Waiv, spin-out d’OWKIN, accélère les tests d’oncologie par IA après une levée d’environ 30 M€ Waiv, spin-out d’OWKIN, cherche à industrialiser les tests d’oncologie par IA après une levée d’environ 30 M€, en visant validation et déploiement à grande échelle.
Waiv, spin-out parisien né de la collaboration avec OWKIN, veut industrialiser les tests d’oncologie par IA après une levée d’environ 30 millions d’euros (environ 33 millions de dollars). L’objectif est de passer du stade des essais à une mise en œuvre opérationnelle dans les hôpitaux et les laboratoires, en améliorant la reproductibilité, la scalabilité et le respect des cadres réglementaires autour de l’intelligence artificielle en santé.
Waiv et l’origine du spin-out d’OWKIN : pourquoi lever des fonds maintenant ?
Cette levée marque une étape clé pour transformer les prototypes IA en solutions prêtes à l’usage clinique. En s’appuyant sur l’expérience et les réseaux hospitaliers d’OWKIN, Waiv cherche à créer une plateforme capable de standardiser les tests d’oncologie fondés sur l’IA, afin d’améliorer la précision du diagnostic, la stratification des patients et le choix thérapeutique. La capitalisation sur des données cliniques et radiologiques multiples vise à accroître la robustesse des algorithmes face à la diversité des patients et des pratiques locales.
Au-delà de l’argent, l’enjeu est de sécuriser des partenariats opérationnels avec des centres hospitaliers, des laboratoires et des acteurs pharmaceutiques, afin de démultiplier les cas d’usage et de démontrer la valeur ajoutée des tests IA dans des scénarios réels.
Comment Waiv compte industrialiser les tests d’oncologie par IA
La stratégie repose sur plusieurs briques complémentaires :
- Validation clinique et reproductibilité : mener des essais multi-centres pour démontrer la robustesse des tests IA et leur Généralisation à partir de données hétérogènes.
- Intégration dans les workflows : adapter les outils IA aux flux de travail des laboratoires et des services d’oncologie afin d’éviter les frictions opérationnelles.
- Gouvernance des données et conformité : assurer la traçabilité, la sécurité et le respect des régulations, notamment en matière de données sensibles et de confidentialité.
- Réglementation et reimbursement : anticiper les étapes d’homologation et les modalités de couverture commerciale selon les marchés, en France et à l’international.
La vision est de proposer une suite de tests d’oncologie basés sur IA qui peut être déployée à grande échelle, sans sacrifier la qualité scientifique ni l’acceptabilité clinique. Cela implique de standardiser les formats de données, les métriques d’évaluation et les protocoles d’essai afin que les résultats soient comparables d’un laboratoire à l’autre.
Contexte, limites et ce qu’il faut surveiller
Si la levée est un signe fort de confiance des investisseurs, le chemin reste semé d’embûches. Les défis majeurs incluent la gestion de données hétérogènes et biais potentiels, l’obtention d’autorisations réglementaires et leur traduction en preuves cliniques solides, ainsi que l’intégration économique dans les systèmes de soins et les modèles de remboursement. En outre, la concurrence dans le domaine de l’IA en oncologie est active, avec plusieurs initiatives visant à standardiser et à déployer des outils similaires dans les hôpitaux.
Autre point sensible : la scalabilité ne se résume pas à la puissance des algorithmes. Elle dépend aussi de la qualité des données, de la gouvernance, de l’interopérabilité avec les systèmes informatiques hospitaliers et de l’adhésion des professionnels de santé. Waiv devra démontrer que ses tests IA apportent une valeur mesurable en termes de diagnostic précoce, de réduction des délais et d’optimisation des parcours patients pour espérer une adoption durable.
Pour terminer
L’initiative de Waiv illustre une tendance claire du secteur santé: passer de démonstrations techniques à des solutions cliniquement pertinentes et reproductibles. Si Waiv parvient à industrialiser efficacement ses tests d’oncologie par IA, cela pourrait redessiner les chaînes de valeur deshôpitaux et des laboratoires, tout en posant des questions sur la gestion des données, la réglementation et la valeur réelle pour les patients. Le prochain jalon sera sans doute la publication de résultats cliniques issus de centres partenaires et des premières démonstrations d’intégration dans des flux opérationnels.
