How is artificial intelligence set to transform clinical research? A look back at the EDHEC conference in spring 2025

Artificial intelligence is increasingly shaking up the foundations of modern medicine. From digital twins capable of simulating a patient's progress to synthetic data arms used to replace traditional control groups in clinical trials, medical research is entering an era of radical transformation.

But these innovations raise as many questions as they offer promises: can a treatment be validated without a real ‘control group’? How can the reliability and ethics of algorithms be guaranteed? Is France ready to remain competitive in this global race, facing already well-established powers?

To decipher these challenges, EDHEC Business School, through its Management in Innovative Health Chair, and Median Technologies organised a conference-debate bringing together key players in the sector:

• Owkin, French-American startup pioneering AI in oncology;
• Servier, long-standing player in pharmaceutical innovation;
• the Ministry of Health, through the Ségur digital initiative;
• and the think tank Ethik-IA, committed to responsible AI in healthcare.

Through open and candid discussions, this evening event helped to outline the contours of tomorrow's clinical research — research enhanced by data, driven by algorithms, but guided by humans.

A healthcare system undergoing transformation

The healthcare sector is currently undergoing major transformations: an explosion of medical data, the development of personalised medicine, accelerated therapeutic innovations, increased regulatory pressures and heightened patient expectations.

In this context, artificial intelligence is emerging as a strategic lever, capable of reshaping the contours of prevention, diagnosis and care, as well as research.

At the intersection of these developments, a new approach has emerged that has become central: translational medicine. Its ambition is to foster continuous dialogue between fundamental science, clinical data, real-world applications and technology in order to accelerate the transition from the laboratory to the patient's bedside. AI, with its ability to cross-reference large amounts of heterogeneous data, is becoming a powerful catalyst for this dynamic.

Between technical promises and regulatory constraints

‘Artificial intelligence is everywhere in our daily lives, but in clinical research, it remains a subject of exploration,’ introduces Caroline Baufour, Head of Innovation – Clinical Development at Servier. While technology is advancing rapidly, its integration into trial protocols remains subject to numerous constraints, including regulatory validation, traceability and data robustness.

Antoine Iannessi, medical director at Median Technologies, confirms this discrepancy: 'AI is ready. What is not yet ready are the frameworks for its use, the testing infrastructure and the validation channels'. In other words, clinical research is on the verge of a technological leap, but this leap requires profound adjustments to organisational, regulatory and cooperation models.

AI in action: from diagnosis to prediction

Andy Karabajakian, directeur du pôle oncologie chez Owkin, incarne une vision plus opérationnelle : « Dans certains domaines, comme la radiologie ou la pathologie numérique, l’IA est déjà une réalité clinique. »

L’entreprise franco-américaine a notamment développé RlapseRisk, un outil de deep learning capable de prédire le risque de rechute chez des patients atteints de cancer, actuellement en test à l’hôpital Bicêtre (AP-HP). Une technologie innovante, mais qui devra encore franchir l’étape de la certification réglementaire pour intégrer pleinement le parcours de soin.

Cette logique de prédiction, au cœur de l’IA médicale, ouvre des perspectives immenses : identifier plus tôt les profils répondeurs à un traitement, éviter les effets secondaires inutiles, ou optimiser le design d’un essai clinique. Mais elle pose aussi une question fondamentale : peut-on confier des décisions médicales à des algorithmes ? Et à quelles conditions ?

A technology in search of legitimacy

La confiance s’impose rapidement comme l’un des enjeux majeurs. « Une étude menée par l’EDHEC montre que 40 % des femmes interrogées déclarent ne pas faire confiance aux outils d’IA en santé », indique Loïck Menvielle, professeur à l'EDHEC et directeur de la chaire Management in Innovative Health. Un chiffre révélateur des freins à l’acceptabilité.

Pierre Loulergue, infectiologue et membre du collectif Ethik-IA, insiste : « Nous vivons un moment charnière. C’est maintenant que nous devons poser les bonnes bases : encadrer l’usage, garantir la transparence, renforcer l’explicabilité. »

Un avis partagé par Andy Karabajakian, qui milite pour une IA « traçable et compréhensible », construite sur des modèles explicables et des chaînes de décision claires.

Mais cela suppose de penser différemment l’architecture des outils, souligne Antoine Iannessi : « On ne peut pas rajouter l’explicabilité après coup. Il faut la concevoir dès le départ. »

Data to be structured, a system to be streamlined

Au centre du débat : la donnée de santé, carburant indispensable de l’intelligence artificielle. Mais cette ressource est encore rare, dispersée, peu interopérable. « Pour que l’IA fonctionne, il faut de la donnée fiable, complète et représentative », insiste Caroline Baufour.

Un enjeu auquel Olivier Clatz, directeur du Ségur numérique, travaille activement. Grâce à la plateforme Mon espace santé, plus de 250 millions de documents médicaux ont déjà été échangés depuis fin 2023. « La France dispose aujourd’hui de l’un des écosystèmes numériques les plus avancés d’Europe, et nous allons encore l’enrichir, notamment via l’imagerie et les données génétiques. »

Developing clinical research that lives up to its promises

Ce qui s’est dessiné au fil des échanges n’est pas un futur lointain, mais un cap à atteindre, dès aujourd’hui. Pour les intervenants, l’avenir de l’IA en recherche clinique ne se jouera pas uniquement dans les laboratoires, mais dans notre capacité collective à réunir cinq conditions essentielles : des données fiables, des modèles transparents, une éthique active, une régulation cohérente, et surtout, une alliance solide entre science, industrie et institutions publiques.

Face à la tentation d’aller vite, le défi est d’aller juste. L’intelligence artificielle ne doit pas simplement accélérer la recherche clinique : elle doit l’élever, l’éclairer, la rendre plus précise, plus accessible, plus équitable.

C’est à cette condition que l'IA pourra tenir ses promesses : non pas remplacer la médecine, mais la prolonger, la renforcer, et, peut-être, la réhumaniser.