Pourquoi l'adoption d'un ELN/LIMS échoue au niveau de l'entreprise et ce que la direction doit changer

Je travaille dans le secteur des technologies dédiées aux sciences de la vie depuis longtemps. Assez longtemps pour avoir vu le même échec se produire dans des organisations de toutes tailles, à tous les stades de financement et dans tous les domaines thérapeutiques. Un ELN ou un LIMS est acheté. Les scientifiques sont enthousiastes. La mise en œuvre a lieu, ou du moins commence.  

Et puis, quelque part entre la réunion de lancement et le point d'étape à six mois, tout s'effondre discrètement.

Quelqu'un recommence à conserver ses données d'échantillons dans Excel. Un chercheur principal revient à son cahier de laboratoire papier. Un responsable de laboratoire crée une solution de contournement dans SharePoint. Le système est techniquement opérationnel, mais personne ne l'utilise vraiment, c'est pourquoi si vos scientifiques ne l'utilisent pas, autant dire que vous avez dépensé 0 $.

Et au moment du renouvellement, la question qui se pose est : pourquoi payons-nous pour quelque chose que personne n'utilise ?

J'ai eu cette conversation plus de fois que je ne peux le compter. Et presque à chaque fois, la cause profonde est la même : la direction est restée en retrait alors qu'elle aurait dû être omniprésente.

Le problème de la « solution universelle pour chaque scientifique »

Pendant une quinzaine d'années, la philosophie dominante en informatique de recherche était simple : donner aux scientifiques les outils qu'ils souhaitent et laisser la science suivre son cours. Je comprends la logique. Les scientifiques sont brillants, exigeants et ne sont pas particulièrement enclins à ce qu'on leur dicte leur façon de travailler. La direction des institutions a, de manière compréhensible, hésité à s'immiscer entre un chercheur principal et son système de prédilection.

Mais cette philosophie est devenue coûteuse. Pas seulement en frais de licence, mais en quelque chose de bien plus difficile à récupérer : les données.

Lorsque chaque laboratoire de votre organisation fonctionne avec un ELN différent, un LIMS différent, ou une combinaison de cahiers papier et de solutions ponctuelles, ce que vous avez construit n'est pas une opération de recherche. Vous avez construit une collection de silos. Chacun contient des données scientifiques précieuses et aucun ne communique avec les autres.

Et lorsqu'une personne à la direction doit prendre une décision commerciale — qu'il s'agisse de renforcer un programme, de réduire les dépenses sur un projet qui ne fonctionne pas, ou de préparer un dépôt de demande d'IND — quelqu'un doit extraire manuellement les données de cinq systèmes différents, les normaliser, les compiler et rédiger un rapport.

Lorsque ce rapport arrive sur le bureau d'un cadre, les données qu'il contient peuvent déjà avoir un mois.

Il est impossible de prendre des décisions commerciales rapides et éclairées à partir d'un rapport vieux d'un mois.

Et dans l'environnement actuel — où la rapidité de formulation des hypothèses est cruciale, où l'échec rapide est un atout et non un défaut — ce décalage constitue un désavantage concurrentiel.

La mentalité du « n'importe quelle solution pour n'importe quel scientifique » se justifiait quand l'argent coulait à flots et que l'urgence était moindre. Ce n'est plus le cas aujourd'hui.

Ce que la direction comprend mal à propos de son propre rôle

Voici ce que j'entends de la part des dirigeants lorsque je suggère qu'ils doivent s'impliquer davantage dans l'adoption des ELN et des LIMS :
‍

‍« Nous ne voulons pas dicter aux laboratoires ce qu'ils doivent utiliser. Nous voulons simplement les résultats. »

Je comprends cet instinct. Mais il comporte une faille fondamentale : vous ne pouvez pas obtenir des résultats cohérents et en temps réel à partir de systèmes fragmentés et disparates. Prendre du recul par rapport à cette décision limite en réalité ce que vos scientifiques peuvent accomplir ensemble.

La crainte, généralement, est que l'imposition d'un système ne pousse les scientifiques vers la sortie. Que les chercheurs principaux rechignent à se voir dicter leur conduite. Que les frictions liées au changement ne perturbent la science.

D'après mon expérience, cette peur est exagérée. Les scientifiques ne veulent pas passer leur temps à gérer des données sur des outils déconnectés, pas plus que quiconque. Ce à quoi ils résistent, c'est au changement pour le changement. Si vous pouvez leur montrer qu' une plateforme ELN/LIMS unifiée rend leur travail plus traçable, leurs échantillons plus faciles à trouver et leur collaboration avec d'autres laboratoires plus fluide, alors la plupart d'entre eux finiront par adhérer. Pas du jour au lendemain, mais ils le feront.

Ce qu'ils ne feront pas d'eux-mêmes — ce que personne ne fera sans une orientation organisationnelle claire — c'est abandonner le système avec lequel ils sont à l'aise simplement parce qu'il en existe un meilleur. Cela nécessite une directive de la direction. Cela nécessite que quelqu'un au sommet de l'organisation déclare : Nous avons investi dans cet outil, et nous l'utilisons.

Le désengagement de la direction est le principal facteur prédictif de l'échec de l'adoption des ELN et des LIMS. Ce n'est pas la position neutre que vous pourriez imaginer.

Vendre la mauvaise valeur aux mauvaises personnes

Si la direction reste peu impliquée, c'est en partie parce que personne n'a su présenter les choses avec des arguments qui les touchent réellement.

Si vous vous présentez à une réunion budgétaire pour dire à un directeur scientifique ou opérationnel que votre nouveau système ELN/LIMS fera gagner cinq heures par semaine à chaque chercheur, vous obtiendrez peut-être un signe de tête poli. Mais ce dirigeant ne retournera pas voir ses directeurs de laboratoire pour leur dire : « Faites-en une priorité. » Car cinq heures par semaine, dans le langage d'un dirigeant, cela se traduit par : Nous pouvons obtenir un meilleur rendement avec les mêmes effectifs. Cela ne les convainc pas.

Ce qui les motive est tout autre.

Je commencerais par expliquer à la direction qu'en réalisant quatre ou cinq expériences de plus par chercheur et par semaine, ils peuvent valider une hypothèse plus rapidement. Ou qu'un programme de développement de médicament nécessite généralement des centaines — parfois plus de cinq cents — expériences pour aboutir à une conclusion testable. Ou encore qu'en fournissant des données plus propres, structurées et en temps réel sur l'ensemble de leur portefeuille de recherche, ils peuvent décider d'arrêter le financement d'un programme voué à l'échec avec des mois d'avance.

Ou, mieux encore, dites-leur qu' une plateforme unifiée avec des données propres et structurées peut les aider à déposer une demande d'IND avec 3 à 6 mois d'avance sur le calendrier prévu.

Qu'est-ce que cela signifie pour la valorisation de l'entreprise ? Qu'est-ce que cela implique pour le positionnement concurrentiel ? Qu'est-ce que cela change pour la discussion avec le conseil d'administration au prochain trimestre ?

C'est ce genre de conversation qui capte l'attention des dirigeants. Pas les listes de fonctionnalités. Pas les calculs de gain de temps. Des résultats clairs et mesurables issus de laboratoires ayant mis en œuvre une plateforme numérique conçue pour s'adapter à leurs flux de travail, et non l'inverse.

Il existe un corollaire important : si une demande d'IND est déposée et qu'elle échoue publiquement, le marché le sait. La valorisation en pâtit. Le récit autour de l'entreprise change.  

À l'inverse, si votre infrastructure de données est suffisamment robuste pour identifier très tôt qu'un programme ne fonctionnera pas, vous pouvez l'arrêter discrètement et réorienter cet investissement vers un projet ayant de réelles chances de succès. Ce type de prise de décision n'est possible que lorsque vos données sont organisées, unifiées et à jour.

Le risque lié à la propriété intellectuelle dont personne ne parle avant qu'il ne soit trop tard

Il existe un argument commercial en faveur de l'adoption de solutions ELN/LIMS en entreprise qui va bien au-delà de la simple efficacité. Je souhaite être direct à ce sujet, car c'est une situation dont j'ai été témoin et qui a eu des conséquences concrètes et douloureuses.

Une grande institution universitaire comptant environ 1 400 laboratoires a, pendant des années, laissé ses chercheurs travailler comme ils le souhaitaient. Cahiers de laboratoire papier, solutions ponctuelles, outils propriétaires, selon les préférences de chaque chercheur principal. Personne au sein de l'organisation n'avait de visibilité sur ce que produisait chaque laboratoire. Aucun système d'enregistrement. Aucune donnée centralisée.

Un chercheur travaillant sous l'égide de cette institution a développé ce qui est devenu la base d'un médicament à succès. Il est parti en emportant ses recherches, ses cahiers papier, ses données, tout. Le médicament a fini par générer des milliards de dollars pour la société pharmaceutique qui l'a finalement développé. L'institution a engagé des poursuites judiciaires, et elle a perdu.

Pourquoi ? Parce que ils n'ont pas pu prouver que le travail avait été effectué sous leur égide. Ils ne disposaient d'aucun système d'enregistrement, d'aucune piste d'audit, d'aucune preuve que la découverte avait eu lieu au sein de leur organisation et dans le cadre de leurs accords.

Ce résultat était la conséquence d'années de laxisme organisationnel, de considérer les données de recherche comme la propriété du scientifique plutôt que comme un actif organisationnel partagé.

Après cette affaire, l'institution a imposé une plateforme unifiée pour l'ensemble de ses laboratoires. Les scientifiques ont protesté, les chercheurs principaux ont résisté, mais la direction est restée ferme. Car à ce stade, l'enjeu dépassait la simple science. Il s'agissait de protéger les milliards de dollars de propriété intellectuelle créés chaque année sous leur toit.

Ce n'est pas une histoire isolée. C'est la version extrême d'un phénomène qui se produit constamment à plus petite échelle : chaque fois qu'un scientifique part en emportant avec lui des connaissances institutionnelles non documentées, chaque fois que la fermeture d'un laboratoire rend des années de données de recherche inaccessibles, chaque fois qu'un étudiant diplômé termine sa thèse et s'en va avec des cahiers qui n'ont jamais été numérisés.

Solutions ponctuelles vs solutions d'entreprise : comment l'échec de l'adoption prépare

La plupart des organisations qui peinent à adopter un ELN utilisent généralement plusieurs solutions ponctuelles qui n'ont jamais été conçues pour fonctionner ensemble. Une solution ponctuelle résout un problème spécifique pour un laboratoire spécifique. Une solution d'entreprise résout un problème organisationnel pour tout le monde.

Cette distinction est plus importante qu'on ne le pense, surtout maintenant que les outils d'IA ont fait leur entrée dans le débat. Toutes les conférences auxquelles j'ai assisté l'année dernière ont placé l'IA au cœur des discussions. Les fournisseurs promettent des analyses basées sur l'IA, une assistance à l'analyse par l'IA et une accélération de la recherche propulsée par l'IA. Et cet enthousiasme n'est pas totalement injustifié. La puissance de calcul disponible aujourd'hui permet réellement un type d'analyse de données qui était impossible il y a dix ans.

Mais ce qui se perd dans le brouhaha est fondamental :
‍

Il n'y a pas de science des données sans données propres et structurées, et l'IA ne peut pas faire grand-chose si elles sont fragmentées entre plusieurs systèmes.

Si vos données de recherche sont réparties dans cinq systèmes ELN différents, trois plateformes LIMS, une poignée de feuilles de calcul et quelques cahiers de laboratoire papier, aucun outil d'IA au monde ne pourra leur donner un sens. Le problème de la normalisation à lui seul - traduire des données provenant de systèmes incompatibles dans un format commun - est extrêmement chronophage et génère ses propres erreurs. Une fois tout ce travail accompli, vous ne travaillez toujours pas avec des données en temps réel.

Une plateforme unifiée change complètement la donne.

Lorsque les expériences, les échantillons, les stocks, les équipements et les protocoles sont tous regroupés dans un système unique et contrôlé - structurés de la même manière et interrogeables via une interface commune - les données sont immédiatement prêtes pour l'analyse. Vous n'avez plus besoin d'un ingénieur de données pour passer deux semaines à les assembler avant chaque réunion de direction.

À quoi ressemble une adoption réussie au niveau de la direction

Les organisations qui réussissent à adopter des plateformes ELN et LIMS à l'échelle de l'entreprise ont quelques points communs. Pour commencer, elles mesurent ce que les utilisateurs font réellement lorsqu'ils sont dans le système.

Chez SciSure, nous réalisons ce que nous appelons des exercices de concrétisation de la valeur généralement une ou deux fois par an pour chaque client. Nous évaluons la situation du client au début de la mise en œuvre, puis nous mesurons l'utilisation réelle au fil du temps : nombre d'échantillons enregistrés, volume de l'inventaire suivi, nombre de protocoles respectés, nombre d'expériences saisies. Pas seulement « se sont-ils connectés aujourd'hui ».

C'est pourquoi la valeur réelle d'un logiciel, son véritable retour sur investissement, dépend d'un processus de mise en œuvre solide.

C'est important car les lacunes en matière d'adoption ne s'annoncent pas. Elles apparaissent subtilement : dans le laboratoire débordé qui n'a jamais fini de mettre en place le module de gestion des échantillons, dans les deux groupes de recherche qui utilisent encore principalement l'ancien tableur, ou dans les dossiers d'équipement qui n'ont jamais été migrés.

Sans mesure active, ces lacunes restent invisibles jusqu'à ce qu'elles deviennent coûteuses.

Ce que nous constatons souvent lors de ces exercices, c'est que les problèmes d'utilisation sont des problèmes de mise en œuvre et d'accompagnement, et non des problèmes technologiques. Un laboratoire qui était parfaitement opérationnel le premier mois peut parfois stagner parce que la personne qui a dirigé le déploiement a été affectée à une autre tâche et n'est jamais revenue terminer ce qu'elle avait commencé. Personne ne l'a fait. Et maintenant, le système contient des données partielles, des enregistrements incohérents et des scientifiques qui ne sont pas sûrs de pouvoir se fier à ce qu'ils y trouvent.

La solution est rarement technique. Il s'agit généralement de formation, de support à la configuration et, surtout, d'un signal clair de la part de la direction indiquant que l'utilisation du système n'est pas facultative.

Lorsque nous pouvons montrer à une organisation que son utilisation s'est améliorée sur six mois, la réponse est presque toujours la même : ils ne se rendaient pas compte du chemin parcouru. Et lorsque nous pouvons montrer à un cadre dirigeant que ses équipes de recherche mènent plus d'expériences plus rapidement, parviennent plus vite à des hypothèses et produisent des données plus propres pour les dossiers réglementaires, c'est là que la conversation passe de « Pourquoi payons-nous pour cela ? » à « Comment pouvons-nous l'étendre ? ».

Savez-vous, à l'heure actuelle, ce qui se passe dans l'ensemble de votre portefeuille de recherche ?

Si vous êtes CSO, directeur de la R&D, directeur des opérations ou vice-président des opérations, voici ce que je vous demande d'examiner honnêtement : pouvez-vous obtenir une vue actuelle de ce sur quoi travaillent vos laboratoires, de l'avancement des expériences, de la concentration de vos programmes les plus performants et des ressources consacrées à des travaux qui ne progressent pas ?

Si la réponse est non, ou si l'obtention de ces informations nécessite que quelqu'un crée un rapport à partir de zéro en utilisant des données extraites de plusieurs systèmes, alors le problème vient de votre infrastructure de données, et non de la productivité de vos scientifiques.

Les organisations qui prendront les décisions commerciales les plus rapides, qui atteindront leurs hypothèses le plus tôt, protégeront leur propriété intellectuelle avec le plus de rigueur et qui bâtissent le dossier le plus solide pour leurs investisseurs sont celles qui investissent dès maintenant dans des plateformes unifiées et gouvernées. Pas des solutions disparates assemblées de bric et de broc.

Ce sont les organisations dont la direction a conclu que la stratégie « une solution pour chaque scientifique » n'est plus viable.

SciSure est l'une des seules plateformes qui combine un ELN complet et des fonctionnalités LIMS au sein d'une application unique, offrant aux organismes de recherche tout ce dont ils ont besoin pour gérer leurs laboratoires, leurs données, leur conformité et leurs travaux scientifiques en un seul endroit. Fini les ELN et LIMS séparés, fini les failles entre les systèmes.

Si vous souhaitez comprendre comment le processus de réalisation de valeur de SciSure peut aider votre organisation à identifier les lacunes d'adoption et à bâtir un dossier mesurable pour une mise en œuvre à l'échelle de l'entreprise, contactez notre équipe. Nous commencerons par ce qui compte le plus : vos données, vos flux de travail et les décisions commerciales que vous cherchez à accélérer.

En savoir plus:

• Mise en œuvre d'un cahier de laboratoire électronique (ELN) dans un nouveau laboratoire : guide étape par étape
• Comment mettre en œuvre un cahier de laboratoire électronique (ELN) dans un laboratoire existant sans ralentir la recherche
• Comment changer d'ELN : une stratégie de migration pratique pour les laboratoires de recherche
• 6 obstacles à l'adoption d'un cahier de laboratoire électronique (ELN) et comment aider votre équipe de recherche à les surmonter Eux
• Directives réglementaires GxP : conformité aux BPL et BPF pour les cahiers de laboratoire électroniques (ELN)‍
• Bonnes pratiques pour les cahiers de laboratoire électroniques : que faire après la mise en œuvre d'un ELN
• Cahiers de laboratoire papier ou électroniques : un guide pour les laboratoires d'entreprise