Cartographier le paysage des données pharma : sources, fournisseurs et standards

Le lancement d'un seul nouveau médicament aux États-Unis peut obliger un laboratoire pharmaceutique à licencier des données auprès de six fournisseurs ou plus, chacun facturant six ou sept chiffres par an, juste pour répondre à la question « ce médicament est-il prescrit comme nous l'avions prévu ? ». Cette chaîne d'approvisionnement en données, fragmentée, coûteuse et redondante, constitue la véritable infrastructure de l'industrie pharmaceutique, et presque personne en dehors du secteur ne l'a cartographiée. Cette leçon le fait.

Pourquoi le paysage des données est fragmenté par construction

Les données pharma sont dispersées le long de la chaîne parce qu'aucune entité ne voit l'intégralité du parcours patient. Une pharmacie voit la délivrance. Un payeur voit la demande de remboursement. Un hôpital voit le diagnostic. Un laboratoire voit le biomarqueur. Le droit de la vie privée (aux États-Unis, HIPAAHIPAAHealth Insurance Portability and Accountability Act, loi américaine imposant la protection des données de santé (PHI). Violations : amendes jusqu'à 1,9M$ par catégorie de violation., le Health Insurance Portability and Accountability Act de 1996) empêche ces systèmes de fusionner librement des données identifiables, d'où l'émergence d'une couche commerciale de fournisseurs qui agrègent, dé-identifient et revendent des fragments de l'image.

Comprendre la « data fluency » pharma commence par savoir qui détient quel fragment.

Les principales sources de données, cartographiées

Données de prescription et de pharmacie

• IQVIA : le plus grand fournisseur mondial de données et d'analytics santé, né de la fusion en 2016 d'IMS Health et de Quintiles. IQVIA agrège les données de prescription (Rx) d'environ 90 % et plus des pharmacies de détail américaines (estimation déclarée par le fournisseur) via ses produits National Prescription Audit et Xponent. Elle en accorde la licence au niveau du point de vente, du prescripteur et du payeur.
• Symphony Health (aujourd'hui intégrée à ICON plc) : le principal concurrent historique d'IQVIA sur les données Rx longitudinales au niveau patient et les claims médicales, souvent utilisé comme contre-vérification puisque la méthodologie diffère.

Où se situe l'angle mort : les prescriptions payées en cash, la dispensation en pharmacie de spécialité hors réseaux standards et les médicaments distribués via les circuits hospitaliers de « buy and bill » (courants pour les médicaments d'oncologie perfusés) sont sous-comptés dans les audits Rx standards.

Claims médicales et pharmaceutiques

Les données de claims proviennent des payeurs (assureurs, pharmacy benefit managers) et des chambres de compensation. Parmi les principaux agrégateurs commerciaux : IQVIA, Komodo Health et Definitive Healthcare. Les claims capturent les codes de diagnostic (ICD-10, Classification internationale des maladies, 10e révision), les codes d'actes (CPT, Current Procedural Terminology) et les données de paiement, mais uniquement pour les populations assurées, et seulement après facturation, ce qui décale de plusieurs semaines ou mois par rapport au traitement réel.

Dossiers médicaux électroniques (EHR)

Les données EHR viennent de systèmes cliniques comme Epic et Oracle Health (ex-Cerner). Des sociétés comme Komodo, Truveta (un consortium détenu par des systèmes de santé américains), TriNetX et Optum agrègent des données EHR dé-identifiées pour la recherche et l'usage commercial. Les données EHR ajoutent des valeurs de laboratoire, des notes cliniques et des constantes vitales qui manquent aux claims, mais la couverturecouvertureLe nombre de personnes uniques exposées à votre message sur une période donnée. Contrairement aux impressions, le reach compte chaque personne une seule fois, quel que soit le nombre d'expositions.Voir la définition complète → dépend entièrement des systèmes de santé contributeurs, ce qui crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →ée un biais géographique et démographique.

Infrastructure des essais cliniques : CTMS et EDC

Un CTMS (Clinical Trial Management System, par exemple Veeva Vault CTMS, Oracle Siebel CTMS) suit les opérations d'un essai : activation des centres, recrutement des patients, visites de monitoring. Un système EDC (Electronic Data Capture) (par exemple Medidata Rave) capture les données patients effectivement collectées pendant l'essai. Ce sont les systèmes de référence pour les soumissions réglementaires et ils sont soumis à des règles strictes d'intégrité des données au titre du 21 CFR Part 11 (la réglementation FDA régissant les enregistrements et signatures électroniques).

Données de laboratoire et de production : LIMS

Un LIMS (Laboratory Information Management System) suit les échantillons, les essais analytiques et les résultats de contrôle qualité, à la fois dans les laboratoires de R&D et dans le contrôle qualité de production. Les données LIMS alimentent les dossiers de lot réglementaires et sont au cœur de la conformité GMP (Good Manufacturing Practice). Parmi les fournisseurs : LabVantage, SampleManager de Thermo Fisher et LabWare.

Sécurité post-commercialisation : FAERS

FAERS (FDA Adverse Event Reporting System) est une base de données publique et gratuite de déclarations d'événements indésirables soumises par les fabricants, les professionnels de santé et les consommateurs. C'est la colonne vertébrale de la pharmacovigilance (la science du suivi de sécurité des médicaments), mais la déclaration est volontaire pour les consommateurs et la base souffre d'une forte sous-déclaration et de biais de notification. À explorer directement ici : FDA FAERS Public Dashboard.

L'équivalent européen est EudraVigilance, géré par l'Agence européenne des médicaments (EMA), couvrant l'Espace économique européen.

Un exemple chiffré rapide : pourquoi les angles morts coûtent de l'argent

Supposons qu'une équipe brand veuille le nombre total de patients américains sous son médicament. Elle licencie IQVIA Xponent (Rx retail) qui montre 100 000 patients uniques ayant fait délivrer une prescription au T1.

Mais son médicament est aussi dispensé via pharmacie de spécialité et perfusion hospitalière, canaux mal captés par les audits Rx retail standards. Une contre-vérification par les claims (via Komodo ou Symphony) montre 118 000 patients uniques avec une claim médicale ou pharmaceutique payée sur la même période.

L'écart : 18 000 patients, soit 15 % du volume réel, invisibles dans le premier jeu de données seul. Voilà le coût concret de la dépendance à un fournisseur unique : des estimations de marché mal dimensionnées qui alimentent directement les prévisions et les décisions de rémunération commerciale.

Retail Rx count (IQVIA Xponent):        100,000
Claims-based count (Komodo/Symphony):   118,000
Undercount gap:                          18,000
Undercount rate: 18,000 / 118,000 ≈ 15.3%

Les métriques de qualité et de gouvernance des données qui comptent

Une fois les données obtenues, il faut savoir si on peut leur faire confiance. Les métriques suivies par les équipes data pharma :

• Complétude : % de champs attendus renseignés (par exemple, % d'enregistrements de claims avec un NDC valide, National Drug Code).
• Fraîcheur / lag : nombre de jours entre l'événement et la disponibilité de la donnée. Les claims accusent souvent 60 à 90 jours de décalage (estimation) ; les données EHR peuvent décaler de plusieurs semaines ; les déclarations FAERS de plusieurs mois après l'événement indésirable.
• Match rate : % d'enregistrements patients liés avec succès entre jeux de données via tokenisation (une méthode de hachage préservant la confidentialité, utilisée par des fournisseurs comme Datavant pour relier des enregistrements dé-identifiés sans exposer l'identité).
• Concordance : taux d'accord entre deux sources indépendantes mesurant la même chose (par exemple, les comptes patients IQVIA vs Symphony pour le même médicament, comme dans l'exemple chiffré ci-dessus).
• Intégrité de l'audit trail : pour les données CTMS/EDC, la question est de savoir si chaque modification est journalisée avec horodatage et identifiant utilisateur, une exigence stricte du 21 CFR Part 11.

Les standards qui tiennent l'écosystème ensemble

Sans standards partagés, aucune de ces données ne serait interopérable :

• HL7 FHIR (Fast Healthcare Interoperability Resources) : le standard moderne d'échange de données cliniques, de plus en plus imposé par les règles américaines d'interopérabilité de l'Office of the National Coordinator for Health IT (ONC).
• Les standards CDISC (SDTM, ADaM) : formats obligatoires pour soumettre les données d'essais cliniques à la FDA et à l'EMA.
• NDC et RxNorm : codes d'identification des médicaments utilisés dans les claims et les données Rx pour identifier exactement quel produit et quel conditionnement ont été délivrés.
• ICD-10 / ICD-11 : codage des diagnostics, maintenu par l'Organisation mondiale de la santé, utilisé mondialement bien que les États-Unis emploient une version clinique modifiée (ICD-10-CM).
• MedDRA (Medical Dictionary for Regulatory Activities) : la terminologie standard de codage des événements indésirables dans FAERS et EudraVigilance.

Une introduction gratuite utile sur l'articulation de ces standards de données réglementaires : CDISC Standards Overview.

Coûts de licence et rapport de force avec les fournisseurs

L'échelle d'IQVIA lui donne un pouvoir de fixation des prix considérable. Les grands laboratoires maintiennent couramment des contrats annuels de plusieurs millions de dollars (estimation rapportée par l'industrie, les chiffres exacts sont confidentiels) couvrant données Rx, claims et outils d'analytics. Les biotechs de taille moyenne ou petite ne peuvent souvent pas se payer les suites IQVIA complètes et combinent à la place des solutions ponctuelles moins chères (Symphony/ICON, Komodo, fournisseurs de claims de spécialité) avec davantage de réconciliation manuelle, un véritable désavantage compétitif en maturité d'analytics commerciale.

Cette concentration crée aussi un point de risque méthodologique unique : si l'essentiel de l'industrie se benchmarke sur les chiffres d'un seul fournisseur, une erreur ou un changement de définition dans sa méthodologie se propage aux prévisions de ventes, aux estimations de parts de marché, et jusqu'aux formules de rémunération des dirigeants liées à la « part de marché selon IQVIA ».

🎬 [VIDEO: "How IQVIA Uses Data to Improve Healthcare" - youtube.com - cherchez ce titre sur YouTube ; l'explication d'IQVIA elle-même sur la manière dont elle agrège et licencie les données pharma, utile pour voir de première main le positionnementpositionnementL'espace mental que vous voulez occuper dans l'esprit de votre client cible, par rapport aux alternatives.Voir la définition complète → du fournisseur]

Points clés à retenir

• Les données pharma sont fragmentées entre pharmacie, claims, EHR, essais cliniques, laboratoire et systèmes de sécurité par construction réglementaire et structurelle (dé-identification imposée par HIPAA, délivrance de soins en silos), non par accident.
• IQVIA et Symphony Health/ICON dominent la licence des données Rx et claims ; aucun fournisseur ne voit l'intégralité du parcours patient, donc croiser les sources est une pratique standard, pas de la paranoïa.
• Pharmacie de spécialité, paiement cash et circuits hospitaliers de buy-and-bill sont des angles morts récurrents des audits Rx retail standards, et peuvent sous-compter le volume réel de patients de plusieurs dizaines de pourcents.
• La qualité des données se mesure concrètement : complétude, fraîcheur/lag, concordance inter-fournisseurs et match rate via liaison tokenisée (par exemple Datavant).
• Des standards comme HL7 FHIR, CDISC, NDC/RxNorm et MedDRA sont ce qui rend ce paysage fournisseur fragmenté interopérable, et ils ne sont pas négociables pour les soumissions réglementaires.