Rivia lève 13 M€ pour une AI agentique dédiée à la gestion des essais cliniques

Rivia, une startup suisse, a levé environ €13 millions lors d'une nouvelle ronde de financement pour développer une IA agentive pour les essais cliniques. L'entreprise basée à Zurich veut automatiser non pas la science elle-même, mais la couche opérationnelle la plus douloureuse du développement de médicaments : la collecte, la réconciliation, la vérification et l'interprétation des données qui restent aujourd'hui dispersées dans des dizaines de systèmes.

Pourquoi le Marché Est Cassé

Les essais cliniques sont l'un des processus les plus saturés de données en médecine. Même une seule grande étude Phase III peut extraire simultanément des informations de centres de recherche, de laboratoires, de journaux des patients, d'appareils portables, d'images, de génomique et de documents réglementaires. Le problème est que ces flux résident généralement chez des fournisseurs différents, arrivent dans des formats différents et se mettent à jour à des vitesses différentes. En conséquence, les équipes passent du temps non pas à l'analyse, mais à l'assemblage manuel sans fin d'une image unifiée.

Selon Rivia, au cours de la dernière décennie, le volume de données dans les essais cliniques a augmenté de plus de 400%, mais l'infrastructure sous-jacente a à peine changé. De grands systèmes comme Veeva et Medidata ont historiquement résolu le problème du stockage et de la conformité réglementaire, non pas l'intégration en temps réel de sources hétérogènes. En pratique, les entreprises exportent souvent toujours des fichiers de plusieurs systèmes, les consolident dans Excel ou créent des pipelines séparés pour chaque nouveau protocole.

Ce Que Construit Rivia

Rivia opère depuis 2022 et a d'abord construit une couche de données unifiée pour les équipes de biotechnologie, puis a commencé à ajouter des agents d'IA au-dessus de cette base. En juin 2024, la startup a levé €3 millions en financement d'amorçage, et a maintenant fermé une ronde Series A plus grande, qui selon diverses publications s'élevait à 15 millions de dollars, ou environ €13 millions. La ronde a été menée par Earlybird ; d'autres participants incluaient Defiant, Speedinvest, Amino Collective et Nina Capital. Les fonds iront à la croissance des équipes à Zurich et Boston et au lancement de nouveaux agents intégrés.

«

Si vous n'établissez pas d'abord une structure de données appropriée, l'IA travaillera avec des informations mal organisées et livrera des résultats peu fiables », explique le PDG de Rivia, Eric Scalfaro.

Actuellement, la plateforme Rivia comprend plusieurs couches clés :

• une couche unifiée de données normalisées pour les sources disparates
• une bibliothèque de configurations réutilisables pour la logique spécifique des études
• l'agent Spark, qui convertit les requêtes en langage naturel en graphiques cliniques et résumés
• des agents pour la surveillance proactive de la qualité des données et des anomalies
• des processus avec des pistes d'audit transparentes des actions qui peuvent être vérifiées dans le cadre réglementaire

Séparément, Rivia fait référence aux résultats d'une étude Phase 2, où Spark a aidé l'équipe sponsor dans les tâches typiques d'examen clinique—de l'analyse des événements indésirables à la construction de cohortes et la préparation de résumés descriptifs. Selon l'entreprise, le temps moyen pour une tâche manuelle était de 47 minutes, tandis que la réponse de Spark prenait environ 2 minutes. Au total, cela a fourni une économie de temps de 91% et a libéré environ 20 heures, que l'équipe a pu consacrer non pas à la mécanique des données, mais aux décisions cliniques.

L'entreprise n'a pas encore divulgué son nombre de clients, mais affirme que la plateforme est déjà utilisée dans les essais actifs.

Où les Agents Seront Utiles

L'aspect le plus intéressant de l'histoire de Rivia n'est pas simplement un autre assistant d'IA qui fournit une réponse élégante, mais une tentative d'intégrer des agents dans un environnement fortement réglementé. Dans les essais cliniques, un « chat intelligent » qui fournit une réponse soignée ne suffit pas. Ce qui compte ici, c'est l'explicabilité, la piste d'audit, la validation, le contrôle de version et la conformité avec les exigences de la FDA et l'EMA.

Sur ce fond, la pression réglementaire augmente également : l'industrie s'attend de plus en plus à des outils qui aident à gérer les risques et la conformité de manière proactive, plutôt qu'après coup. En pratique, de tels agents peuvent résoudre plusieurs tâches coûteuses et lentes simultanément : mettre en évidence les problèmes de qualité des données à l'avance, identifier les risques de recrutement de patients avant que les délais ne glissent, aider les équipes à construire des visualisations et des résumés plus rapidement au fur et à mesure que l'étude progresse, et structurer les actions afin qu'elles puissent être auditées ultérieurement.

Si cette approche se met à l'échelle, les bénéfices vont non seulement aux CRO et biotechs, mais aussi aux programmes de développement de médicaments eux-mêmes, où les retards se traduisent rapidement par des millions de dollars de pertes.

Ce Que Cela Signifie

Rivia parie sur une thèse claire : la prochaine étape de l'IA en healthtech n'est pas la génération de texte sur des fichiers chaotiques, mais des systèmes agentifs qui comprennent la logique des essais cliniques et fonctionnent dans le cadre réglementaire. L'entreprise se fixe pour objectif ambitieux de réduire les coûts des essais de 50% ; si elle peut prouver la fiabilité de cette approche dans des programmes réels, le marché gagnera non pas un autre tableau de bord, mais une nouvelle couche opérationnelle pour le développement de médicaments.