Le projet d'Annexe 22 des BPF européennes trace une frontière simple : dans une application critique pour le patient, le produit ou l'intégrité des données, seuls des modèles statiques et déterministes sont admis, et l'IA générative en est exclue. Dans une application non critique, un assistant fondé sur un grand modèle de langage peut servir, à condition qu'une personne qualifiée reste responsable de ce qu'il produit. Pour un directeur qualité, un responsable des affaires réglementaires ou une DSI de laboratoire, la question n'est donc pas « a-t-on le droit d'utiliser l'IA », mais « pour quel usage, et avec quoi autour ».
Cet article fait le point sur le statut du texte, sur ce qu'il dit des usages critiques et non critiques, et sur les usages documentaires réalistes aujourd'hui : questions sur les SOP en vigueur, préparation d'inspection, recherche de déviations similaires, cohérence des dossiers CTD, veille réglementaire. Pour chacun, il détaille ce qu'il impose : versions en vigueur, citations, journal ALCOA+, droits hérités de la GED, dossier de qualification de type GAMP 5, relecture qualifiée. Les exemples cités sont des cas publics, avec leur source.
Points clés à retenir
- Le projet d'Annexe 22 réserve les applications GMP critiques aux modèles statiques et déterministes ; l'IA générative et les LLM n'y ont pas leur place
- Pour les usages non critiques (SOP, préparation d'inspection, brouillons de résumé), un LLM peut servir avec un humain qualifié responsable de la sortie
- Au moment où nous écrivons (novembre 2026), nous n'avons pas trouvé de version finale publiée : vérifiez le statut auprès de la Commission européenne ou de l'EMA
- Ce qui fait tenir un assistant en inspection : versions en vigueur seulement, version citée, journal ALCOA+, droits hérités de la GED, dossier de qualification, relecture tracée
- Libération de lot, décisions qualité et imputabilité en pharmacovigilance restent hors du périmètre d'un assistant IA
Annexe 22 : où en est le texte en novembre 2026
Le 7 juillet 2025, la Commission européenne et l'EMA ont mis en consultation trois textes liés des BPF (bonnes pratiques de fabrication, EudraLex volume 4) : une nouvelle Annexe 22 consacrée à l'intelligence artificielle, une Annexe 11 très réécrite sur les systèmes informatisés et un Chapitre 4 révisé sur la documentation. La consultation s'est close le 7 octobre 2025 (présentation des trois textes sur Pharmaceutical Online).
Au moment où nous écrivons, nous n'avons pas trouvé de version finale publiée. Des articles sectoriels parus à l'automne 2026 parlent encore d'un projet, avec environ 1 300 commentaires à traiter et une finalisation attendue fin 2026 (tribune du 4 novembre 2026 sur la supervision humaine dans le projet, synthèse Eupry). Vérifiez le statut sur le site de la Commission européenne ou de l'EMA avant de citer le texte dans une procédure. Le texte final peut bouger ; la logique générale, elle, fait déjà référence dans les équipes qualité.
Le PIC/S, qui réunit des autorités d'inspection au-delà de l'Union européenne, est associé au projet. L'Annexe 22 vise les systèmes informatisés utilisés dans la fabrication des médicaments et des substances actives, lorsqu'un modèle d'IA y sert dans une application critique. Ce n'est pas l'AI Act : les deux textes se cumulent, l'un horizontal, l'autre propre aux BPF.
Ce que dit le projet : critique, non critique, humain dans la boucle
Tout le projet repose sur une distinction : l'application est-elle critique ou non ? Une application critique a un impact direct sur la sécurité du patient, la qualité du produit ou l'intégrité des données. Pour ces usages, le projet est restrictif (analyse European Pharmaceutical Review, lecture détaillée GMP Insiders) :
- Seuls des modèles statiques et déterministes sont admis : un modèle dont les paramètres ne changent pas pendant l'usage, et qui donne la même sortie pour la même entrée. Un modèle de vision qui détecte un défaut sur une ligne de conditionnement, figé et validé, entre dans cette catégorie.
- Les modèles dynamiques, qui continuent d'apprendre en production, ne doivent pas être utilisés dans une application critique.
- Les modèles à sortie probabiliste, l'IA générative et les grands modèles de langage (LLM) ne doivent pas être utilisés dans une application critique.
Pour les applications non critiques, le projet laisse plus de place. Un LLM peut servir, à condition qu'une personne qualifiée et formée reste responsable de vérifier que la sortie convient à l'usage prévu. C'est le principe d'humain dans la boucle, posé dès la section 1 du projet (champ d'application). Pour un modèle qui alimente une décision humaine, les sections 3.3 et 10.5 ajoutent que la responsabilité de l'opérateur doit être décrite, ce qui peut aller jusqu'à la revue de chaque sortie selon une procédure écrite. Les exemples cités dans les lectures du projet sont documentaires : résumer des rapports de déviation, chercher dans les SOP, rédiger un brouillon de note.
La question à poser en premier
Avant de choisir un modèle ou un fournisseur, écrivez l'usage prévu en une phrase et demandez à votre assurance qualité s'il est critique. Si la réponse est oui, un LLM n'est pas l'outil. Si la réponse est non, le sujet devient un sujet de système informatisé classique : droits, traces, versions, relecture. C'est cette seconde catégorie que traite la suite de l'article.
Annexe 11 et Chapitre 4 : le système autour du modèle
L'Annexe 22 parle du modèle. L'Annexe 11 révisée et le Chapitre 4 parlent de tout le reste, et c'est là que se joue la tenue en inspection d'un assistant documentaire, même non critique :
- Contrôle d'accès : qui peut interroger quoi, avec des comptes nominatifs.
- Piste d'audit : qui a demandé quoi, quand, avec quelle réponse.
- Gouvernance des données fondée sur le risque et traçabilité sur tout le cycle de vie de la donnée.
- Revue périodique du système et gestion des changements (nouvelle version du modèle, nouveau corpus, nouvelle règle de recherche).
- Sécurité : hébergement, sauvegardes, cloisonnement.
Rien de tout cela n'est propre à l'IA. Un laboratoire sait déjà le faire pour son LIMS, son MES ou sa GED. L'erreur fréquente consiste à traiter l'assistant IA comme un outil bureautique, hors du périmètre des systèmes informatisés, alors qu'il lit et restitue des documents GxP.
Ce que font déjà des laboratoires : quatre cas publics
Les exemples qui suivent sont des cas publics, cités avec leur source, pour montrer à quoi servent ces outils aujourd'hui.
- Sanofi, affaires réglementaires. Le groupe décrit l'usage de traitement du langage, de traduction automatique, de génération assistée de textes et de détection d'incohérences dans les dossiers réglementaires. L'outil sert à préparer et contrôler, la décision reste humaine (magazine Sanofi).
- Bristol Myers Squibb, plateforme d'entreprise. En mai 2026, BMS a annoncé le déploiement de Claude Enterprise (Anthropic) auprès de plus de 30 000 salariés, avec des agents envisagés en recherche et développement, fabrication, affaires médicales et fonctions commerciales (communiqué BMS). C'est un déploiement cloud d'entreprise, à l'échelle du groupe.
- Moderna, assistant interne puis ChatGPT Enterprise. Moderna a d'abord construit mChat, sa propre instance sur l'API d'OpenAI, puis est passé à ChatGPT Enterprise, avec plus de 750 GPT internes dans le juridique, la recherche, la fabrication et le commercial (retour publié par OpenAI).
- Documentation de validation, cas fournisseur. HCLTech, une société de services, présente un projet d'IA générative chez un client des sciences de la vie pour accélérer la rédaction de la documentation de validation (cas client HCLTech). C'est un cas présenté par le fournisseur : à lire comme une illustration, pas comme une référence.
Ces quatre exemples ont un point commun : l'IA prépare, cherche, rédige un premier jet ou signale une incohérence. Aucun ne libère un lot ni ne tranche une déviation. Ils montrent aussi deux routes : la plateforme cloud d'entreprise à grande échelle, et l'outil plus ciblé, sur un corpus et un usage précis.
Usage par usage : critique ou non, et ce qu'il faut autour
Le tableau ci-dessous est une grille de lecture, pas une classification officielle. La décision critique ou non critique appartient à votre assurance qualité, usage par usage.
| Usage | Critique au sens du projet ? | Ce qu'il faut autour |
|---|---|---|
| Questions sur les SOP en vigueur | Non, si la SOP reste la référence et que l'opérateur la consulte | Uniquement les versions effectives, citation avec numéro de version, droits hérités de la GED, journal |
| Préparation d'inspection ou d'audit | Non | Corpus daté, citations cliquables, relecture avant toute réponse transmise à un inspecteur |
| Recherche de déviations similaires et brouillon de résumé | Non, tant que la cause racine et la classification restent décidées par un humain | Liens vers les fiches sources, brouillon marqué comme tel, relecture qualifiée tracée |
| Cohérence entre modules CTD, en brouillon | Non, en amont du dépôt et avec relecture | Hébergement maîtrisé, cloisonnement par produit, signalement des écarts sans correction automatique |
| Veille réglementaire | Non | Sources officielles datées, comparaison de versions, analyse d'impact faite par l'équipe |
| Classer la criticité d'une déviation, approuver une CAPA | Oui | Décision humaine ; pas de LLM pour décider |
| Contrôle visuel automatisé sur ligne | Oui | Modèle statique et déterministe, validé selon le projet d'Annexe 22 ; c'est un autre type de projet |
| Certification et libération de lot | Oui | Hors périmètre d'un assistant ; acte de la personne qualifiée |
| Imputabilité en pharmacovigilance | Oui (sécurité du patient) | Évaluation médicale humaine ; l'assistant se limite à la recherche documentaire |
Cinq usages documentaires non critiques, en détail
1. Répondre aux questions sur les SOP en vigueur
C'est l'usage le plus fréquent et le plus simple à cadrer. Un opérateur, un technicien de maintenance ou un nouvel arrivant demande « quelle est la fréquence de nettoyage de telle salle » ou « que faire si la pesée sort de la tolérance ». L'assistant répond en citant la SOP, son numéro, sa version et le paragraphe. La SOP reste la référence : l'assistant aide à la trouver, il ne la remplace pas.
Ce qui casse cet usage, c'est une SOP périmée. Si le corpus contient l'ancienne et la nouvelle version, l'assistant peut citer la mauvaise, et une inspection le relèvera. Le filtre sur le statut « effectif » de la GED n'est pas une option.
2. Préparer une inspection
Avant une inspection de l'ANSM ou d'une autorité étrangère, l'équipe qualité passe des jours à retrouver des preuves : réponses à des observations précédentes, historique d'un équipement, procédure qui répond à une exigence donnée. Un assistant qui cherche dans les rapports d'inspection passés, les CAPA clôturées et les procédures fait gagner ce temps de recherche. La réponse transmise à l'inspecteur reste rédigée et vérifiée par l'équipe, à partir des documents originaux.
3. Retrouver des déviations similaires et préparer un brouillon de résumé
Face à une nouvelle déviation, la première question est souvent : est-ce déjà arrivé ? Un assistant peut retrouver les déviations proches dans l'historique, les regrouper par cause racine retenue à l'époque et proposer un brouillon de résumé. C'est l'exemple le plus souvent cité comme non critique dans les lectures du projet. La limite est nette : la classification de la déviation, la cause racine retenue et la CAPA sont décidées et signées par des personnes, et le brouillon est marqué comme tel dans le système.
4. Contrôler la cohérence entre modules CTD, en brouillon
Un dossier d'AMM au format CTD répète des informations d'un module à l'autre : composition, spécifications, conditions de conservation. Un assistant peut signaler qu'une valeur diffère entre le module 2 et le module 3, ou qu'une référence pointe vers une version ancienne. Il signale, il ne corrige pas. C'est aussi l'usage le plus sensible en matière de confidentialité : un dossier non déposé est l'un des documents les plus stratégiques d'un laboratoire.
5. Suivre la veille réglementaire
Annexes BPF, lignes directrices ICH, publications de l'EMA, de l'ANSM et de la FDA : la veille consiste à repérer ce qui change et ce que cela touche dans vos procédures. Un assistant peut comparer deux versions d'un texte, résumer les écarts et lister les procédures internes qui citent le passage modifié. L'analyse d'impact et la décision de réviser une SOP restent celles de l'équipe.
Ce que ces usages imposent au système
Les cinq usages ci-dessus partagent les mêmes exigences. Elles décident de la tenue en inspection bien plus que le choix du modèle.
Ne servir que les versions en vigueur, et citer la version
L'index de recherche se construit à partir du statut des documents dans la GED : seuls les documents effectifs y entrent, et une SOP remplacée en sort le jour de son remplacement. Chaque réponse affiche le numéro du document, sa version, sa date d'effectivité et un lien vers l'original. Une réponse sans source vérifiable n'est pas une réponse : l'assistant doit savoir dire qu'il ne trouve pas.
Un journal conforme à l'esprit ALCOA+
ALCOA+ résume les attentes d'intégrité des données : une donnée attribuable, lisible, contemporaine, originale et exacte, à quoi s'ajoutent complète, cohérente, durable et disponible. Le principe est décrit notamment dans le guide de la MHRA sur l'intégrité des données GxP et dans le guide PIC/S PI 041 ; reportez-vous à la version en vigueur de ces textes pour la définition exacte. Appliqué à un assistant, cela donne un journal qui enregistre pour chaque échange l'utilisateur, l'horodatage, la question, les documents et versions utilisés, la réponse, la version du modèle et de la configuration, et la relecture éventuelle. Ce journal est conservé, protégé contre la modification et consultable par la qualité.
Des droits hérités de la GED
Un laboratoire gère ses documents dans une GED qualité : Veeva Vault, OpenText Documentum ou un équivalent. Les droits y sont déjà définis par site, par produit, par fonction. L'assistant ne doit pas créer un second modèle de droits : il applique ceux de la GED au moment de la recherche, pour que personne ne voie par l'assistant un document qu'il ne pourrait pas ouvrir directement. Le cloisonnement par produit compte particulièrement pour les dossiers réglementaires.
Un dossier de qualification de type GAMP
GAMP 5 (deuxième édition, 2022) est la référence de l'ISPE pour valider les systèmes informatisés selon une approche fondée sur le risque. En juillet 2025, l'ISPE a publié un guide GAMP consacré à l'intelligence artificielle, d'environ 290 pages, conçu pour s'utiliser avec GAMP 5. Pour un assistant documentaire, le dossier comprend en pratique :
- l'usage prévu et sa classification critique ou non critique, signée par la qualité ;
- les exigences utilisateur (corpus, droits, citations, journal, refus hors corpus) ;
- un jeu de questions de référence, avec les réponses attendues et les documents sources, rejoué à chaque changement ;
- les résultats de tests, l'analyse de risque, la procédure de relecture et la formation des utilisateurs ;
- la gestion des changements et la revue périodique.
Le jeu de questions de référence est la pièce qui manque le plus souvent. C'est lui qui permet de dire qu'une nouvelle version du modèle ou un nouveau découpage des documents n'a pas dégradé les réponses. Nous détaillons la méthode dans notre article sur l'évaluation d'un RAG. Ce dossier qualifie votre système pour votre usage : aucun fournisseur ne peut livrer un assistant « déjà validé » pour votre laboratoire.
Une relecture qualifiée, prévue dans la procédure
L'humain dans la boucle n'est pas une mention en bas d'écran. Il s'écrit dans une procédure : qui relit quel type de sortie, avec quelle formation, et comment la relecture est tracée. Pour une question sur une SOP, la relecture consiste à ouvrir la source citée. Pour un brouillon de résumé de déviation, c'est une relecture complète et signée avant tout usage dans un enregistrement.
Côté FDA
Le projet de guide de la FDA du 6 janvier 2025, « Considerations for the Use of Artificial Intelligence to Support Regulatory Decision-Making for Drug and Biological Products », propose un cadre de crédibilité en sept étapes fondé sur le contexte d'usage et le risque. Il vise les modèles qui produisent des données à l'appui de décisions sur la sécurité, l'efficacité ou la qualité. Il exclut la découverte de médicaments et les gains d'efficacité opérationnelle sans impact sur ces décisions, en citant la rédaction d'une soumission (page FDA du guide, avis au Federal Register). Un assistant documentaire relu par un humain sort donc de ce périmètre ; il reste dans celui de vos BPF.
Pourquoi l'hébergement interne pèse dans un laboratoire
Aucun texte des BPF n'impose d'héberger un assistant IA dans le laboratoire, et les exemples de BMS ou Moderna montrent que des groupes choisissent des plateformes cloud d'entreprise. Trois catégories de documents font pourtant pencher beaucoup de directions qualité et de DSI vers un déploiement interne, au moins pour une partie du corpus :
- Le secret industriel : procédés de fabrication, formulations, paramètres critiques, rapports de transfert de technologie.
- Les dossiers d'AMM non déposés et les échanges avec les autorités, qui engagent la stratégie du produit.
- Les données patients des essais cliniques et de la pharmacovigilance, qui sont des données de santé au sens de l'article 9 du RGPD (voir notre article sur le RGPD, l'HDS et l'IA pour les données de santé).
Héberger chez soi réduit le nombre de tiers à qualifier, simplifie l'analyse de transfert de données et permet surtout de figer la version du modèle. Le projet d'Annexe 22 parle de modèles statiques pour les applications critiques ; pour un LLM en usage non critique, ce n'est pas une exigence écrite, mais un modèle ouvert figé sur vos serveurs se prête mieux à la gestion des changements qu'un modèle mis à jour par un fournisseur sans préavis. Les options d'hébergement (serveurs internes, réseau isolé, cloud français) sont décrites dans notre article sur l'IA locale en entreprise, et les outils auto-hébergés disponibles dans notre comparatif LibreChat, AnythingLLM et Onyx. Pour un pilote sur un seul corpus, une machine compacte peut suffire : voir notre retour sur le DGX Spark en entreprise. Notre page agent IA souverain détaille les trois modes de déploiement que nous livrons.
L'autre raison est plus prosaïque : si l'outil officiel n'existe pas, les équipes collent déjà des extraits de documents dans des outils grand public. C'est le sujet de notre article sur la shadow IA, et dans un laboratoire, l'enjeu porte sur des documents GxP.
Ce qui reste interdit ou déconseillé
Quelle que soit la qualité du modèle, certaines frontières ne bougent pas avec le projet d'Annexe 22 :
- La certification et la libération de lot restent l'acte d'une personne qualifiée. Un assistant peut aider à retrouver un document du dossier de lot, il ne propose pas de décision.
- Les décisions qualité : classification d'une déviation, cause racine retenue, approbation d'une CAPA, décision de rappel. Elles répondent à la définition d'une application critique du projet (impact direct sur le patient, le produit ou l'intégrité des données), où l'IA générative n'a pas sa place.
- L'imputabilité en pharmacovigilance : l'évaluation du lien entre un médicament et un effet indésirable est une évaluation médicale. L'assistant peut chercher dans les procédures et la littérature, pas conclure.
- Un texte déposé sans relecture : aucun contenu produit par un LLM ne part dans un dossier, une réponse à une autorité ou un enregistrement GxP sans relecture tracée.
- Un modèle qui change sans gestion des changements : passer à une nouvelle version du modèle, même meilleure, se traite comme tout changement de système informatisé.
Une formulation à proscrire, dans un cahier des charges comme dans une plaquette : un produit « conforme Annexe 22 » ou « validé GxP ». La conformité et la validation sont des statuts de votre système, dans votre usage, documentés par votre qualité.
Par où commencer
Un premier projet réaliste tient sur un seul corpus et un seul usage non critique : par exemple, les SOP effectives d'un site de production. On construit un jeu de questions réelles avec les utilisateurs, on mesure la qualité des réponses et des citations, on vérifie les droits et le journal, puis on décide d'étendre ou non. Le cadrage d'un projet IA en PME ou ETI, les étapes et les rôles sont détaillés dans notre guide du projet IA.
Nous développons ce type d'agent documentaire : notre agent IA souverain déployé chez vous répond sur la documentation interne avec la source et la version citées, applique les droits des sources, journalise localement et peut fonctionner avec un modèle ouvert sur vos serveurs. Dans un laboratoire, il s'inscrit dans votre système qualité et votre validation : la classification de l'usage, le dossier de qualification et la procédure de relecture restent les vôtres, et nous fournissons la documentation technique, le jeu d'évaluation et les traces dont ils ont besoin.
Questions fréquentes sur l'Annexe 22 et l'IA en laboratoire
Pour aller plus loin
- Agent IA souverain déployé chez vous : le socle, les modes de déploiement et le format du pilote.
- Guide du projet IA en PME et ETI : cadrage, étapes, rôles et conditions de réussite.
- AI Act : le guide de conformité : calendrier, niveaux de risque, obligations.
- RGPD, HDS et IA pour les données de santé : ce qui s'applique quand le corpus contient des données patients.
- ITAR et Diffusion Restreinte : un assistant IA dans un autre secteur où le document ne sort pas.
- Sécurité des données et IA : la checklist RGPD et souveraineté.
- Assistant IA interne sur vos documents : notre offre de développement RAG sur mesure.
