Pourquoi les données en vie réelle s’imposent dans la recherche clinique
La recherche clinique repose historiquement sur l’essai contrôlé randomisé (ECR), considéré comme la référence pour démontrer l’efficacité et la sécurité d’un médicament ou d’un dispositif médical. Pourtant, ce modèle montre aujourd’hui certaines limites face à l’évolution des pratiques médicales, à la complexité croissante des pathologies et aux contraintes opérationnelles des essais.
Dans ce contexte, les données en vie réelle (Real-World Data – RWD) et les preuves en vie réelle (Real-World Evidence – RWE) prennent une place croissante dans l’évaluation des produits de santé. Ainsi, elles doivent permettre d’éclairer la décision des pouvoirs publics pour la prise en charge des produits de santé concernés par l’assurance maladie, ainsi qu’à déterminer les conditions de leur bon usage, leur place dans la stratégie de prévention, de diagnostic ou thérapeutique, et leur efficience en vue de la négociation de leur prix. Elles offrent aussi une vision complémentaire de l’utilisation réelle des traitements ou dispositifs, au plus près des patients et des pratiques de soins.
Source : HAS • Études en vie réelle pour l’évaluation des médicaments et dispositifs médicaux • juin 2021
Que recouvrent réellement les données en vie réelle ?
Les données en vie réelle correspondent à des données de santé collectées en dehors des essais cliniques interventionnels, dans le cadre des soins courants. Elles peuvent provenir notamment :
- des dossiers médicaux électroniques,
- des bases médico-administratives (comme le SNDS en France),
- de registres et cohortes de patients,
- de données issues de dispositifs médicaux ou numériques,
- de données rapportées par les patients (PROMs, PREMs).
Contrairement aux données issues des essais cliniques, ces données ne sont pas générées dans un environnement strictement contrôlé. C’est à la fois leur force — reflet de la réalité — et leur principale contrainte méthodologique.
À quels moments du cycle de vie d’un produit sont-elles utiles ?
Compléter l’évaluation clinique initiale
Dans certaines situations, conduire un essai randomisé classique peut s’avérer difficile : maladies rares, sous-populations très ciblées, contraintes éthiques ou délais incompatibles avec les besoins des patients. Les données en vie réelle peuvent alors être mobilisées pour apporter des éléments de comparaison complémentaires, par exemple via des bras de contrôle externes.
Le rapport conjoint de l’Agence de l’Innovation en Santé (AIS) et de F-CRIN souligne toutefois que ces approches doivent rester complémentaires et reposer sur une méthodologie rigoureuse.
Suivre l’efficacité et la sécurité en conditions réelles
Après l’autorisation de mise sur le marché, les études en vie réelle jouent un rôle clé pour documenter l’efficacité réelle, la tolérance à long terme et l’usage des produits dans des populations plus larges que celles incluses dans les essais pivots.
La Haute Autorité de Santé (HAS) a formalisé ce rôle dans son Guide méthodologique des études en vie réelle, applicable aux médicaments comme aux dispositifs médicaux :
Source : HAS • Études en vie réelle pour l’évaluation des médicaments et dispositifs médicaux • juin 2021
Éclairer les décisions réglementaires et d’accès au marché
Les agences réglementaires reconnaissent désormais l’intérêt des RWE dans certaines décisions, à condition que leur production soit conforme aux standards méthodologiques attendus. Ainsi l’EMA intègre les RWE dans sa prise de décision règlementaire (source EMA)
Des exigences méthodologiques incontournables
L’exploitation des données en vie réelle en recherche clinique soulève un enjeu central : la maîtrise des biais (biais de sélection, biais de confusion, biais d’information).
Pour y répondre, des cadres méthodologiques spécifiques ont été développés, notamment l’émulation d’essai clinique (target trial emulation). Cette approche consiste à définir précisément, en amont, les caractéristiques de l’essai randomisé de référence, puis à reproduire ce cadre à partir de données observationnelles.
Des travaux méthodologiques de référence, publiés notamment dans le New England Journal of Medicine et le JAMA, montrent que cette approche peut produire des résultats cohérents avec ceux des essais randomisés, sous certaines conditions strictes :
· Concato & Corrigan-Curay, NEJM, 2022 : https://www.nejm.org/doi/full/10.1056/NEJMp2200089
· Wang et al., JAMA, 2023 : https://jamanetwork.com/journals/jama/fullarticle/2803839
Un cadre réglementaire de plus en plus structuré
En France, la HAS insiste sur la nécessité de pré-spécifier les protocoles, de documenter la qualité des données et de justifier précisément le recours à des études non interventionnelles.
Au niveau européen, l’EMA rappelle que les données en vie réelle ne constituent pas une alternative systématique aux essais randomisés, mais un outil complémentaire, mobilisable dans des contextes bien définis.
Conclusion : un outil puissant, à utiliser avec discernement
Les données en vie réelle s’imposent aujourd’hui comme un levier stratégique pour faire évoluer la recherche clinique. Elles permettent de mieux comprendre l’usage réel des produits de santé, de compléter les essais cliniques et de renforcer l’évaluation post-AMM.
Toutefois, leur valeur repose avant tout sur la qualité des données, la rigueur méthodologique et l’anticipation réglementaire. L’enjeu n’est donc pas de remplacer les essais cliniques, mais de construire une approche intégrée, combinant données expérimentales et données en vie réelle, au service d’une évaluation plus pertinente et plus proche des patients.
Voir un autre article sur le sujet : Données en vie réelle (Real-World Data) : vers une nouvelle preuve clinique pour les médicaments et les dispositifs médicaux
