Kamya Elawadhi, co‑fondatrice et présidente de Doceree – Série d’interviews

Kamya Elawadhi, co‑fondatrice et présidente de Doceree, est une dirigeante du marketing de la santé et de la stratégie commerciale qui a joué un rôle central dans la croissance de l’entreprise depuis son arrivée en 2019. Elle a occupé des postes de direction couvrant la stratégie de plateforme, le développement corporatif, les services clients et les partenariats mondiaux, aidant à traduire la technologie de Doceree en valeur mesurable pour les marques pharmaceutiques, les agences, les éditeurs et les systèmes de santé. Dans son rôle actuel, Elawadhi dirige l’agenda de croissance mondiale de l’entreprise et soutient son expansion aux États‑Unis, en mettant l’accent sur une communication soucieuse de la confidentialité et cliniquement pertinente. Avant Doceree, elle a occupé des postes de direction client et de gestion de comptes chez HS Ad India et McCann Worldgroup, où elle a travaillé sur des marques de santé, de dispositifs médicaux et de consommation tout en dirigeant des équipes transversales et multiculturelles.

Doceree est un système d’exploitation marketing de santé axé sur l’IA conçu pour aider les organisations des sciences de la vie à engager les professionnels de santé et les patients avec davantage de contexte et de précision. Sa plateforme combine des données d’identité professionnelle vérifiées, des signaux d’intention clinique en temps réel, une activation programmatique, un engagement au point de soin et une couche de raisonnement IA qui coordonne les messages sur tous les canaux. En reliant la connaissance des médecins et leurs décisions de prescription au parcours du patient vers le traitement, y compris l’accessibilité financière, les premières délivrances d’ordonnances et les renouvellements, Doceree vise à offrir aux marketeurs de santé une vue plus unifiée des performances des campagnes tout en soutenant la confidentialité et la conformité réglementaire.

Vous avez rejoint Doceree au cours de sa première année et joué un rôle central dans le développement de sa présence aux États‑Unis avant de devenir co‑fondatrice et présidente. Qu’est‑ce qui vous a initialement attirée par la vision fondatrice de l’entreprise, et comment cette vision a‑t‑elle évolué à mesure que l’IA est devenue plus importante pour la santé ?

Ce qui m’a attirée chez Doceree, c’était la clarté du problème à résoudre. Le marketing de la santé fonctionnait depuis des années sur une infrastructure empruntée, avec des outils conçus pour d’autres secteurs et appliqués à l’un des environnements les plus réglementés au monde. La vision fondatrice était de créer quelque chose de spécifiquement conçu pour la santé, dès le départ.

Ce qui a évolué, c’est l’ampleur de ce que l’IA rend possible. Au départ, l’accent était mis sur la précision : atteindre le bon médecin au bon moment. L’IA a élargi ce que ce moment peut représenter, passant de la diffusion d’un message à la lecture d’intentions, à l’initiation de conversations et à la connexion de l’engagement tout au long du parcours de soins. La conviction fondamentale n’a pas changé. L’ambition a grandi parce que les outils ont évolué.

Doceree a récemment introduit des connecteurs d’IA générative pour ChatGPT et Claude. Quelles capacités ces intégrations offrent‑elles, et quelles équipes de santé ou pharmaceutiques sont les plus susceptibles d’en bénéficier ?

L’intégration avec des plateformes comme ChatGPT et Claude consiste à intégrer l’intelligence clinique et commerciale de Doceree aux outils que les équipes pharmaceutiques utilisent quotidiennement. Au lieu de basculer entre différents systèmes, les équipes de marque et d’agence peuvent désormais interroger les performances des campagnes, accéder aux insights d’engagement des HCP et faire apparaître des recommandations exploitables directement dans le flux de travail de leur assistant IA.

Les équipes qui en bénéficient le plus sont celles qui prennent des décisions rapides et basées sur les données : les chefs de marque qui suivent les performances des campagnes à travers les marchés, les équipes d’agence qui surveillent les modèles d’engagement des HCP, les responsables commerciaux qui ont besoin d’une synthèse de multiples flux de données sans attendre les rapports. Cela élimine une couche de friction qui a toujours existé entre les données et la décision. C’est, pour moi, là que réside la vraie valeur.

Comment les connecteurs d’IA générative s’insèrent‑ils dans la stratégie IA plus large de Doceree, et quelles capacités prévoyez‑vous d’ajouter à mesure que l’adoption en entreprise augmente ?

Les connecteurs fonctionnent comme une couche de Daily Command, aux côtés de Semmelweis, notre modèle de raisonnement spécifique à la pharma, et de l’Analytics Workbench. L’idée qui les sous‑tend est simple : les équipes pharmaceutiques travaillent déjà quotidiennement dans ChatGPT et Claude, nous intégrons donc l’intelligence clinique de Doceree aux outils qu’elles utilisent déjà, avec des garde‑fous conformes à la HIPAA dès le départ.

À mesure que l’adoption augmente, la direction prend vers une intelligence proactive plus profonde. Des systèmes qui font apparaître le bon signal avant même que quelqu’un ne pense à le demander. C’est là que nous construisons.

Doceree utilise le terme « intelligence clinique » pour décrire une partie de sa technologie. Qu’est‑ce que cela signifie d’un point de vue architectural, et comment cela complète‑t‑il les capacités des grands modèles de langage sous‑jacents ?

L’intelligence clinique, à la base, est la couche qui rend l’IA générale applicable à la santé. Les grands modèles de langage sont extraordinairement performants, mais ils ne comprennent pas nativement un code de diagnostic, un schéma de prescription, ou ce que signifie le choix d’une thérapie spécifique par un médecin pour un profil de patient donné. L’intelligence clinique comble cette lacune.

D’un point de vue architectural, elle se situe entre les signaux de données brutes provenant des flux de travail cliniques et les modèles IA qui les interprètent. Elle fournit le contexte qui rend les résultats exploitables plutôt que génériques. Sans elle, vous avez un modèle puissant travaillant avec des informations incomplètes. Avec elle, vous avez quelque chose qui peut réellement influencer un moment clinique réel.

Comment le système d’IA Semmelweis de Doceree aide‑t‑il à interpréter les données de santé et à les transformer en insights utiles pour les équipes pharmaceutiques ?

Semmelweis repose sur une idée simple : les données de santé ne sont utiles que si elles peuvent être interprétées dans un contexte clinique, et pas seulement traitées à grande échelle. Les équipes pharmaceutiques disposent d’énormes quantités de données d’engagement et de prescription, mais le fossé a toujours été entre la possession de ces données et la connaissance de ce qu’il faut en faire.

Semmelweis comble ce fossé en lisant les signaux tout au long du parcours clinique et en identifiant où l’intention se forme ou s’estompe. Ces insights sont directement intégrés à Daily Command, notre système IA de travail pour les équipes de marque pharma, transformant la reconnaissance de motifs en recommandations que les équipes commerciales peuvent appliquer immédiatement, sans besoin d’une équipe de data science présente.

ChatGPT et Claude ont des modèles, des interfaces et des environnements d’entreprise différents. Quels défis techniques votre équipe a‑t‑elle rencontrés lors de la création d’une expérience cohérente sur les deux plateformes ?

Le principal défi était de garantir que chaque invite et chaque réponse, quel que soit la plateforme utilisée, restent dans les mêmes garde‑fous de conformité. Les données de santé ne s’ajustent pas en fonction de l’assistant IA qui pose la question. Le vrai travail consistait à créer une couche d’intégration gouvernée qui se situe entre l’intelligence clinique de Doceree et les deux plateformes, assurant que les réponses soient toujours ancrées dans le raisonnement de Semmelweis et les données de Doceree, et toujours auditable de bout en bout. La cohérence en matière de conformité était le problème le plus difficile à résoudre.

Comment les connecteurs aident‑ils les utilisateurs à comprendre d’où provient un insight généré par l’IA et quelles données ou quel raisonnement ont contribué à la réponse ?

Chaque réponse via les connecteurs repose sur les données de Doceree et le raisonnement de Semmelweis. Lorsqu’une équipe de marque pose une question commerciale, la réponse est étayée par des signaux d’intention clinique, des données d’identité et des paramètres de campagne spécifiques à leur marque. L’ensemble du flux de travail est gouverné et auditable de bout en bout. Dans un secteur réglementé, cette traçabilité est ce qui rend l’IA réellement utilisable dans un contexte de prise de décision commerciale, et cela a été un principe de conception dès le premier jour.

Les organisations de santé travaillent souvent avec des données sensibles et des exigences réglementaires complexes. Comment la confidentialité, la sécurité, les contrôles d’accès et la conformité sont‑ils intégrés dans la conception de ces intégrations ?

C’est un principe de conception auquel nous avons pensé dès le départ. Les connecteurs sont conçus de façon à ce qu’aucune donnée patient n’entre jamais dans le flux de travail. Tout fonctionne uniquement sur le contexte HCP dé‑identifié. Chaque invite et chaque réponse restent dans les garde‑fous conformes à la HIPAA, et l’ensemble du flux de travail est gouverné et auditable de bout en bout.

Concrètement, cela signifie qu’une équipe de marque peut poser des questions commerciales dans ChatGPT ou Claude et obtenir des réponses ancrées dans l’intelligence clinique, sans aucun risque de confidentialité des données qui accompagnerait normalement la connexion de données de santé sensibles à un assistant IA général. Les garde‑fous constituent la base sur laquelle l’intégration est construite.

Comment évaluez‑vous la qualité des sorties du système, y compris leur précision, pertinence, cohérence et utilité pour les professionnels de santé ?

Dans ce contexte, la qualité signifie quelque chose de très précis. Une sortie n’est utile que si elle conduit à une meilleure décision commerciale, et c’est ainsi que nous l’évaluons : si son utilisation fait progresser un indicateur important, si elle améliore la progression des étapes des HCP, les taux de première délivrance, la performance des campagnes.

La boucle fermée rend cela possible. Daily Command est conçu pour réinjecter les résultats dans le modèle de raisonnement, de sorte que chaque recommandation est affinée par ce qui a réellement fonctionné. C’est différent d’un assistant IA général où la sortie est évaluée isolément. Ici, le système apprend de ce qui se passe après qu’une personne a appliqué une recommandation, ce qui, avec le temps, constitue la seule mesure honnête de la qualité.

À mesure que les entreprises pharmaceutiques adoptent l’IA générative, quels principes doivent guider son utilisation responsable dans les communications destinées aux cliniciens et aux patients ?

Le principe auquel je reviens le plus souvent est que l’IA en santé doit réduire l’incertitude, pas la créer. Lorsqu’un clinicien reçoit une information qui influence une décision de traitement, la source de cette information et le raisonnement qui la sous‑tend doivent être traçables. C’est une norme fondamentale de confiance.

Au‑delà de la traçabilité, je pense que l’usage responsable implique de garder un humain dans la boucle pour tout ce qui a un poids clinique ou commercial. L’IA doit recommander et mettre en avant. Les personnes doivent décider et approuver. Le moment où cette frontière s’estompe, c’est lorsque les risques commencent à dépasser les bénéfices.

Et la conformité doit être une architecture, pas une simple politique. Dans la santé, la différence entre ces deux notions est capitale.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Doceree.