Problèmes difficiles · Biotech
Choisir les prochaines expériences au lieu de les deviner
Une séance de travail sur les données d'expériences d'une entreprise de biotech, pour identifier les paramètres les plus prometteurs à tester ensuite.
Le problème
En R&D biotech, mettre au point un produit ou un protocole revient à chercher la bonne combinaison de paramètres. Chaque combinaison se teste par une expérience, et chaque série d'expériences coûte du temps et des consommables. Les équipes avancent beaucoup à l'expérience et à l'intuition, tandis que les résultats des séries passées restent peu exploités.
L'approche
Structurer les résultats d'expériences existants : paramètres testés, conditions, mesures.
Modéliser l'effet des paramètres sur la performance recherchée, et vérifier que le modèle prédit correctement des expériences qu'il n'a pas vues.
Estimer l'incertitude de chaque prédiction, pour distinguer les pistes solides des paris risqués.
Proposer les prochains paramètres à tester, avec pour chacun la chance estimée de dépasser le meilleur résultat obtenu jusque-là.
Le résultat
Une compréhension de ce qui pilote la performance, et une prochaine série d'expériences ciblée. La validation expérimentale est en cours.
Ce qui est transposable
Formulation en cosmétique, réglage d'un procédé industriel, mise au point d'un produit alimentaire : partout où l'on progresse par expériences coûteuses, les essais passés contiennent de l'information. Une méthode rigoureuse permet de choisir les prochains essais, et donc d'atteindre le bon réglage en moins de séries.