par Molly Just-Behr
« Nous avons démontré la valeur d'une plateforme de données fondamentale, et cette réussite est devenue contagieuse. »—Venu Boppana, responsable de la stratégie et de l'innovation (AI), Bureau de la transformation numérique, FDA américaine
Presque chaque Américain interagit avec la FDA avant le petit-déjeuner. L'agence réglemente les aliments que nous mangeons, les médicaments que nous prenons et les dispositifs médicaux sur lesquels nous comptons. Sur chaque tranche de 20 cents dépensée par un consommateur américain, une part concerne un produit supervisé par la FDA. Derrière cette confiance se cache un volume extraordinaire de données : un pétaoctet de documents, des centaines de gigaoctets qui arrivent quotidiennement et des milliers de soumissions réglementaires reçues chaque mois par huit centres responsables des médicaments, des produits biologiques, des dispositifs, de la médecine vétérinaire, des produits du tabac, de la sécurité alimentaire et des inspections. Pour répondre à cette demande, le Bureau de la transformation numérique de la FDA a développé ELSA, une plateforme d'AI générative accessible aux 16 000 collaborateurs de la FDA, ainsi que Halo, le socle de données gouverné sur lequel elle repose et qui fonctionne sur Databricks.
La structure organisationnelle de la FDA reflète l'étendue de son mandat. Le CDER s'occupe des médicaments. Le CBER couvre les produits biologiques. Le CDRH supervise les dispositifs. Chaque centre, ainsi que ceux chargés de la médecine vétérinaire, du tabac, des inspections et de la sécurité alimentaire, avait développé ses propres capacités d'AI de manière indépendante. Des chatbots distincts, des stockages de données séparés, une duplication importante des coûts et aucune vision unifiée des données nécessaires pour alimenter efficacement l'AI.
La direction IT a pris conscience de cette fragmentation et a lancé un effort de consolidation. En l'espace de trois à quatre mois, l'équipe a rassemblé 50 à 60 sources de données provenant des huit centres sur une plateforme Databricks unique. Le projet pilote qui a rendu cette consolidation possible a été mené par le CDER, qui avait déjà passé cinq ans à bâtir une plateforme de données sur Databricks. Le partage de données entre les centres, qui prenait auparavant quatre à s'assurer cinq jours, a été considérablement accéléré. Le streaming de données en temps réel a remplacé le traitement par lots. Lorsque les autres centres ont vu ces résultats, l'adoption a rapidement suivi.
Unity Catalog a permis de répondre aux préoccupations de sécurité qui faisaient initialement hésiter certains centres. La FDA gère des secrets commerciaux et des données réglementaires sensibles qui exigent des contrôles d'accès stricts. Unity Catalog a fourni la couche de gouvernance nécessaire pour prouver que les données pouvaient être confinées, que les ressources ne seraient pas partagées sans les approbations appropriées et qu'un accès granulaire au niveau des tables pouvait être appliqué sur l'ensemble de la plateforme.
Une fois le socle de données gouverné en place, la FDA a déployé ELSA auprès de ses 16 000 collaborateurs. Les utilisateurs peuvent choisir parmi plusieurs modèles et effectuer leur travail via une interface unique. Environ deux mois après le lancement, l'adoption est passée de moins de 1 % à 85 % du personnel de la FDA.
Ce qui a surpris l'équipe, c'est la rapidité avec laquelle l'utilisation a dépassé le simple cadre des questions-réponses. Les médecins, les scientifiques et le personnel administratif créent désormais leurs propres agents à grande échelle, avec des centaines de nouveaux agents conçus chaque semaine. Les collaborateurs prennent leurs procédures opérationnelles standard, leurs directives réglementaires et leurs documents spécifiques à chaque centre, les chargent dans des espaces de travail au sein d'ELSA et conçoivent des agents capables de répondre instantanément à des questions précises et propres à la FDA.
L'architecture qui rend cela possible superpose des serveurs MCP à Unity Catalog. L'association de données structurées et gouvernées à des outils accessibles a fait de la création d'agents une tâche à la portée de n'importe quel collaborateur, et pas seulement des data scientists.
L'impact est concret. Un exemple : les évaluateurs de la FDA qui examinent les demandes d'autorisation de mise sur le marché des médicaments doivent comprendre les matières premières utilisées dans la fabrication. Ces informations sont noyées dans trois à quatre millions de pages de soumissions réglementaires. Auparavant, les évaluateurs devaient ouvrir chaque document, effectuer des recherches par mots-clés et rassembler les réponses manuellement.
En s'appuyant sur les capacités de ML et de NLP de Databricks via MLflow, l'équipe a extrait des ressources de données clés (matières premières, relations produit-fournisseur-fabricant) de millions de pages et les a rendues accessibles via ELSA. Désormais, un évaluateur saisit un numéro de dossier, demande les matières premières et obtient une réponse précise en trois minutes environ. Auparavant, cette même tâche prenait plusieurs jours.
La FDA se concentre désormais sur l'extension de ce modèle à l'ensemble de l'organisation. Les outils MCP développés pour le CDER sont en cours d'adaptation pour d'autres centres, chacun ayant son propre contexte de données et ses propres exigences réglementaires. L'objectif est de libérer le personnel d'évaluation de la recherche d'informations afin qu'il puisse se concrer sur son cœur de métier : évaluer si les médicaments, les dispositifs et les produits biologiques sont sûrs et efficaces.
Le socle qui a rendu tout cela possible n'est pas l'AI elle-même, mais la plateforme de données gouvernée sur laquelle elle repose, la consolidation qui a brisé les silos et les contrôles d'accès qui ont instauré la confiance au sein de huit centres indépendants.
« Si nous pouvons éviter à notre personnel d'évaluation de perdre du temps à chercher des informations pour qu'il se concentre sur son cœur de métier, c'est là que réside notre véritable réussite. »—Venu Boppana
(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original
Abonnez-vous à notre blog et recevez les derniers articles directement dans votre boîte mail.