Le coût caché de la saisie manuelle des données de laboratoire et d'une mauvaise gestion des échantillons

Chaque scientifique connaît cette sensation. Vous passez 20 minutes à chercher un échantillon qui devrait se trouver dans le portoir B3, pour finalement découvrir un tube non étiqueté dans le mauvais congélateur, ou une feuille de calcul mise à jour pour la dernière fois il y a six mois par quelqu'un qui ne travaille plus au laboratoire. Vous prenez une décision, utilisez l'échantillon et passez à autre chose.

Multipliez ce moment par le nombre de chercheurs d'une équipe, chaque jour, pendant des mois et des années. Le coût cesse très vite d'être invisible.

La saisie manuelle des données et une mauvaise gestion des échantillons sont deux des sources les plus persistantes de perte de temps et de valeur dans la recherche en laboratoire. Elles ont tendance à ne pas être remises en question précisément parce qu'elles semblent faire partie intégrante de la vie au laboratoire : des désagréments mineurs plutôt que des problèmes systémiques. Mais les données, ainsi que quelques exemples édifiants, racontent une tout autre histoire.

Cet article examine ce que la recherche dit réellement du fardeau du travail manuel en laboratoire, ce qui se passe lorsque la mauvaise gestion des échantillons atteint son paroxysme, et ce que les laboratoires ayant résolu ces problèmes ont réellement constaté par la suite.

Que disent les données sur le travail manuel en laboratoire ?

Deux sources fréquemment citées dans ce domaine méritent d'être examinées, bien que chacune comporte une mise en garde importante.

Un rapport de 2020 publié par C&EN BrandLab, financé par MilliporeSigma, a révélé que les chercheurs consacrent une part importante de leur temps de travail à la saisie manuelle de données, au suivi des échantillons et aux tâches administratives plutôt qu'à la science active. La nature sponsorisée de ce rapport est importante : MilliporeSigma a un intérêt commercial à mettre en évidence ces inefficacités, et la présentation reflète cela. Pourtant, la conclusion principale correspond à ce que la plupart des scientifiques en activité reconnaîtraient immédiatement d'après leur propre expérience.

De même, une enquête sectorielle de 2022 co-publiée par TetraScience et PharmaIQ, là encore une source sponsorisée par un fournisseur, a souligné que la charge liée à la gestion des données contribuait à l'échec d'expériences et au gaspillage de réactifs dans la R&D pharmaceutique. Les enquêtes publiées par des fournisseurs doivent toujours être lues avec un certain scepticisme quant à la formulation des questions et aux réponses mises en avant. Mais le schéma qu'elles décrivent est cohérent avec des recherches plus larges sur la reproductibilité scientifique et l'efficacité de la recherche.

Ce que les deux sources soulignent, même en tenant compte de leurs origines commerciales, est une réalité familière : le temps passé à transcrire des données entre les systèmes, à rechercher des enregistrements d'échantillons et à réconcilier des feuilles de calcul incohérentes est du temps qui n'est pas consacré à la science.

Ce compromis s'aggrave. Lorsqu'un chercheur ne peut pas localiser un échantillon ou vérifier sa provenance, il est confronté à trois mauvaises options :

• Retarder son expérience,
• utiliser un échantillon dont il n'est pas totalement sûr,
• ou recommencer à zéro.

Aucune de ces options n'est sans conséquence.

Il y a aussi la question des matériaux périmés. Lorsque le stockage des échantillons est géré via des feuilles de calcul partagées ou des dossiers papier, les dates de péremption sont oubliées. Les réactifs se dégradent. Les échantillons qui auraient pu être utilisés dans un laps de temps donné sont jetés, ou pire, utilisés sans savoir qu'ils auraient dû être éliminés. Le gaspillage est souvent invisible car il n'apparaît jamais dans une ligne budgétaire. Il se manifeste simplement par des expériences ratées et une variabilité inexpliquée.

Quand une mauvaise gestion des échantillons devient une catastrophe

En 2019, une panne de congélateur au Karolinska Institutet de Stockholm a entraîné la destruction d'une vaste collection d'échantillons de biobanque et de recherche accumulés au fil des décennies. Selon les estimations des médias, notamment un rapport du Guardian, la valeur des matériaux perdus s'élevait à environ 500 millions de couronnes, soit approximativement 37 millions de livres sterling ou 47 millions de dollars à l'époque. Il est important de préciser qu'il s'agissait d'estimations médiatiques. Le doyen de l'institut a déclaré publiquement qu'aucune évaluation financière officielle n'avait été réalisée. L'ampleur réelle de la perte reste donc sujette à débat.

Ce qui ne fait aucun doute, c'est l'ampleur approximative de ce qui a été détruit. Les rapports de l'époque faisaient état d'environ 34 400 échantillons de biobanque, 3 800 échantillons de modèles animaux, 2 600 échantillons de lignées cellulaires et 6 300 échantillons de lignées cellulaires modifiées. Beaucoup d'entre eux ont été décrits comme irremplaçables: il s'agissait d'échantillons issus d'études longitudinales, de cohortes de patients et de programmes de recherche dont la constitution avait nécessité des années, voire des décennies.

L'enquête sur cette défaillance a mis en lumière une série de dysfonctionnements organisationnels. Les problèmes se concentraient sur la répartition des responsabilités dans les fiches de poste, sur les niveaux d'autorisation pour les décisions critiques, et sur la manière dont l'information était partagée — ou ne l'était pas — entre les personnes concernées. Quelqu'un devait savoir que le congélateur tombait en panne. Quelqu'un devait avoir à la fois l'autorité et la responsabilité claire d'agir. Ces conditions n'étaient pas réunies.

C'est cet aspect de l'histoire qui retient généralement moins l'attention que le chiffre spectaculaire annoncé dans les titres. Une perte d'échantillons aussi catastrophique est souvent le résultat cumulé d'une absence de définition claire des responsabilités, de lacunes dans la communication et de l'absence de systèmes permettant de détecter le problème avant qu'il ne devienne irréversible.

La défaillance organisationnelle derrière le titre

Le cas du Karolinska est un exemple extrême, mais les vulnérabilités organisationnelles sous-jacentes qu'il a révélées ne sont pas rares. Elles sont présentes, à des degrés divers, dans les laboratoires qui reposent sur un partage informel des connaissances, des flux de travail non documentés et des systèmes de suivi manuels.

Lorsque les responsabilités liées au stockage des échantillons sont réparties entre les membres de l'équipe sans enregistrement formel des propriétaires, vous créez des conditions où les informations critiques résident dans la mémoire ou la boîte de réception de quelqu'un plutôt que dans un système. Lorsqu'il n'existe aucun point de responsabilité unique pour surveiller les conditions de stockage ou l'état de l'inventaire, des problèmes surgissent dans les zones d'ombre entre les responsabilités de chacun. Lorsque les informations sur l'état des équipements, l'emplacement des échantillons ou les conditions de stockage ne sont pas partagées de manière systématique, les décisions sont prises sur la base de connaissances incomplètes.

Rien de tout cela ne relève de la négligence. Cela peut arriver dans des laboratoires bien gérés, avec des personnes compétentes et consciencieuses. Le problème est structurel, pas personnel.

C'est précisément pour cette raison que le passage de systèmes informels à des flux de travail numériques structurés est essentiel. Non pas parce que le logiciel élimine l'erreur humaine, mais parce qu'il rend les bonnes informations visibles aux bonnes personnes au bon moment, et crée une responsabilité qui ne dépend pas de la mémoire ou de la disponibilité d'un individu en particulier.

‍

À quoi ressemble une meilleure gestion des échantillons en pratique

Le Laboratoire d'immunologie comportementale de l'Université de Pittsburgh s'appuyait auparavant sur des dossiers papier et des feuilles de calcul Excel pour gérer ses échantillons. Les limites de cette approche sont bien connues de quiconque a travaillé dans un environnement similaire : des informations cloisonnées dans des fichiers individuels, l'absence de source unique de vérité, et un temps précieux perdu à réconcilier les registres et à rechercher les échantillons.

Après avoir mis en place une gestion numérique structurée des échantillons avec SciSure, le laboratoire a rapporté une amélioration de 50 % du temps consacré au suivi et à la gestion des échantillons. Ce n'est pas un gain d'efficacité mineur. Pour une équipe de recherche, diviser par deux le temps consacré aux tâches administratives représente une augmentation significative du temps disponible pour la science proprement dite.

De même, le Département de médecine translationnelle de l'Université de Lund a fait état d'une amélioration différente, mais tout aussi frappante. Avant la mise en œuvre d'une gestion structurée des échantillons, la récupération d'un échantillon spécifique pouvait prendre jusqu'à une heure. Après l'adoption de SciSure, la même tâche prenait moins d'une minute. Imaginez ce que cela signifie sur une semaine de travail, pour une équipe, sur une année de recherche. Une recherche d'une heure pour un seul échantillon, si elle se produit ne serait-ce que quelques fois par semaine, représente des jours de temps de recherche perdus par an et par personne. Réduire ce délai à moins d'une minute transforme la réalité opérationnelle du laboratoire.

Ces deux résultats reflètent le même changement fondamental : le passage de systèmes où la connaissance des échantillons réside dans la tête des individus et dans des fichiers déconnectés, à des systèmes où les échantillons sont localisables, traçables et liés aux expériences auxquelles ils appartiennent.

Mesures pratiques que votre laboratoire peut prendre pour réduire la charge manuelle et améliorer la traçabilité des échantillons

Auditez honnêtement vos méthodes de suivi actuelles

Avant de pouvoir améliorer la gestion des échantillons, vous devez comprendre avec quoi vous travaillez réellement. Cartographiez l'emplacement actuel des informations sur les échantillons (journaux papier, feuilles de calcul, lecteurs partagés, cahiers individuels) et identifiez où les enregistrements sont dupliqués, incohérents ou absents. Portez une attention particulière aux personnes détenant des connaissances critiques qui n'existent que dans leur esprit, et à ce qu'il adviendrait de ces connaissances si elles partaient.

Définissez clairement et par écrit les responsabilités

L'ambiguïté quant à savoir qui est responsable de la tenue des registres d'échantillons, de la surveillance des conditions de stockage et de l'intervention en cas de problème est l'une des vulnérabilités organisationnelles les plus courantes dans les opérations de laboratoire. Attribuez des responsabilités claires pour chaque partie de votre flux de travail de gestion des échantillons et documentez-les. Cela n'a pas besoin d'être complexe. Une simple matrice de responsabilités suffit souvent, mais elle doit exister en dehors de la mémoire de chacun.

Standardisez vos données d'échantillons avant de les migrer

Si vous prévoyez de passer de feuilles de calcul à un système structuré, résistez à la tentation d'importer vos données existantes sans les nettoyer au préalable. Les conventions de nommage incohérentes, les champs manquants et les enregistrements en double créent des problèmes beaucoup plus difficiles à résoudre une fois qu'ils sont intégrés dans un système structuré. Investissez du temps dans la définition de vos types d'échantillons, des champs requis et des normes de nommage avant de commencer à transférer vos données.

Mettez en œuvre un suivi par code-barres ou identifiant numérique

L'un des changements les plus efficaces que vous puissiez apporter consiste à attribuer des identifiants physiques (codes-barres ou équivalents) à vos échantillons et à les lier à des enregistrements numériques. Cela comble le fossé entre ce qui se trouve dans votre congélateur et ce qui figure dans votre système de suivi, et rend la récupération considérablement plus rapide. Avec SciSure, les équipes peuvent prendre en charge suivi des échantillons par code-barres et gestion de l'emplacement de stockage, incluant une précision au niveau de la position permettant de localiser un échantillon en moins d'une minute au lieu d'une heure, lorsque cette fonctionnalité est configurée et mise en œuvre.

Terminus Bio, une entreprise de biotechnologie végétale gérant des milliers d'échantillons de lignées cellulaires, a utilisé l'automatisation par code-barres de SciSure pour réduire le temps de saisie des données par échantillon de 2 minutes à 10 secondes. Ce qui nécessitait autrefois des heures de vérification manuelle des dossiers peut désormais être analysé en temps réel, permettant à l'équipe de réagir plus rapidement aux problèmes techniques et de libérer du temps pour se consacrer au développement de l'activité.

Connectez les dossiers d'échantillons à la documentation des expériences

Le suivi des échantillons et la documentation des expériences sont souvent traités comme des systèmes distincts, ce qui crée des lacunes dans la traçabilité. Lorsqu'un dossier d'échantillon est lié à l'expérience où il a été créé et à celles où il a été utilisé, vous obtenez une vision complète de sa lignée. Vous pouvez répondre à des questions telles que « Quelles expériences ont utilisé cet échantillon ? » ou « Quelle est l'origine de cet échantillon ? » sans reconstruction manuelle. Cette connectivité fait toute la différence entre une gestion des échantillons vue comme une tâche administrative et une gestion vue comme un atout scientifique.

Avec SciSure, les équipes peuvent connecter les dossiers ELN et LIMS afin que les données des échantillons soient directement liées aux entrées expérimentales qui les ont générés ou consommés, lorsque cette configuration est en place. Photanol, une entreprise de biotechnologie utilisant des cyanobactéries pour produire des produits chimiques durables, a constaté qu'un échantillon de produit pouvait être retracé jusqu'à la première étape de clonage en quelques clics seulement, permettant ainsi de relier chaque composant et résultat à l'ensemble du flux de travail expérimental.

Intégrez le suivi des dates de péremption et des alertes automatisées

Les échantillons et réactifs périmés représentent des coûts irrécupérables, et leur utilisation involontaire génère un bruit expérimental difficile à diagnostiquer. Les systèmes d'inventaire structurés peuvent surveiller les dates de péremption et déclencher des alertes avant que les matériaux n'arrivent en fin de vie, mais seulement si les données sont présentes dès le départ. Commencez par vous assurer que chaque dossier d'échantillon inclut une date de stockage et une date de péremption, puis construisez votre flux de travail autour de ces données.

Avec SciSure, les équipes peuvent configurer des automatisations basées sur des déclencheurs qui envoient des alertes à l'approche des dates de péremption, lorsque cette fonctionnalité est activée, afin que les problèmes soient identifiés avant de devenir des pertes.

Intégrez la surveillance des équipements à la gestion des échantillons

Le cas Karolinska nous rappelle que l'intégrité des échantillons dépend des conditions de stockage, lesquelles dépendent elles-mêmes des équipements. Surveiller l'état des congélateurs et réfrigérateurs, tenir à jour les dossiers de maintenance et définir des procédures d'escalade claires en cas d'anomalie ne sont pas des tâches distinctes de la gestion des échantillons. Elles en font partie intégrante. Assurez-vous que le suivi de vos équipements est aussi structuré que celui de vos échantillons.

Le coût de l'inaction

La plupart des laboratoires qui gèrent mal leurs échantillons ne sont pas en situation de crise. Les coûts sont diffus : un chercheur passe 45 minutes à localiser un échantillon au lieu de 3, un réactif périmé entraîne l'échec d'une expérience sans que personne n'en identifie la cause profonde, une alarme de congélateur passe inaperçue pendant le week-end. Isolés, aucun de ces événements ne ressemble à une catastrophe.

Pourtant, les chercheurs de Karolinska ne s'attendaient pas non plus à une catastrophe. Et les laboratoires des équipes d'immunologie comportementale et de médecine translationnelle de l'Université de Pittsburgh et de l'Université de Lund fonctionnaient probablement, avant leurs améliorations, de la même manière discrète et inefficace que la plupart des laboratoires.

La différence entre ces laboratoires d'hier et d'aujourd'hui réside dans une question structurelle posée par quelqu'un : à quoi ressemblerait notre travail si nous pouvions trouver n'importe quel échantillon en moins d'une minute ? Qu'est-ce qui changerait si nous réduisions de moitié le temps consacré au suivi ? Ils ont ensuite construit les systèmes pour rendre cela possible.

Si votre laboratoire répond encore à ces questions avec des dossiers papier et des feuilles de calcul, cela mérite réflexion. Non pas parce que votre approche actuelle échoue de manière spectaculaire, mais parce que l'écart entre votre situation actuelle et votre potentiel est certainement plus important qu'il n'y paraît.

Vous souhaitez savoir comment SciSure facilite le suivi des échantillons, la gestion du stockage et la traçabilité des expériences pour les laboratoires de recherche ? Découvrez à quoi ressemble une gestion structurée des échantillons en pratique, ou contactez-nous pour discuter des besoins spécifiques du flux de travail de votre laboratoire.

Questions fréquentes

Quelles sont les causes les plus fréquentes de défaillance dans la gestion des échantillons en laboratoire de recherche ?

Les causes les plus fréquentes sont structurelles plutôt que techniques : manque de clarté sur la responsabilité des dossiers d'échantillons, informations de suivi dispersées dans des outils déconnectés (feuilles de calcul, registres papier), absence de suivi systématique des dates de péremption ou des conditions de stockage, et manque de processus formels en cas de panne d'équipement ou de départ d'un membre de l'équipe. Ces problèmes ont tendance à s'accumuler silencieusement au fil du temps plutôt que de provoquer une défaillance unique et visible.

Combien de temps les chercheurs perdent-ils généralement dans la saisie manuelle des données et le suivi des échantillons ?

Les chiffres varient selon l'étude, la taille du laboratoire et le contexte de recherche. Les statistiques les plus souvent citées provenant d'enquêtes sponsorisées par des fournisseurs, elles doivent être interprétées avec prudence. Cela dit, la tendance générale est constante : les chercheurs travaillant dans des laboratoires utilisant des systèmes de suivi manuels consacrent une part significative de leur semaine de travail à des tâches administratives et de suivi plutôt qu'à la recherche active. Les exemples concrets des laboratoires ayant franchi ce cap sont révélateurs.

• Le laboratoire d'immunologie comportementale de l'Université de Pittsburgh a réduit de 50 % le temps consacré au suivi et à la gestion des échantillons après être passé des dossiers papier et d'Excel à des systèmes numériques structurés.
• ‍Département de médecine translationnelle de l'Université de Lund a réduit le temps de récupération des échantillons, passant d'une heure à moins d'une minute.
• ‍Photanol, une entreprise de biotechnologie basée à Amsterdam, a réduit de moitié son temps administratif global après être passée des cahiers de laboratoire papier à une plateforme numérique.
• Et Terminus Bio, une société de biotechnologie végétale, a réduit le temps de saisie des données par échantillon de 2 minutes à 10 secondes et a diminué le temps global de gestion des données de plus de 90 % après avoir mis en place des flux de travail basés sur les codes-barres.

Ces résultats concernent aussi bien les laboratoires universitaires que les entreprises en phase de croissance, ce qui suggère que la charge liée au suivi manuel n'est pas propre à un seul type d'organisation.

Quelle est la différence entre un LIMS et un ELN pour la gestion des échantillons ?

Un cahier de laboratoire électronique (ELN) est principalement conçu pour documenter les expériences, en consignant ce qui a été planifié, réalisé et observé. Un système de gestion des informations de laboratoire (LIMS) est principalement conçu pour gérer les échantillons, les matériaux et les flux de travail associés, notamment le suivi de l'emplacement, de la lignée, de la quantité et des métadonnées des échantillons. En pratique, la gestion des échantillons la plus efficace relie les deux : les expériences sont liées aux échantillons utilisés ou produits, et les dossiers d'échantillons renvoient aux expériences dont ils sont issus.

SciSure Research combine les fonctionnalités d'un ELN et d'un LIMS dans un environnement unique, favorisant ce type de traçabilité connectée lorsqu'elle est configurée. Pour en savoir plus, consultez notre guide sur la différence entre ELN et LIMS.

Comment migrer des feuilles de calcul vers une gestion structurée des échantillons sans perturber un laboratoire en activité ?

L'étape la plus importante consiste à normaliser et à nettoyer vos données existantes avant la migration, plutôt que de les importer dans leur état actuel.

• Définissez d'abord vos types d'échantillons, les champs obligatoires et vos conventions de nommage.
• Cartographiez votre structure de stockage dans le nouveau système avant d'assigner les échantillons à leurs emplacements.
• Testez le flux de travail avec un sous-ensemble d'échantillons ou une seule équipe avant de le déployer plus largement.
• Prévoyez également une période de fonctionnement en parallèle, en maintenant brièvement les deux systèmes, le temps d'instaurer la confiance dans le nouveau.

L'objectif est de réduire les risques liés à la transition, et non de se précipiter. Consultez notre guide sur la migration de données et le passage d'un ELN à un autre pour obtenir une analyse pratique.

Que doivent faire les laboratoires pour protéger leurs échantillons contre les pannes d'équipement de stockage ?

Au-delà du respect du calendrier d'entretien des congélateurs et réfrigérateurs, les mesures de protection les plus importantes sont organisationnelles : attribuez une responsabilité claire pour la surveillance des conditions de stockage, documentez la procédure d'escalade en cas de comportement anormal de l'équipement et assurez-vous que les alertes critiques parviennent à une personne ayant à la fois l'autorité et les compétences nécessaires pour agir. Les outils de surveillance des équipements peuvent fournir des alertes en temps réel, mais ces alertes doivent atteindre des personnes qui savent comment réagir. L'incident du Karolinska nous rappelle qu'une alerte technique n'est utile que si le système organisationnel qui l'entoure est efficace.

Si vous êtes prêt à franchir le pas, gardez à l'esprit qu'une gestion structurée des échantillons repose sur des bases solides. Découvrez SciSure Research pour voir comment les laboratoires construisent ces bases, ou parlez à un spécialiste de vos flux de travail spécifiques.