Industrie pharmaceutique

Analyse de forums

Un acteur pharmaceutique avait besoin de comprendre les problématiques réelles des patients atteints du syndrome de Sjögren — pas celles des essais cliniques, celles que les patients expriment entre eux. Nous avons construit le système NLP capable d'extraire les tendances, les thématiques et les signaux faibles à partir de milliers de discussions de forums.

Problématique

Les forums médicaux contiennent ce qu'aucune étude clinique ne capture : la voix brute des patients. Leurs frustrations, leurs effets secondaires non rapportés, les traitements alternatifs qu'ils essaient, les questions qu'ils n'osent pas poser à leur médecin. Pour le client, cette information était une mine d'or stratégique, mais totalement inexploitable en l'état. Des centaines de milliers de messages, non structurés, rédigés en langage courant, sans aucun outil pour les collecter, les organiser et en extraire des tendances actionnables.

Vue rapprochée d’une coupe transversale colorée d’une géode montrant des couches concentriques de minéraux en jaune, marron, rouge et vert.

Solution

Ce que nous avons construit

Nous avons conçu un système complet de collecte et d'analyse NLP pour transformer des discussions de forum en insights stratégiques.

Étape 1 — Collecte automatisée. Scraping de 216 000 publications sur le forum sjogrensworld.org et insertion structurée dans une base MongoDB. Un pipeline de collecte conçu pour être reproductible sur d'autres sources.

Étape 2 — Analyse descriptive. Vue d'ensemble des données récoltées : volume de publications, taux d'engagement, liens entre posts, cartographie des utilisateurs les plus actifs et des dynamiques communautaires.

Étape 3 — Topic modeling et analyse de sentiment. Découverte automatique des thématiques propres aux patients via du topic modeling, couplé à une analyse de sentiment pour mesurer l'impact émotionnel de chaque sujet. Identification et dissection des tendances actuelles et passées.

Étape 4 — Extraction de connaissances latentes. Utilisation de techniques de word embeddings pour détecter des signaux faibles : problématiques émergentes, associations médicament-effet secondaire non documentées, évolutions de perception des traitements.

Projets dans la même catégorie

Voir tous les projets

Aide à la création de médicaments

Un laboratoire pharmaceutique devait identifier de nouvelles combinaisons moléculaires brevetables à partir de millions de publications médicales. La recherche manuelle avait atteint ses limites. Nous avons construit le système qui a changé la donne.

Application d'optimisation de la Supply Chain

Un acteur de la distribution pharmaceutique devait repenser l'intégralité de sa chaîne d'approvisionnement : assortiment en pharmacie, gestion des stocks et circuits de livraison. La recherche opérationnelle seule ne suffisait plus. Nous avons construit l'application qui a transformé ses opérations.

Détection des tendances sur les réseaux sociaux

Dans un marché où les comportements consommateurs changent plus vite que les cycles de décision, un client avait besoin d'anticiper les tendances au lieu de les subir. Nous avons construit la plateforme qui transforme le bruit des réseaux sociaux en signaux actionnables.

Rendement de parcelles agricoles

La filiale climatique d'un leader français de l'assurance avait besoin de prédire les rendements des champs à l'échelle de l'Allemagne pour tarifer une nouvelle offre d'assurance sécheresse. Les données internes ne suffisaient pas. Nous avons construit les modèles prédictifs qui ont rendu le produit commercialisable.

Plateforme d'analyse de besoins clients

Un grand groupe français cherchait à comprendre les besoins actuels et à venir de ses clients en agrégeant un volume massif de données consommateurs. Après un POC de 8 semaines, nous avons industrialisé une plateforme complète déployée sur l'ensemble des entités France et aujourd'hui en cours d'extension à l'échelle du groupe.

Scoring et analyse de la peau

Un acteur majeur de la cosmétique de luxe avait développé un algorithme de scoring de la peau. Problème : personne ne pouvait vérifier sur quoi l'IA se basait pour poser son diagnostic. Nous avons construit le système de visualisation qui rend les prédictions transparentes et déployable en boutique et sur mobile.