Gestion de la chaîne graphique : pourquoi l’IA ne peut pas être aux commandes et quels risques cachés elle comporte dans la pharma et les FMCG

Ces derniers mois, nous avons assisté à une véritable ruée vers l’or autour de l’intelligence artificielle. Des plateformes sont apparues qui promettent d’automatiser les approbations, de générer des spécifications, de rédiger des procédures opérationnelles et même de valider automatiquement les artworks et les éléments de packaging.

La proposition est séduisante. Si un outil peut analyser des documents, comparer des versions, identifier des erreurs et prendre des décisions en quelques secondes, il semble logique de penser qu’il peut raccourcir les délais de lancement, réduire les coûts et simplifier la gestion de la chaîne graphique.

L’intelligence artificielle a sans aucun doute un rôle important à jouer dans l’optimisation des processus. Elle peut aider à classer l’information, détecter des différences, suggérer des actions, accélérer les recherches et réduire les tâches répétitives. Chez MyMediaConnect, nous explorons nous aussi des fonctionnalités assistées par l’IA pour des cas d’usage précis et à faible risque.

Il existe pourtant une ligne que nous ne devrions pas franchir : l’intelligence artificielle ne peut pas piloter les décisions critiques de la chaîne graphique.

C’est particulièrement important dans des secteurs comme l’industrie pharmaceutique, le consumer health, l’agroalimentaire et la grande consommation. Une erreur sur un emballage n’est pas un simple incident de conception. Elle peut entraîner le retrait d’un produit, un arrêt de ligne, une infraction réglementaire, un préjudice financier considérable ou, dans certains cas, un risque pour la santé.

La question n’est pas d’être pour ou contre l’IA. La question est de décider quel rôle elle doit jouer, qui conserve la responsabilité et quels contrôles doivent exister lorsqu’une recommandation automatique peut avoir des conséquences opérationnelles, réglementaires ou sanitaires.

L’affaire Purolea : un signal d’alerte

En avril 2026, la FDA a publié une lettre d’avertissement adressée à Purolea Cosmetics Lab, un fabricant de produits pharmaceutiques du Michigan. La lettre comporte une section spécifique intitulée « Inappropriate Use of Artificial Intelligence in Pharmaceutical Manufacturing », consacrée à l’usage inapproprié de l’IA dans les activités liées à la fabrication pharmaceutique.

Selon la FDA, Purolea avait utilisé des agents d’intelligence artificielle pour l’aider à élaborer des spécifications de produits, des procédures et des dossiers maîtres de production et de contrôle. L’entreprise affirmait utiliser ces outils dans le but de soutenir le respect des exigences réglementaires.

Le problème n’était pas d’utiliser l’IA comme outil d’aide. Le problème était que l’unité qualité de l’entreprise n’avait pas correctement revu ni vérifié les documents générés avant de les intégrer aux opérations de fabrication.

Lors de l’inspection, la FDA a également constaté que la validation des procédés n’avait pas été réalisée avant la distribution des produits. Lorsque les inspecteurs ont relevé cette lacune, l’entreprise a répondu qu’elle ignorait cette obligation, car l’agent d’IA qu’elle utilisait ne la lui avait jamais signalée.

La réponse de la FDA a été claire : si une entreprise utilise l’intelligence artificielle pour l’aider à créer des documents liés à des activités cGMP, elle doit revoir ces documents afin de garantir qu’ils sont exacts et qu’ils satisfont réellement aux exigences applicables. La responsabilité de l’unité qualité ne peut pas être transférée à un agent d’IA.

Cette affaire constitue un avertissement important pour toute organisation qui envisage d’automatiser des processus réglementés. L’IA peut générer une réponse convaincante, mais elle ne garantit pas que cette réponse soit correcte, complète ou juridiquement suffisante.

Le risque réglementaire dans la chaîne graphique

La gestion du packaging partage de nombreux éléments qui rendent les activités cGMP particulièrement sensibles : procédures définies, documents maîtrisés, traçabilité, responsabilités formelles, revue des modifications et approbation par des personnes habilitées.

Dans ce contexte, un artwork peut contenir des informations critiques :

• Nom et description du produit.
• Composition, dosage ou concentration.
• Mises en garde et contre-indications.
• Mode d’emploi.
• Codes, identifiants et mentions légales.
• Informations sur le lot et la date de péremption.
• Claims commerciaux ou de santé.
• Langues et exigences spécifiques à chaque marché.
• Éléments graphiques associés à l’identification du produit.

Une modification en apparence mineure peut avoir des conséquences importantes. Un chiffre erroné, une unité mal exprimée, une traduction inadaptée, une mise en garde omise ou un code illisible peuvent compromettre la conformité de l’emballage.

Les impacts possibles comprennent :

• Retrait ou recall du produit.
• Destruction ou retraitement des éléments imprimés.
• Arrêts de production.
• Retards de lancement.
• Coûts logistiques et de distribution.
• Inspections ou sanctions.
• Perte de confiance des consommateurs et des clients.
• Atteinte à la réputation de la marque.
• Risques pour les patients ou les utilisateurs de produits réglementés.

C’est pourquoi la promesse d’« approuver un artwork automatiquement » doit être examinée avec beaucoup de prudence. La question ne devrait pas être uniquement de savoir combien de temps l’outil fait gagner, mais aussi ce qui se passe s’il se trompe, comment l’erreur est détectée, qui la valide et quelles preuves sont enregistrées.

Automatiser des tâches n’est pas automatiser des responsabilités

Il existe une différence fondamentale entre automatiser une tâche et automatiser une responsabilité.

Une plateforme peut comparer deux versions d’un document et signaler qu’un mot a changé. Elle peut détecter qu’un code a changé de position, qu’une couleur ne correspond pas ou qu’un élément graphique s’est déplacé.

Il s’agit là d’une tâche d’assistance objective.

C’est tout autre chose que le système décide si la modification est acceptable, si elle est conforme à la réglementation, si l’information est correcte ou si l’élément peut passer en production. Cette décision exige du contexte, de l’autorité et de la responsabilité.

Un système automatique ne connaît pas nécessairement :

• L’historique complet du produit.
• Les exceptions approuvées précédemment.
• Les obligations réglementaires de chaque pays.
• Les priorités commerciales du lancement.
• L’interprétation correcte d’un claim.
• L’impact d’une modification sur d’autres éléments.
• Les responsabilités internes définies dans le système qualité.

L’intelligence artificielle peut aider à repérer des tendances ou à formuler des recommandations, mais elle ne devrait pas devenir le responsable ultime de la décision.

Dans un environnement réglementé, un principe doit toujours prévaloir : l’IA peut être copilote, mais pas pilote.

Comment la technologie devrait être utilisée

L’alternative n’est pas de revenir à des processus manuels, lents et fondés sur l’e-mail. L’alternative consiste à appliquer une automatisation responsable, conçue dès le départ autour de la traçabilité et de la supervision humaine.

Un modèle adapté peut combiner :

1. Comparaison automatique des versions. Le système détecte les différences objectives entre deux artworks : textes, codes, couleurs, positions, tailles ou éléments graphiques.
2. Présentation claire des modifications. Les utilisateurs peuvent examiner les différences de manière visuelle et structurée, sans avoir à comparer manuellement des fichiers entiers.
3. Circuits d’approbation définis. Chaque projet suit une séquence de revues et d’approbations conforme aux responsabilités de l’organisation.
4. Intervention humaine obligatoire. La décision finale revient toujours à une personne habilitée, en particulier lorsque l’élément concerne un produit réglementé.
5. Journal complet de l’activité. Le système conserve qui a effectué la revue, quelles observations ont été formulées, quelle version a été approuvée et à quel moment chaque action a eu lieu.
6. Gestion des versions. Seule la version approuvée peut passer à l’étape suivante du processus.

Cette approche peut être aussi efficace qu’une automatisation totale, tout en évitant de transformer un outil probabiliste en autorité réglementaire.

Chez MyMediaConnect, nous avons délibérément choisi ce modèle. Nos systèmes de comparaison assistée identifient les différences objectives entre versions, tandis que la décision finale et la validation restent du ressort d’un utilisateur habilité.

Cela ne signifie pas utiliser moins de technologie. Cela signifie l’utiliser selon une conception mieux adaptée au niveau de risque du processus.

Le risque de souveraineté des données

Le deuxième risque à analyser est la souveraineté des données.

Les entreprises pharmaceutiques, du consumer health et de la grande consommation gèrent des informations très sensibles à travers leurs processus de packaging. Ces informations peuvent inclure :

• Formules et spécifications des produits.
• Données de posologie et de composition.
• Créations pour des lancements non encore annoncés.
• Informations sur les marchés et les prix.
• Claims et stratégies de positionnement.
• Données relatives aux fournisseurs et aux distributeurs.
• Informations liées aux réclamations ou aux consommateurs.
• Éléments soumis à des accords de confidentialité.

Lorsqu’une plateforme intègre des services externes d’intelligence artificielle, les données peuvent circuler entre différents fournisseurs, régions et sous-traitants. C’est pourquoi il ne suffit pas de demander si le système est « dans le cloud ». Il faut savoir quelle infrastructure il utilise, où les données sont traitées, quels fournisseurs interviennent et ce qu’il advient des informations transmises.

Le CLOUD Act américain permet aux autorités des États-Unis de demander certaines données aux fournisseurs relevant de leur juridiction, même lorsque ces données sont stockées hors du territoire américain. Son application concrète dépend de multiples facteurs juridiques, contractuels et techniques, mais le risque juridictionnel doit faire partie de l’évaluation de tout fournisseur cloud ou d’IA.

Pour une entreprise européenne, voici quelques questions essentielles :

• Où les données sont-elles stockées ?
• Où sont-elles traitées ?
• Quels fournisseurs externes interviennent ?
• Des APIs de modèles d’IA tiers sont-elles utilisées ?
• Les données transmises peuvent-elles être conservées ?
• Peuvent-elles servir à entraîner des modèles ?
• Quels sous-traitants ultérieurs participent au traitement ?
• Existe-t-il une option d’hébergement exclusivement dans l’Union européenne ?
• Quelles mesures de chiffrement et de contrôle d’accès sont appliquées ?
• Que se passe-t-il si une autorité étrangère demande des informations ?

Les réponses doivent être claires, documentées et vérifiables contractuellement.

Chez MyMediaConnect, nous privilégions la minimisation de l’exposition des données sensibles et la transparence sur les informations partagées, avec qui et dans quel but. Pour les décisions critiques de la chaîne graphique, nous ne dépendons pas d’APIs d’IA de fournisseurs américains.

Le risque économique et la dépendance technologique

La troisième dimension est économique.

De nombreuses plateformes d’IA s’appuient sur des modèles tiers dont les prix, les limites d’utilisation et les conditions commerciales peuvent évoluer. Le coût peut dépendre du nombre d’utilisateurs, de documents analysés, de pages traitées, de mots générés, d’appels à l’API ou de tokens consommés.

Cela complique la prévision budgétaire, en particulier lorsqu’une fonctionnalité est profondément intégrée à un processus opérationnel.

Un fournisseur peut modifier :

• Le prix par utilisateur.
• Le coût en fonction du volume d’utilisation.
• Les limites incluses dans chaque offre.
• Les conditions de stockage.
• La disponibilité d’un modèle.
• Les temps de réponse.
• Les conditions d’entraînement ou de réutilisation des données.
• L’accès à une API donnée.

Si une plateforme de gestion du packaging utilise un service externe pour une fonction critique, toute variation de prix, interruption ou abandon du modèle peut se répercuter sur le client.

C’est pourquoi les responsables financiers et opérationnels devraient se demander :

• Quelle part du coût de la plateforme dépend de services d’IA tiers ?
• Le prix inclut-il l’usage ou est-il facturé à la consommation ?
• Existe-t-il des limites de volume ?
• Que se passe-t-il si le fournisseur externe augmente ses tarifs ?
• Existe-t-il un fournisseur alternatif ?
• La fonctionnalité peut-elle être maintenue sans IA ?
• Quel plan de continuité est prévu si le modèle n’est plus disponible ?
• Le client sera-t-il prévenu à l’avance en cas de changements importants ?

L’intelligence artificielle peut réduire certains coûts, mais elle peut aussi introduire une nouvelle couche de dépendance et de volatilité. Les économies initiales ne devraient pas être évaluées sans tenir compte du coût total de possession et du risque de continuité.

Chez MyMediaConnect, les fonctions critiques ne dépendent pas d’APIs d’IA externes. Nous utilisons notre propre technologie ou des systèmes maîtrisés, avec un modèle de coûts plus prévisible. Nous explorons des fonctionnalités assistées par l’IA pour des tâches à faible risque, toujours selon une approche hybride qui garantit que le cœur de la plateforme ne soit pas subordonné à un fournisseur externe.

Trois questions avant de choisir une plateforme avec IA

Avant d’intégrer une solution d’intelligence artificielle à la gestion de la chaîne graphique, tout CMO, responsable qualité, directeur des opérations ou CFO devrait se poser trois questions.

1. Qui assume la responsabilité si l’IA se trompe ?

La responsabilité ne peut pas disparaître parce que la décision a été automatisée. Il doit être clairement établi qui revoit, qui approuve et qui répond en cas d’incident.

2. Où se trouvent les données et par où circulent-elles ?

Le fournisseur doit expliquer l’architecture, les régions de stockage, les services externes et les mesures contractuelles et techniques applicables.

3. Que se passe-t-il si les coûts changent ou si le service disparaît ?

Toute fonction critique a besoin d’un plan de repli. Une plateforme doit pouvoir maintenir le processus essentiel même si un modèle externe devient plus cher, cesse de fonctionner ou est retiré.

Ces questions ne visent pas à freiner l’innovation. Elles visent à garantir que l’innovation soit intégrée selon des critères de qualité, de sécurité et de pérennité opérationnelle.

L’IA comme copilote

L’intelligence artificielle jouera un rôle croissant dans la gestion des processus. Elle peut aider à détecter des anomalies, résumer des informations, accélérer les comparaisons et réduire le travail administratif.

Mais dans la chaîne graphique, en particulier dans les secteurs réglementés, l’efficacité ne peut pas s’obtenir au prix d’une perte de contrôle.

La technologie doit faciliter le travail des équipes, et non se substituer à la responsabilité des personnes habilitées. Elle doit apporter de la rapidité sans sacrifier la traçabilité, de l’automatisation sans créer de boîte noire et une capacité d’analyse sans transformer une recommandation en approbation automatique.

La leçon de l’affaire Purolea est claire : la FDA n’a pas seulement remis en cause l’existence d’un outil d’IA, mais l’absence d’une revue humaine adéquate et le recours à une réponse automatique pour déterminer des obligations réglementaires.

Chez MyMediaConnect, nous défendons une approche pragmatique : utiliser la technologie là où elle apporte une valeur mesurable, maintenir des points de contrôle humains sur les décisions critiques et concevoir chaque processus pour qu’il soit auditable.

Car une erreur dans un artwork n’est pas un simple bug. Dans la pharma, le consumer health et l’agroalimentaire, elle peut devenir un risque pour l’entreprise, pour la marque et pour les personnes.

L’IA peut accélérer la chaîne graphique. Mais elle ne doit pas la piloter.

Sources

• FDA — Warning Letter: Purolea Cosmetics Lab (avril 2026)