Pharma × Digital Health : 1 707 partenariats plus tard

Le signal envoyé par les données Galen Growth | Decision-Grade Digital Health Intelligence n’est peut-être pas celui d’un désengagement de la pharma vis-à-vis du Digital Health, mais celui d’un changement de maturité : après des années d’accumulation de partenariats, l’enjeu devient leur sélection, leur évaluation et leur conversion en capacités durables. Cette lecture est cohérente avec l’évolution plus large du secteur. L’IQVIA Institute observe que les entreprises Life Sciences les plus avancées adoptent désormais des évaluations de valeur et de faisabilité à l’échelle du portefeuille, tandis que les systèmes de santé attendent de plus en plus des solutions qu’elles démontrent leur valeur, s’intègrent aux workflows et aux dossiers patients et évitent d’ajouter de la charge aux professionnels. L’OMS Europe rappelle de son côté que l’adoption ne dépend pas uniquement de la qualité de la technologie : infrastructure, formation, temps, charge de travail, cadre juridique et intégration technique restent des freins majeurs. La conséquence stratégique est simple : un partenariat Digital Health ne devrait probablement plus être considéré comme un événement mais comme un actif de portefeuille. Il doit pouvoir progresser — ou s’arrêter — selon une logique explicite : EXPLORE → VALIDATE → EVIDENCE → ADOPT → SCALE → STRATEGIC CAPABILITY avec une septième possibilité trop souvent oubliée : SUNSET → arrêter, documenter, capitaliser. La vraie mesure de maturité n’est donc plus nécessairement le nombre de POC lancés. C’est la capacité à transformer chaque expérimentation en l’un de trois résultats : une adoption, un apprentissage ou une décision d’arrêt. Et puisque ce sujet méritait aussi un peu d’autodérision, il accompagne la sortie d’un nouveau morceau de mon album Santé 5.0 : téléchargement en cours… :

🎵 « Encore un petit POC »

Une chanson sur cette vieille passion de la santé numérique pour les pilotes, les démonstrateurs et les expérimentations… et sur ce moment toujours légèrement plus compliqué où quelqu’un demande : “Et maintenant, on scale ?”

De l’accumulation de POC au pilotage de capacités stratégiques

Une startup de télésuivi. Une plateforme de données. Un programme patient. Un biomarqueur numérique. Une technologie de recrutement pour les essais cliniques. Une solution d’intelligence artificielle. Un nouvel outil de diagnostic ou d’aide à la décision. Chaque annonce produisait son communiqué. Chaque pilote venait enrichir un portefeuille d’innovations. Chaque partenariat semblait matérialiser la capacité du laboratoire à regarder au-delà de ses propres murs. Mais après dix ans d’open innovation et de Digital Health, la question intéressante n’est peut-être plus : « Avec qui la pharma travaille-t-elle ? » Elle devient : « Qu’a-t-elle réellement appris, validé, intégré et conservé de tous ces partenariats ? » Une analyse publiée en septembre 2026 par Galen Growth, à partir de sa plateforme propriétaire HealthTech Alpha, donne une dimension très concrète à cette question. Le nombre annuel de nouveaux partenariats recensés serait passé de 46 en 2018 à 149 en 2023, avant de revenir à 127 en 2024 et 115 en 2025, soit une baisse de 23 % par rapport au pic. [1] La conclusion la plus évidente serait d’y voir un désengagement. Mais une autre lecture est possible.

La pharma n’abandonne peut-être pas le Digital Health. Elle commence peut-être simplement à le gérer.

Et cela change presque tout.

1. De l’accumulation à la sélection

La période 2015–2023 a largement été celle de l’exploration. Il fallait comprendre les applications mobiles, les objets connectés, les biomarqueurs numériques, les Digital Therapeutics, la télésurveillance, les plateformes de Real World Data, puis l’IA. Dans un environnement très incertain, multiplier les partenariats avait une logique. Cela permettait d’accéder rapidement à : des technologies nouvelles ; des équipes spécialisées ; des données difficiles à constituer ; des populations de patients ; de nouveaux workflows ; des compétences réglementaires ; des capacités de développement qu’il aurait fallu plusieurs années à reconstruire en interne. • des technologies nouvelles ; • des équipes spécialisées ; • des données difficiles à constituer ; • des populations de patients ; • de nouveaux workflows ; • des compétences réglementaires ; • des capacités de développement qu’il aurait fallu plusieurs années à reconstruire en interne. Galen Growth décrit ce patrimoine relationnel comme une forme de « second asset base » : un ensemble d’actifs externes donnant accès à des capacités, des données et des talents qui n’apparaissent pas au bilan comptable. [1] La formulation appartient à Galen Growth et mérite d’être prise comme telle : il ne s’agit pas d’une notion comptable. Mais stratégiquement, elle est intéressante. Parce qu’un partenariat n’est pas seulement un contrat. Il peut donner une option. Une option sur une technologie. Une option sur une donnée. Une option sur une population. Une option sur un futur mode de prise en charge. Une option sur une compétence que l’organisation ne souhaite pas encore internaliser. Or l’optionalité est particulièrement précieuse lorsque le marché évolue rapidement. La difficulté commence lorsque le nombre d’options devient tellement important qu’il devient impossible de distinguer celles qu’il faut exercer de celles qu’il faut abandonner.

2. Le nombre de partenariats est probablement devenu un mauvais KPI

Les données présentées par Galen Growth permettent de poser brutalement la question. HealthTech Alpha recense notamment : 228 relations Digital Health pour AstraZeneca ; 202 pour Roche ; 190 pour Pfizer ; 161 pour Novartis ; 143 pour Bayer. [2] • 228 relations Digital Health pour AstraZeneca ; • 202 pour Roche ; • 190 pour Pfizer ; • 161 pour Novartis ; • 143 pour Bayer. [2] Ces chiffres semblent dessiner un classement de la maturité numérique. Galen Growth propose alors une autre lecture en regardant la proportion des entreprises partenaires atteignant un Evidence Score d’au moins 80 dans son modèle propriétaire : Novartis : 31 % AstraZeneca : 28 % Roche : 22 % Pfizer : 21 % Bayer : 18 %. [2] • Novartis : 31 % • AstraZeneca : 28 % • Roche : 22 % • Pfizer : 21 % • Bayer : 18 %. [2] Le classement change. Il faut immédiatement apporter une précaution essentielle. Le HealthTech Alpha Evidence Score n’est ni une validation clinique, ni une note réglementaire, ni une mesure directe de l’efficacité d’une solution. Galen Growth indique qu’il combine notamment l’activité en essais cliniques, les autorisations réglementaires et les publications scientifiques. L’entreprise précise elle-même que ce score ne mesure pas le product-market fit, l’exécution commerciale ou la capacité réelle à produire de la valeur après déploiement. [3] C’est donc un proxy. Mais même avec cette limite, l’exercice montre quelque chose d’important : Nous confondons peut-être depuis plusieurs années deux compétences très différentes :

acquérir de l’optionalité ;

et

convertir cette optionalité en valeur.

3. La preuve est devenue un critère de sélection beaucoup plus dur

Ce mouvement dépasse la seule pharma. Une autre analyse de HealthTech Alpha publiée en août 2026 observe une relation croissante entre niveau de preuve documenté et financement. Selon Galen Growth, les entreprises situées dans la tranche 80–100 de son Evidence Score ont levé en moyenne 112,9 millions de dollars par tour en 2026 YTD, contre 24,3 millions pour celles situées entre 40 et 59. [3] Le rapport entre les deux dépasse ainsi 3,5. Encore une fois, il faut se garder d’en déduire une causalité. Les entreprises les plus matures peuvent à la fois produire davantage de preuves et lever davantage parce qu’elles sont plus avancées, disposent de meilleurs produits ou évoluent dans des catégories plus capitalistiques. Galen Growth le reconnaît : ses données montrent une association entre Evidence Score et financement, pas la démonstration que la preuve cause à elle seule l’investissement. [3] Mais la direction du marché est cohérente avec ce que montrent d’autres sources. Le rapport Digital Health Trends 2025 de l’IQVIA Institute décrit une industrie entrée dans une phase où les payeurs, les systèmes de santé et les partenaires Life Sciences exigent davantage de preuves de bénéfice, de coût-efficacité et de capacité d’intégration aux parcours. [4] IQVIA souligne notamment que les entreprises Life Sciences les plus avancées commencent à appliquer une approche systématique, à l’échelle du portefeuille, en évaluant conjointement valeur et faisabilité de différentes opportunités Digital Health. [4] Cette évolution est fondamentale. Elle signifie que le Digital Health cesse progressivement d’être uniquement un problème d’innovation. Il devient un problème d’allocation de ressources rares. Capital. Temps des équipes. Accès aux patients. Données. Capacité d’intégration. Attention du management. Budget clinique. Budget réglementaire. Sponsorship interne.

4. Une preuve n’est pourtant pas une adoption

Il serait tentant de remplacer un mauvais indicateur — le nombre de partenariats — par un autre indicateur unique — le nombre d’études. Ce serait probablement une autre erreur. La littérature sur l’évaluation des technologies numériques montre justement qu’un outil peut disposer de résultats intéressants sans être pour autant prêt à une adoption large. Le framework Evidence DEFINED, publié dans npj Digital Medicine, propose de relier explicitement le niveau de preuve disponible au niveau d’adoption raisonnable. [5] Son principe est particulièrement utile pour les portefeuilles corporate : une technologie disposant de preuves préliminaires peut justifier une expérimentation limitée ; une technologie bénéficiant de preuves plus solides peut justifier une adoption plus large ; mais il est dangereux de transformer trop tôt une preuve partielle en décision de déploiement massif. Le NICE britannique suit une logique comparable dans son Evidence Standards Framework for Digital Health Technologies. Il distingue différents niveaux d’exigence selon la fonction et le risque de la technologie et insiste sur des dimensions dépassant la seule performance technique : sécurité, bénéfices démontrés, contexte d’utilisation, impacts économiques et capacité d’intégration. [6] Et l’IQVIA Institute le formule encore autrement : même une solution disposant de données convaincantes peut rester peu adoptée si elle ne s’intègre pas au dossier patient, ajoute de la charge aux professionnels ou ne s’insère pas correctement dans les workflows existants. [4] L’OMS Europe aboutit au même constat du côté des systèmes de soins. Son rapport de septembre 2025 sur l’adoption des solutions numériques par les professionnels identifie des barrières récurrentes liées aux infrastructures, à la formation, au temps, à la charge de travail, aux dimensions éthiques, juridiques et techniques. [7] Autrement dit, une technologie peut être : scientifiquement convaincante mais organisationnellement inutilisable. Ou : cliniquement utile mais économiquement insoutenable. Ou : réglementairement acceptable mais impossible à intégrer. Ou encore : parfaitement fonctionnelle dans un centre pilote et incapable de survivre à un déploiement multicentrique.

5. Il faudrait donc distinguer cinq preuves différentes

Pour piloter réellement un portefeuille Digital Health, parler de « preuve » au singulier devient insuffisant. Il faudrait au minimum distinguer :

1. La preuve technique

Le système fonctionne-t-il comme prévu ? Performance algorithmique, disponibilité, robustesse, cybersécurité, interopérabilité.

2. La preuve clinique

Produit-il un bénéfice pertinent pour le patient ou le professionnel dans la population et le contexte revendiqués ?

3. La preuve d’usage

Les personnes censées l’utiliser l’utilisent-elles réellement ? Et dans la durée ?

4. La preuve organisationnelle

Peut-il être intégré sans dégrader le workflow, déplacer excessivement les charges ou produire de nouvelles tâches invisibles ?

5. La preuve économique

La valeur créée justifie-t-elle durablement les coûts de licence, de déploiement, d’intégration, de formation, de support et de gouvernance ? J’ajouterais désormais une sixième dimension :

6. La preuve de scalabilité

Ce qui fonctionne avec une équipe innovation, vingt volontaires et un chef de projet exceptionnel fonctionne-t-il encore avec : 20 hôpitaux ? 5 pays ? 50 000 patients ? Plusieurs langues ? Différents environnements réglementaires ? Des systèmes d’information hétérogènes ? Cette dernière preuve est souvent la plus difficile à obtenir.

6. Le POC ne devrait donc pas avoir deux issues mais trois

Nous racontons souvent le parcours d’innovation selon une logique trop simple : POC → succès → scale ou POC → échec → arrêt Il existe pourtant une troisième sortie. POC → apprentissage. C’est probablement la plus sous-évaluée. Un projet peut parfaitement ne jamais être industrialisé tout en ayant produit une valeur considérable. Il peut avoir démontré que : certains patients n’adhèrent pas ; les données disponibles sont insuffisantes ; le workflow imaginé était irréaliste ; la réglementation rend le modèle trop complexe ; l’intégration au DPI coûte plus cher que prévu ; une technologie concurrente a rendu la première obsolète ; une fonction doit finalement être internalisée ; le besoin identifié n’était pas celui que l’organisation croyait. • certains patients n’adhèrent pas ; • les données disponibles sont insuffisantes ; • le workflow imaginé était irréaliste ; • la réglementation rend le modèle trop complexe ; • l’intégration au DPI coûte plus cher que prévu ; • une technologie concurrente a rendu la première obsolète ; • une fonction doit finalement être internalisée ; • le besoin identifié n’était pas celui que l’organisation croyait. Ce n’est pas nécessairement un échec. Mais encore faut-il que ce savoir soit conservé. Sinon, deux ans plus tard, une autre équipe peut lancer exactement le même pilote. Avec un autre fournisseur. Et découvrir exactement les mêmes problèmes.

7. Le vrai risque : perdre la mémoire de l’innovation

C’est probablement ici que le sujet devient le plus stratégique. Le problème n’est pas théorique. Un programme d’innovation dépend souvent de quelques individus : un sponsor métier ; une direction innovation ; un responsable de franchise ; un chef de produit ; un médecin ; une startup ; une équipe locale. Puis surviennent : réorganisation ; changement de poste ; fusion ; nouvelle priorité thérapeutique ; arrêt budgétaire ; acquisition de la startup ; pivot stratégique. Le projet disparaît. Mais avec lui peut disparaître une partie de l’apprentissage. La capacité d’une organisation à savoir, plusieurs années plus tard : ce qu’elle a essayé ; pourquoi elle l’a essayé ; dans quelles conditions ; avec quels résultats ; pourquoi elle a continué ou arrêté ; et ce qu’elle en a appris.

C’est un actif.

Et pourtant il est rarement traité comme tel.

8. L’industrie pharmaceutique sait pourtant déjà gérer des portefeuilles complexes

Ce paradoxe est particulièrement frappant dans la pharma. Peu d’industries ont développé une discipline aussi sophistiquée du portfolio management. Les pipelines de R&D sont arbitrés en permanence selon : probabilité de succès ; besoin médical ; différenciation ; potentiel commercial ; coût de développement ; timing ; risque réglementaire ; concurrence ; capacité de production. • probabilité de succès ; • besoin médical ; • différenciation ; • potentiel commercial ; • coût de développement ; • timing ; • risque réglementaire ; • concurrence ; • capacité de production. Deloitte suit depuis quinze ans la rentabilité attendue de la R&D des grandes entreprises biopharmaceutiques et montre à quel point la valeur du pipeline dépend des décisions d’allocation entre actifs, indications et programmes. [8] Le partenariat lui-même est par ailleurs loin d’être étranger au modèle pharma. Roche indique publiquement gérer plus de 240 partenariats et précise qu’environ 60 % de son pipeline R&D et de ses ventes Pharma impliquent un partenariat, avec environ 140 collaborateurs consacrés au partnering à travers le monde. [9] Autrement dit :

la pharma sait parfaitement considérer l’innovation externe comme une infrastructure stratégique.

La question est donc moins de savoir si elle peut appliquer cette discipline au Digital Health… que de savoir à quel point elle le fait déjà de manière systématique.

9. Pourquoi ne pas gérer un partenariat Digital Health comme un actif de pipeline ?

La comparaison mérite d’être poussée. Un pipeline pharmaceutique dispose d’étapes. Discovery. Preclinical. Phase I. Phase II. Phase III. Registration. Market. À chaque étape correspondent : des critères ; des preuves ; des coûts ; des décisions ; des gates. Pourquoi un portefeuille Digital Health ne fonctionnerait-il pas selon une discipline comparable ? Je proposerais six états.

EXPLORE

Question : existe-t-il une capacité potentiellement intéressante ? Objectif : apprendre. Capital engagé : faible. Décision attendue : tester ou abandonner.

VALIDATE

Question : la technologie fonctionne-t-elle dans notre contexte ? Objectif : vérifier les hypothèses critiques. Décision : poursuivre, modifier ou arrêter.

EVIDENCE

Question : quelle valeur clinique, économique ou opérationnelle pouvons-nous démontrer ? Objectif : produire une preuve exploitable.

ADOPT

Question : le système fonctionne-t-il réellement dans les opérations courantes ? Objectif : sortir de l’environnement protégé du pilote.

SCALE

Question : la valeur survit-elle à la réplication ? Objectif : multi-sites, multi-pays, plusieurs franchises ou indications.

STRATEGIC CAPABILITY

Question : cette relation donne-t-elle accès à une capacité devenue structurante ? À ce niveau, plusieurs options deviennent possibles : partenariat de long terme ; licence ; co-développement ; investissement ; acquisition ; internalisation. Et j’ajouterais un état souvent oublié :

SUNSET

Arrêter. Documenter. Capitaliser. Libérer les ressources. Un portefeuille mature doit savoir tuer des projets aussi bien qu’il sait en lancer.

10. Le KPI intéressant n’est peut-être plus le nombre de partenariats mais leur conversion

Imagine-t-on mesurer l’efficacité commerciale uniquement avec le nombre de prospects ? Non. On mesure un funnel. Prospect. Qualification. Proposition. Contrat. Revenu. Rétention. Pourquoi la transformation numérique ne ferait-elle pas la même chose ? Un portefeuille pourrait être suivi selon une logique comparable : SCOUTED ↓ ASSESSED ↓ PARTNERED ↓ EVIDENCE GENERATED ↓ ADOPTED ↓ SCALED ↓ STRATEGIC CAPABILITY La question cesse alors d’être : combien de partenaires avons-nous ? Elle devient :

Partnership → Evidence Rate

Quelle proportion des partenariats produit une preuve décisionnelle ?

Evidence → Adoption Rate

Combien passent de l’expérimentation à l’utilisation réelle ?

Adoption → Scale Rate

Combien survivent à la réplication ?

Time to Evidence

Combien de temps faut-il pour produire une donnée permettant réellement de décider ?

Time to Scale

Combien de temps sépare le premier pilote d’un déploiement significatif ?

Portfolio Attrition

Combien de partenariats sont arrêtés chaque année — et pour quelles raisons ? Et surtout :

Learning Capture Rate

Quelle proportion des projets arrêtés laisse derrière elle une connaissance réutilisable ? Ce dernier indicateur est volontairement une proposition. Il n’existe pas, à ma connaissance, comme standard reconnu du Digital Health. Mais il devrait peut-être exister.

11. Le portefeuille de demain ne sera plus un portefeuille de startups

Il sera un portefeuille de capacités. C’est probablement le changement conceptuel le plus important. Une pharma n’a pas nécessairement besoin de cinquante startups. Elle peut en revanche avoir besoin de maîtriser cinquante capacités différentes. Par exemple : identification de patients ; recrutement d’essais ; consentement numérique ; capture de données décentralisée ; biomarqueurs numériques ; monitoring ; observance ; accompagnement patient ; diagnostic algorithmique ; Real World Evidence ; traitement multimodal des données ; interopérabilité ; agents IA ; automatisation réglementaire ; synthetic control arms ; companion diagnostics ; digital endpoints. Le portefeuille devrait donc être cartographié d’abord par capacité stratégique, puis seulement par fournisseur. Cela permettrait de répondre à des questions beaucoup plus importantes : où sommes-nous surinvestis ? où dépendons-nous d’un unique acteur ? quelles capacités sont devenues commoditaires ? quelles capacités constituent désormais un avantage différenciant ? lesquelles devons-nous internaliser ? lesquelles doivent rester externes ?

12. L’IA rend cette cartographie encore plus urgente

Parce que l’IA générative bouleverse rapidement la valeur relative des technologies. Une fonctionnalité qui justifiait hier une startup autonome peut demain devenir : une API ; un module natif d’un cloud ; une fonction d’un EHR ; un agent configuré en quelques semaines. À l’inverse, certains actifs deviennent plus stratégiques : des données longitudinales ; un accès à un réseau clinique ; une intégration profonde dans les workflows ; une autorisation réglementaire ; un dataset rare ; une relation patient ; une capacité à déployer à grande échelle. Le marché Digital Health commence d’ailleurs à montrer des signes de cette consolidation. Dans son rapport 2026 consacré aux Health Management Solutions, Galen Growth décrit une baisse du volume de partenariats des systèmes de santé parallèlement à une concentration vers des déploiements plus profonds : selon leurs données, les partenariats du segment sont passés de 846 en 2024 à 636 en 2025, tandis que les partenariats avec les systèmes de santé reculaient de 247 à 165. Galen interprète ce mouvement comme un déplacement des pilotes exploratoires vers une sélection plus stricte de fournisseurs capables d’un déploiement à l’échelle. [10] Là encore, il s’agit des données et de l’interprétation d’un fournisseur privé d’intelligence de marché. Mais la tendance est cohérente avec IQVIA :

13. Et le système de santé impose désormais ses propres contraintes

Un partenariat pharma-startup ne se déroule jamais dans le vide. Il doit finir quelque part. Dans : un hôpital ; un cabinet ; un parcours ; une pharmacie ; une application ; un protocole ; une plateforme ; la vie quotidienne d’un patient. Or les infrastructures numériques des systèmes de santé restent très hétérogènes. L’OCDE rappelle dans Health at a Glance 2025 que la numérisation repose sur des données de qualité et interopérables et souligne que l’interopérabilité entre hôpitaux, soins primaires et autres structures demeure difficile dans de nombreux pays. [11] L’organisation précise également que ces difficultés ne sont pas uniquement techniques : elles relèvent aussi de la gouvernance et de l’organisation. La conséquence pour la pharma est majeure. Une solution peut être excellente… et ne jamais trouver de terrain de déploiement viable. Le portefeuille devrait donc évaluer non seulement : la maturité du produit mais aussi : la maturité du contexte dans lequel il doit atterrir.

14. La prochaine compétence pourrait s’appeler Digital Health Portfolio Management

Nous sommes peut-être arrivés à une nouvelle étape. La première génération de Digital Health corporate consistait à : repérer l’innovation. La suivante à : nouer des partenariats. Puis il a fallu : construire des preuves. La prochaine pourrait être :

gérer le portefeuille.

Avec une discipline comparable à celle utilisée sur d’autres actifs stratégiques. Pour chaque relation :

THÈSE

Pourquoi ce partenariat existe-t-il ?

CAPACITÉ

Quelle capacité stratégique apporte-t-il ?

MATURITÉ

Exploration, validation, preuve, adoption ou scale ?

EVIDENCE

Qu’est-ce qui a réellement été démontré ?

DEPLOYMENT

Où la solution est-elle effectivement utilisée ?

DEPENDENCY

Que perdons-nous si le partenaire disparaît demain ?

OWNERSHIP

Qui, en interne, possède la relation et la connaissance ?

NEXT DECISION

Scale, maintain, pivot, acquire, internalize ou stop ?

MEMORY

Qu’avons-nous appris qui restera utile même si le partenariat disparaît ? Ce dernier champ devrait être obligatoire.

15. Du « cimetière des POC » au patrimoine numérique

Il est devenu courant de se moquer des POC. Le fameux « cimetière des POC ». Mais l’expression masque une distinction essentielle. Un POC qui ne passe pas à l’échelle n’est pas nécessairement un POC raté. Il peut avoir répondu à une question importante : cela ne fonctionne pas dans ces conditions. En R&D, un résultat négatif peut avoir de la valeur. Il évite parfois de poursuivre pendant trois ans une mauvaise hypothèse. Pourquoi l’innovation numérique serait-elle évaluée différemment ? Le véritable gaspillage n’est donc peut-être pas : un projet qui s’arrête. Le gaspillage est : un projet qui s’arrête sans laisser de connaissance exploitable. C’est ici que je préfère parler de patrimoine numérique plutôt que de cimetière. Car après dix ans de Digital Health, les grandes organisations possèdent probablement un patrimoine considérable composé de : relations ; contrats ; évaluations ; données ; intégrations ; protocoles ; résultats ; échecs ; savoir-faire ; et apprentissages. Un patrimoine doit être : inventorié. évalué. entretenu. arbitré. transmis.

🎵 ENCORE UN PETIT POC

Pour accompagner cet article, je diffuse aussi un nouveau morceau de l’album Santé 5.0 : téléchargement en cours… : « Encore un petit POC » Une chanson volontairement satirique sur cette vieille maladie de la santé numérique : piloter, tester, expérimenter… sans toujours réussir à industrialiser, intégrer ou passer à l’échelle. Le clin d’œil est léger, mais la question est la même que dans cet article : à quoi sert un portefeuille de projets si l’organisation ne sait ni sélectionner, ni apprendre, ni arrêter, ni transformer les expérimentations en capacités durables ? Entre le POC qui fonctionne « très bien sur le PowerPoint », le pilote qu’on relance sous un autre nom et la promesse du scale repoussée à plus tard, la chanson pousse simplement le trait là où le Digital Health nous donne encore beaucoup de matière. « Encore un petit POC » — extrait de l’album Santé 5.0 : téléchargement en cours… Pharmageek https://youtu.be/u5xSMOXML-U

16. Le véritable actif invisible est peut-être la mémoire accumulée

Galen Growth pose une question provocatrice : que vaut ce « second asset base » de 1 707 relations ? [1] On pourrait aller plus loin. La valeur n’est probablement pas seulement dans les partenaires. Elle réside dans ce que dix ans de relations ont permis d’apprendre. Une organisation ayant mené trente programmes de remote patient monitoring devrait connaître mieux que les nouveaux entrants : les taux d’abandon ; les difficultés d’intégration ; les populations qui répondent le mieux ; les alertes inutiles ; les problèmes de responsabilité ; les coûts cachés ; les facteurs d’adoption ; les modèles économiques réellement viables. Si elle ne sait pas répondre à ces questions malgré trente expérimentations, alors elle n’a peut-être pas accumulé trente fois plus de connaissances. Elle a simplement accumulé trente projets. Cette distinction est essentielle.

Conclusion — Le partenariat n’est plus l’unité de mesure pertinente

Les données de Galen Growth ne permettent pas à elles seules de conclure que la pharma est entrée dans une nouvelle ère. Elles proviennent d’une base propriétaire, utilisent un Evidence Score propriétaire et ne mesurent pas directement la valeur produite par chaque partenariat. Mais elles donnent à voir un changement suffisamment intéressant pour poser la question. Après avoir construit des centaines de relations Digital Health, le défi n’est peut-être plus l’accès à l’innovation. Le défi devient : la sélection. la preuve. l’intégration. le scale. l’arrêt. Et surtout : la mémoire. La prochaine compétition entre grands laboratoires ne se jouera donc peut-être pas sur celui qui signe le plus de startups. Parce qu’après 1 707 relations, la prochaine grande innovation stratégique n’est peut-être pas le partenariat numéro 1 708. C’est peut-être de savoir exactement : ce que valent les 1 707 précédents, ce qu’ils ont appris à l’entreprise, lesquels méritent de survivre, et ce qu’il restera lorsque les partenaires auront changé.

La question IAtrogénique × IAtus

Votre organisation pourrait-elle aujourd’hui reconstruire en quelques heures la liste de tous ses projets Digital Health des dix dernières années — leurs résultats, les preuves produites, les raisons de leur arrêt et ce qu’elle en a appris ?

Si la réponse est non, nous n’avons peut-être pas seulement un problème de passage à l’échelle.

Nous avons un problème de mémoire de l’innovation.

Sources

[1] Galen Growth / HealthTech Alpha. Julien de Salaberry, Pharma’s Digital Health Partnerships: The Asset Investors Don’t See, septembre 2026. Données sur les 1 707 relations Digital Health et l’évolution du volume annuel de partenariats. [2] Galen Growth / HealthTech Alpha. Analyse complémentaire publiée par Julien de Salaberry, septembre 2026 : comparaison de la taille des portefeuilles et de la proportion de partenaires atteignant un Evidence Score ≥80. [3] Galen Growth / HealthTech Alpha. Digital Health Funding 2026: Ventures with Strong Clinical Evidence Raise 3.5x More, août 2026. Analyse de la relation entre Evidence Score et taille moyenne des tours de financement. L’Evidence Score est une métrique propriétaire et ne constitue pas une mesure directe de l’efficacité clinique. [4] IQVIA Institute for Human Data Science. Digital Health Trends 2025: Business Models, Evidence Requirements, and Revenue Opportunities, décembre 2025. 125 pages. [5] Silberman J, Wicks P, Patel S et al. Rigorous and rapid evidence assessment in digital health with the Evidence DEFINED framework. npj Digital Medicine. 2023;6:101. DOI: 10.1038/s41746-023-00836-5. [6] NICE. Evidence Standards Framework for Digital Health Technologies. Framework destiné à harmoniser les attentes de preuve pour l’évaluation et l’achat de technologies numériques en santé. [7] WHO Regional Office for Europe. Accelerating the uptake of digital solutions by the health and care workforce in the WHO European Region, septembre 2025. [8] Deloitte. Measuring the return from pharmaceutical innovation — 15th edition, 2025. Analyse des portefeuilles R&D des 20 principaux groupes biopharmaceutiques. [9] Roche. Partnering. Données corporate : plus de 240 partenariats ; 60 % du pipeline R&D et des ventes Pharma impliquant un partenariat ; environ 140 personnes consacrées au partnering. [10] Galen Growth / HealthTech Alpha. Re-Architecting Healthcare Delivery with AI: From labour-driven care to AI-powered systems, 2026. Analyse des Health Management Solutions et du recul des partenariats exploratoires au profit d’une sélection accrue. [11] OECD. Health at a Glance 2025 — Data and Digital, novembre 2025. État de la transformation numérique, interopérabilité et infrastructures de données des systèmes de santé. IAtrogénique × IAtus Lionel Reichardt — Pharmageek Rémy TESTON Thibaud Guymard Bruno Demay Etienne Tichit Fabien Mselati Celia Nassif Shehrazad Guenineche Pauline Derrien Victoria Pollosson Eartha MADIBA DIN Andreas Steinbacher Daniel Rosales Claire Portefaix Ugur Gurtekin Labrina Barmpetaki Nour ElSawah Stéphane Lassignardie Lucie Perrin Christophe Cosio Lyès S. Damien Bailly Marie MOLLE-PROUDHON Delphine PAGANO Pedro Fogollin Nedim Pipic, MD, MSc c Emma Charles Brigitte Calles Isabelle Husson Barbara Cygler Mahtali Rahmani Vincent Perrin Rémi Nimbo SunHee A. Francis Lemoine Clarisse Lhoste Francois KOLLI Stéphane Lomenède Thibaut Victor-Michel Fabien Mselati Frederique SAAS Fabrice Ruggeri Anne Creuzé Reda Guiha Luca Mollo Marie-Andrée Gamache Antoine Vincent Isabelle Cambreleng Bernard castells Chanfi MAOULIDA Adel Mebarki Andre Darmon Jean-Claude ROCHE Olalla Grau Salim Aberkane Audrey Duval, MD Serge Montero Stephanie Veyrun-manetti Aurelien Breton Ludovic Samson Emilie Bugeat Toussaint Stephane Munier Diderick Turpijn Slimane Bouyakoub Pascal BECACHE Isabelle LAFORGUE Marie-Charlotte LE GOFF Marie MORICE-MORAND Andreas Steinbacher Emilie Rehmann Thibaut Charrier Manon Bouchardeau Hélène Bléher Cyril Schiever Fabrice Bocquillon Dihya Benhamouche Hubert Guarino Nada Boudemagh Jimena Martinez Romain DEFOY Vincent Perez Frederic Lavie MD, PhD Nathalie MANAUD, PhD Laurence Comte-Arassus Amandine Giraud Christian Deleuze Valérie BRUNNER Justine Sénéchal Jonathan Robert Julien Ettersperger, PhD Fabrice Billoret Nejma SAÏDANI Anne-Lise Soleil Virginie Lleu Jacques Bonte Pascal le Guyader Frederic Jallat Fabien GUEZ Thibault Desmarest Philippe Tcheng Céline Calvet Alexandre Gustin Théo Klargaard Bruno ERHARD David Syr