a fourni à l'agence la base de gouvernance dont elle avait besoin pour une AI sécurisée et évolutive.

L'ampleur de ces étapes clés est ce qui rend cette histoire particulièrement captivante. La FDA a migré plus de 5 000 utilisateurs et plus de 8 000 tâches et pipelines sans aucune interruption de service, permettant aux scientifiques et aux analystes de poursuivre leur travail sans interruption pendant que l'agence reconstruisait les fondations sous leurs pieds. Elle a également refactorisé plus de 1 000 pipelines de données et plus de 4 000 notebooks dans le cadre de la migration vers Unity Catalog.

La FDA utilise le calcul serverless Databricks, le service de déploiement de modèles (model serving), Unity Catalog et Genie pour moderniser des centaines de tableaux de bord hérités en expériences interactives optimisées par l'AI, éliminant ainsi la dette technique et accélérant l'impact sur sa mission.

L'impact - Ce que la modernisation a apporté concrètement

Pour la FDA, il ne s'agissait pas seulement d'un nettoyage de l'infrastructure. C'était un changement opérationnel mesurable. L'agence a déclaré qu'en quelques mois seulement, elle avait intégré huit centres et 30 programmes sur sa plateforme de données d'entreprise et consolidé plus de 40 sources de données couvrant les systèmes d'application et de soumission. Cette consolidation a amélioré la collaboration au sein de l'agence, accru la transparence et renforcé sa posture de sécurité.

Elle a également généré des gains opérationnels quantifiables. Selon la FDA, les SQL warehouses ont amélioré les temps de réponse des requêtes de plus de 30 % pour les charges de travail BI, les coûts de calcul ont chuté de plus de 20 %, le temps consacré au provisionnement, à la gestion des autorisations et au partage des données a diminué de plus de 75 %, et la surcharge opérationnelle a baissé de plus de 35 %.

L'adoption par les utilisateurs raconte la même histoire. La FDA a commencé avec environ 500 utilisateurs en 2020, en compte aujourd'hui plus de 6 000 sur la plateforme, et s'attend à ce que ce nombre dépasse les 10 000 d'ici 2028.

Permettre une AI responsable pour le travail réglementaire

L'un des thèmes les plus importants à souligner ici est que le programme de modernisation de la FDA ne visait pas à faire de l'AI pour le plaisir de faire de l'AI. Il s'agissait de permettre une AI responsable dans un environnement réglementaire fédéral. L'agence a intégré Halo à Elsa, sa plateforme d'AI d'entreprise, pour soutenir l'innovation en matière d'AI à l'échelle, avec des cas d'usage d'AI déjà en production, en phase pilote et plus de 10 en cours de déploiement.

Un exemple phare est MARS, l'initiative de la FDA visant à moderniser et accélérer les soumissions réglementaires. MARS utilise Databricks intégré à Elsa pour aider les évaluateurs à analyser d'importants volumes d'informations structurées et non structurées associées aux demandes d'autorisation de médicaments et de dispositifs, y compris les résultats d'essais cliniques, les données de sécurité et l'étiquetage. L'objectif est de transmettre plus rapidement les bonnes informations au bon évaluateur, de réduire le temps consacré à la préparation des données (data wrangling) et de soutenir des décisions réglementaires mieux informées.

Tout aussi important, la FDA a mis l'accent sur une approche avec intervention humaine (human-in-the-loop) : l'AI effectue le travail de base et enrichit l'expertise des scientifiques et des évaluateurs, mais ne les remplace pas.

Leçons pour les autres agences déployant une AI sécurisée à l'échelle

Le parcours de la FDA met en lumière plusieurs leçons qui résonnent dans l'ensemble du secteur public. Premièrement, l'engagement des parties prenantes n'est pas un événement ponctuel ; c'est un engagement continu car chaque centre a des besoins, des calendriers et des tolérances au risque différents. Deuxièmement, la planification de la sécurité doit commencer tôt car, dans un environnement FedRAMP High, chaque décision d'architecture a des répercussions en aval.

La FDA a également souligné l'importance de concevoir pour la flexibilité plutôt que de coder des configurations en dur, d'adopter des migrations par vagues plutôt que des transitions brutales (big-bang), et de traiter un partenariat solide avec les fournisseurs comme un atout opérationnel plutôt que comme une simple case à cocher lors de l'achat.

Le message de clôture de la session était particulièrement clair. L'autorisation est un accélérateur. La gouvernance est le prérequis indispensable pour l'AI. Et la modernisation à grande échelle peut progresser plus rapidement lorsque les équipes mènent des flux de travail critiques en parallèle au lieu d'attendre la perfection.

Un modèle pour une AI prête pour la mission

L'histoire de la FDA montre que la sécurisation de l'AI dans le secteur public ne consiste pas à greffer des modèles sur des systèmes hérités. Il s'agit de bâtir la base de données gouvernée, l'architecture sécurisée et la discipline opérationnelle nécessaires pour rendre l'AI utile dans des environnements à enjeux élevés.

Pour les dirigeants du secteur public, c'est peut-être la leçon la plus importante de toutes. Lorsque la gouvernance est intégrée dès le départ, la modernisation fait plus que réduire la dette technique. Elle crée la base nécessaire pour mettre l'AI entre les mains des scientifiques, des analystes et des décideurs, de manière sécurisée et responsable, au service de la mission.

En savoir plus

Découvrez la session Comment la FDA déploie une AI sécurisée à l'échelle avec Databricks for Government présentée au Data + AI Summit, 2026

• Explorez le Centre de sécurité et de confiance Databricks
• Consultez les meilleures pratiques de sécurité de Databricks
• Suivez le blog sur la sécurité et la confiance
• Téléchargez le Databricks AI Security Framework (DASF)

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original