Rivia lève 13 millions d'euros pour une IA agentique dédiée aux essais cliniques

La suisse Rivia a levé environ 13 millions d'euros lors d'un nouveau tour de table pour développer une IA agentique destinée aux essais cliniques. La start-up zurichoise ne veut pas automatiser la science elle-même, mais la couche opérationnelle la plus pénible du développement de médicaments : collecter, rapprocher, vérifier et interpréter des données qui restent aujourd'hui éparpillées dans des dizaines de systèmes.

Pourquoi le marché est grippé

Les essais cliniques figurent parmi les processus les plus riches en données de la médecine. Une seule grande étude de Phase III peut puiser simultanément dans les centres de recherche, les laboratoires, les carnets des patients, les objets connectés, l'imagerie, la génomique et les documents réglementaires. Le problème : ces flux dépendent généralement de fournisseurs différents, arrivent dans des formats différents et se mettent à jour à des rythmes différents. Résultat, les équipes passent leur temps non pas à analyser, mais à reconstituer à la main, sans fin, une vue unique.

Selon Rivia, le volume de données de la recherche clinique a augmenté de plus de 400 % en dix ans, alors que l'infrastructure de base n'a presque pas changé. Les grands systèmes comme Veeva et Medidata ont historiquement répondu au stockage et à la conformité réglementaire, pas à l'intégration en temps réel de sources hétérogènes. En pratique, les entreprises continuent donc souvent d'exporter des fichiers depuis plusieurs systèmes, de les agréger dans Excel ou de construire des pipelines distincts pour chaque nouveau protocole.

Ce que construit Rivia

Rivia existe depuis 2022. L'entreprise a d'abord bâti une couche de données unifiée pour les équipes de biotech, avant d'ajouter des agents d'IA par-dessus. En juin 2024, la start-up a levé 3 millions d'euros en seed ; elle vient de boucler une Series A plus importante qui, selon plusieurs publications, s'élève à 15 millions de dollars, soit environ 13 millions d'euros. Le tour est mené par Earlybird, avec la participation de Defiant, Speedinvest, Amino Collective et Nina Capital. L'argent servira à renforcer les équipes de Zurich et de Boston et à lancer de nouveaux agents intégrés.

«

Si l'on ne construit pas d'abord la structure des données, l'IA travaillera sur des informations mal organisées et donnera un résultat peu fiable », explique le CEO de Rivia, Erik Scalfaro.

La plateforme de Rivia comprend aujourd'hui plusieurs couches clés :

• une couche unifiée de données normalisées pour des sources dispersées
• une bibliothèque de configurations réutilisables adaptées à la logique d'études précises
• l'agent Spark, qui transforme des requêtes en langage naturel en graphiques et synthèses cliniques
• des agents de surveillance proactive de la qualité des données et des écarts
• des processus avec un audit transparent des actions, vérifiables dans un cadre réglementaire

Rivia met par ailleurs en avant les résultats d'une étude de Phase 2 où Spark a aidé l'équipe d'un promoteur sur des tâches courantes de revue clinique, de l'analyse des événements indésirables à la constitution de cohortes et à la préparation de synthèses descriptives. Selon l'entreprise, une tâche manuelle prenait en moyenne 47 minutes, contre environ 2 minutes pour une réponse de Spark. Au total, cela représente 91 % de temps économisé et environ 20 heures libérées, que l'équipe a pu consacrer aux décisions cliniques plutôt qu'à la mécanique des données.

L'entreprise ne dévoile pas encore son nombre de clients, mais affirme que la plateforme est déjà utilisée dans des essais en cours.

Où les agents seront utiles

Le plus intéressant dans l'histoire de Rivia n'est pas qu'il s'agisse d'un énième assistant d'IA, mais la tentative d'intégrer des agents dans un environnement strictement réglementé. Dans les essais cliniques, un « chat intelligent » qui donne une jolie réponse ne suffit pas. Explicabilité, audit trail, validation, contrôle des versions et conformité aux exigences de la FDA et de l'EMA comptent. La pression réglementaire augmente aussi : le secteur aura de plus en plus besoin d'outils qui aident à gérer les risques et la conformité de façon proactive, et non a posteriori.

En pratique, ces agents peuvent s'attaquer d'un coup à plusieurs tâches coûteuses et lentes : signaler en amont les problèmes de qualité des données, repérer les risques de recrutement de patients avant que les délais ne dérapent, aider les équipes à produire plus vite visualisations et synthèses en cours d'étude, et structurer les actions pour qu'elles puissent être vérifiées plus tard. Si cette approche fonctionne à grande échelle, les gagnants ne seront pas seulement les CRO et les biotechs, mais les programmes de développement de médicaments eux-mêmes, où les retards se transforment vite en millions de dollars de pertes.

Ce que cela signifie

Rivia mise sur une thèse claire : la prochaine étape de l'IA dans la healthtech n'est pas la génération de texte sur des fichiers chaotiques, mais des systèmes agentiques qui comprennent la logique d'une étude clinique et travaillent dans le cadre réglementaire. L'entreprise s'est fixé l'objectif ambitieux de réduire jusqu'à 50 % le coût des essais. Si elle parvient à prouver la fiabilité de cette approche sur des programmes réels, le marché obtiendra non pas un tableau de bord de plus, mais une nouvelle couche opérationnelle pour le développement de médicaments.