Bayer a développé PRINCE, un système d’intelligence artificielle agentique conçu pour résoudre les défis d’accès aux données en recherche préclinique. Face à la complexité et au volume croissant des études pharmaceutiques, les méthodes de recherche traditionnelles montraient rapidement leurs limites. Début 2024, l’entreprise a déployé la plateforme, qui s’est progressivement transformée d’un outil de navigation en un assistant de recherche interactif capable de comprendre le langage naturel et d’exécuter des tâches complexes. PRINCE repose sur une architecture multi-agents orchestrée par LangGraph. Le système s’appuie sur deux techniques complémentaires : le Retrieval-Augmented Generation (RAG), qui interroge des milliers de rapports précliniques non structurés, et le Text-to-SQL, qui extrait des informations précises de bases de données structurées. Lorsqu’un chercheur soumet une requête, le workflow se décompose en étapes séquentielles. Un premier agent clarifie l’intention, un second élabore une stratégie de recherche, puis des agents spécialisés collectent et vérifient les données. Un agent final synthétise les résultats en produisant des réponses vérifiables, systématiquement accompagnées de citations renvoyant aux documents sources. La robustesse de ce dispositif repose sur une ingénierie contextuelle et opérationnelle rigoureuse. Chaque modèle ne reçoit que les informations strictement nécessaires à sa phase de travail, ce qui évite la saturation et les erreurs d’interprétation. Le système gère ses propres défaillances grâce à la persistance de l’état, à des tentatives de relais automatisées et à un basculement transparent vers d’autres fournisseurs de modèles en cas de panne. La transparence est garantie par l’affichage des étapes intermédiaires et des liens directs vers les études scientifiques citées, un impératif dans un environnement pharmaceutique régulé. L’évaluation du système est continue. Bayer combine des tests sur des jeux de données de référence avec une surveillance quotidienne des requêtes réelles, mesurant notamment la pertinence des réponses et leur fidélité aux sources documentaires. Les retours des chercheurs alimentent un cycle de développement itératif, permettant d’affiner les agents, d’automatiser la correction des métadonnées historiques via la reconnaissance de noms entités, et d’élargir progressivement les domaines scientifiques couverts. Depuis son déploiement complet à l’automne 2024, PRINCE améliore significativement l’accès à l’information préclinique, réduit les expériences redondantes et accélère les prises de décision. En articulant orchestration agentique, vérification stricte et ingénierie résiliente, Bayer démontre que l’IA générative peut s’intégrer durablement aux processus de découverte de médicaments, à condition de prioriser la fiabilité, la traçabilité et le contrôle humain sur la simple automatisation.