Oracle a annoncé le lancement de Oracle Life Sciences AI Data Platform, une nouvelle plateforme conçue pour unifier les données dispersées (proprees, tierces et publiques) et pour appliquer de l’Intelligence Artificielle générative en y intégrant des capacités “agentiques” afin d’accélérer les processus allant de la recherche et du développement (R&D) aux essais cliniques, à la pharmacovigilance et à la commercialisation.

Cette annonce a été faite le 29 janvier 2026 depuis Austin (Texas), avec un message clair : dans les sciences de la vie, le principal obstacle n’est pas toujours le manque d’idées, mais plutôt la fragmentation des données et la difficulté à les transformer en preuves exploitables dans les flux de travail cliniques et de recherche.

Un problème bien connu : des données critiques… mais dispersées et difficiles à exploiter

Concrètement, de nombreuses organisations du secteur — pharmaceutique, medtech, CRO ou centres de recherche — naviguent dans un paysage d’informations hétérogènes : bases internes, sources externes, dépôts publics, documentation réglementaire, résultats d’essais, données de sécurité post-commercialisation… sans oublier les données cliniques “du monde réel” qui arrivent souvent tard, incomplètes ou dans des formats non compatibles.

Selon l’approche d’Oracle, cette hétérogénéité rend l’interprétation et la corrélation des données plus longues, coûteuses et parfois peu évolutives. La plateforme proposée vise donc à devenir une couche d’unification et d’automatisation capable de préparer de grands volumes de données pour une recherche appuyée par l’IA.

L’essence de la plateforme : plus de 129 millions de dossiers longitudinales anonymisées

Un des éléments les plus remarquables de cette annonce est la taille du corpus de données “du monde réel” qu’Oracle met à disposition : la plateforme intègre plus de 129 millions de dossiers longitudinales anonymisées issus de dossiers médicaux électroniques (DME) grâce à Oracle Health Real-World Data.

Oracle précise que ce chiffre est calculé avec différents identifiants et mécanismes visant à réduire les doublons à l’intérieur d’un même système de santé, mais rappelle qu’un même patient, passant par plusieurs systèmes, pourrait apparaître plusieurs fois. Autrement dit : volume massif, avec toutes les complexités habituelles des données de santé à grande échelle.

Quelle valeur ajoutée par la composante “agentique” ?

Le terme “agentique” est à la mode dans le secteur, mais ici, il prend un sens concret : Oracle propose l’utilisation d’agents IA “prêts à l’emploi” et la possibilité pour chaque organisation de construire ses propres agents, dans le but d’automatiser des tâches et d’orienter l’analyse dans des limites définies par l’utilisateur.

Plutôt que de se limiter à des tableaux de bord ou des requêtes fermées, la promesse est qu’un chercheur puisse formuler des questions ouvertes, et que ces agents :

• clarifient l’intention,
• aident à générer et affiner des hypothèses,
• proposent des analyses pour revue,
• et exécutent des actions “dans le cadre”, avec transparence totale sur la traçabilité des données.

En théorie, cela permettrait d’accroître la scalabilité des équipes et d’accélérer les cycles de recherche sans perdre en traçabilité, un enjeu essentiel dans les environnements réglementés.

Cas d’usage : de l’essai clinique à l’élargissement d’indication

Oracle cite plusieurs scénarios où sa plateforme pourrait être très utile, notamment dans des contextes où l’analyse de données est souvent intensive et lente :

• Expansions d’indication (“label expansion”), en cherchant des preuves dans des populations et des résultats variés.
• HEOR (Health Economics and Outcomes Research), analyses à l’échelle de la population pour évaluer impact clinique et économique.
• Briques de contrôle synthétiques, une technique de plus en plus utilisée pour compléter les comparateurs dans certains types d’essais.
• Suivi de la sécurité à partir de sources hétérogènes, clé en pharmacovigilance et en monitoring post-marché.
• Soutien aux dossiers réglementaires, avec plus d’efficacité et de flexibilité, selon la société.

Le principe général étant qu’en consolidant les données et en appliquant une IA orientée recherche, on peut “rapprocher” des résultats exploitables pour les équipes de décision en clinique, R&D et opérations.

Alignement avec la stratégie d’Oracle : plateforme + écosystème

Cette annonce s’inscrit également dans la vision d’Oracle d’un écosystème intégré. La société explique que cette plateforme est conçue pour se connecter avec différents composants de son portefeuille, notamment :

• Oracle Cloud Infrastructure (OCI),
• Oracle Life Sciences AI Application Suite,
• Oracle Fusion Cloud SCM et Oracle Fusion Cloud Sales (opérations et ventes),
• et Oracle Health AI Application Suite.

Ce mode “plug-in” vise à faire en sorte que la plateforme ne soit pas un produit isolé, mais un noyau de données sur lequel peuvent s’appuyer de nouvelles capacités de façon fluide.

Prochaine étape : SCOPE 2026 à Orlando

Dans le cadre de cette présentation, Oracle a annoncé sa participation à la conférence SCOPE (Summit for Clinical Ops Executives), qui se tiendra à Orlando (Floride) du 2 au 5 février 2026, où la société prévoit de présenter sa proposition au stand #1.506.

Questions fréquentes

Qu’est-ce que Oracle Life Sciences AI Data Platform et à qui s’adresse-t-elle ?

Il s’agit d’une plateforme d’analyse et d’unification des données, intégrant de l’Intelligence Artificielle générative et des capacités “agentiques”, destinée aux organisations du secteur pharmaceutique, des dispositifs médicaux, de la recherche et des sciences de la vie qui souhaitent accélérer la R&D, les essais cliniques, la sécurité post-marché et la commercialisation.

Quels types de données intègre-t-elle et quel est le chiffre clé de cette annonce ?

La plateforme rassemble des données clients, sources tierces et publiques, et inclut plus de 129 millions de dossiers longitudinales anonymisées issus de dossiers médicaux électroniques via Oracle Health Real-World Data.

En quoi diffère-t-elle d’une plateforme BI ou analytique traditionnelle ?

Son approche inclut l’utilisation d’ agents IA capables de gérer des questions ouvertes, d’aider à formuler des hypothèses, de proposer des analyses, tout en assurant une traçabilité et un linéage des données, éléments essentiels dans un contexte réglementé.

Quels cas d’usage en font la plateforme la plus utile ?

Oracle mentionne notamment des applications en pharmacovigilance, HEOR, briques de contrôle synthétiques, soutien aux dossiers réglementaires et détection d’opportunités pour l’expansion d’indication, entre autres.

Source : oracle