Coécrit par Dr KONE YEREGUENI ABIBA, pharmacienne, et BONIFACE NWEMENI, chef de projet IT et spécialiste de la transformation numérique
Résumé
Cet article examine la manière dont l’intelligence artificielle (IA) transforme progressivement le secteur pharmaceutique et les opportunités que cette évolution peut offrir aux pays africains. De l’analyse des prescriptions à la pharmacovigilance, en passant par la gestion des stocks, la lutte contre les médicaments falsifiés et la production industrielle, l’IA peut aider les professionnels à mieux exploiter les informations disponibles, à condition d’être validée et supervisée.
Pour l’Afrique, l’enjeu est double. Les systèmes de santé du continent font face à des difficultés d’approvisionnement, à la circulation de médicaments de qualité inférieure ou falsifiés et à des inégalités d’accès aux soins. L’IA peut contribuer à répondre à certains de ces problèmes, mais elle ne remplace ni le pharmacien, ni les investissements dans les institutions, les données et les compétences.
L’article aborde successivement les apports de l’IA à la sécurité des médicaments, à la pharmacovigilance, à la personnalisation des traitements, à la prévention des ruptures, à la lutte contre les médicaments falsifiés et à la production pharmaceutique. Il présente ensuite les initiatives africaines existantes, les opportunités professionnelles, les risques et les conditions d’une adoption responsable.
L’essentiel en bref
**L’opportunité : **aider à repérer les interactions et les prescriptions à risque, mieux prévoir les besoins en médicaments pour limiter les ruptures et faciliter le tri des signalements de pharmacovigilance.
**Les obstacles : **des systèmes d’information fragmentés, un manque de données locales fiables et la sous-représentation des populations africaines dans les données de recherche.
**Le principe : **l’IA est un outil de soutien ; la vérification et la décision restent humaines.
1. Pourquoi l’intelligence artificielle transforme-t-elle la pharmacie ?
La pharmacie repose sur l’analyse d’informations nombreuses et parfois complexes, que l’IA peut aider à traiter plus rapidement. Lorsqu’un pharmacien examine une prescription, il doit tenir compte de l’âge du patient, de ses antécédents, de ses allergies, des traitements en cours, des interactions possibles et des doses prescrites. L’IA peut signaler les situations qui demandent une analyse approfondie.
L’apprentissage automatique (machine learning) permet de développer des systèmes capables d’identifier des tendances dans de grandes quantités de données. D’autres technologies facilitent l’analyse de documents scientifiques, de comptes rendus médicaux ou de signalements d’effets indésirables. L’Agence européenne des médicaments (EMA) reconnaît d’ailleurs les applications potentielles de l’IA à toutes les étapes du cycle de vie des médicaments, de la recherche à la surveillance après commercialisation (EMA, 2024).
Il convient toutefois de distinguer l’IA des logiciels classiques. Un programme qui enregistre les ventes ou déclenche une alerte lorsqu’un stock atteint un seuil prédéfini n’utilise pas nécessairement l’IA ; un système d’IA pourrait, en revanche, croiser plusieurs variables pour prévoir les besoins futurs. L’objectif n’est donc pas d’introduire l’IA partout, mais de choisir l’outil le mieux adapté au problème rencontré.
2. Comment l’IA peut-elle améliorer la sécurité des médicaments ?
L’IA peut aider le pharmacien à repérer les prescriptions à risque, mais la vérification et la décision lui reviennent. Une prescription peut comporter une dose inadaptée, une contre-indication, une interaction, une duplication thérapeutique ou un traitement exigeant une surveillance particulière. Certains systèmes d’aide à la décision attirent l’attention du professionnel sur ces situations ; celui-ci doit ensuite vérifier l’alerte, l’interpréter au regard du patient et décider de la conduite à tenir.
En pratique, le circuit d’une alerte suit quatre étapes :
**1. Les données : **l’ordonnance et les informations disponibles sur le patient sont analysées par l’outil.
**2. L’alerte : **le système signale une interaction possible, une dose inhabituelle ou une contre-indication.
**3. La vérification : **le pharmacien examine l’alerte, juge sa pertinence et la replace dans la situation du patient.
**4. La décision : **le pharmacien valide, adapte ou refuse la délivrance, en lien avec le prescripteur si nécessaire.
Une revue de la littérature menée par Hatzimanolis et ses collègues (2025) montre que l’utilisation la plus fréquente de l’IA en pharmacie consiste à identifier les prescriptions nécessitant une intervention du pharmacien. Les auteurs constatent cependant que les applications recensées visent davantage l’efficacité du travail que l’amélioration directe des résultats de santé des patients.
Une autre revue, publiée en 2026 par Al-Taie, Abdullah et Arueyingho, confirme l’intérêt croissant de ces technologies pour la sécurité médicamenteuse et l’analyse des prescriptions dans les services de pharmacie clinique.
Ces travaux invitent à distinguer la performance technique d’un système de son bénéfice clinique démontré. Un logiciel qui détecte une interaction potentielle n’améliore pas automatiquement la santé du patient : encore faut-il que l’alerte soit pertinente, que le professionnel y réponde correctement et que la prise en charge s’en trouve améliorée.
3. L’intelligence artificielle peut-elle renforcer la pharmacovigilance ?
Oui, mais seulement si les données de départ sont fiables. La pharmacovigilance consiste à détecter, évaluer, comprendre et prévenir les effets indésirables des médicaments. Les signalements proviennent des patients, des professionnels de santé, des hôpitaux, des industriels et des autorités de réglementation, et leur traitement mobilise des ressources importantes lorsqu’ils deviennent nombreux.
L’IA peut aider à classer les signalements, à analyser les textes et à repérer des tendances inhabituelles. Un signal détecté par un système informatique ne prouve pas pour autant qu’un médicament est en cause : une évaluation scientifique reste indispensable.
Pour les pays africains, la question préalable est celle de la qualité des données. Lorsque les effets indésirables sont peu déclarés, que les informations sont dispersées ou que les systèmes ne communiquent pas entre eux, les performances de l’IA restent limitées. Le renforcement des mécanismes de déclaration et de collecte doit donc précéder l’investissement dans des outils d’analyse avancés.
4. Vers une pharmacie plus personnalisée : quelles possibilités pour l’Afrique ?
L’IA pourrait aider à adapter les traitements à chaque patient, à condition d’être validée sur des populations africaines. L’âge, l’état de santé, les fonctions rénale et hépatique, les autres traitements et certaines caractéristiques génétiques influencent la réponse à un médicament. La recherche explore des systèmes capables d’analyser ces données cliniques et biologiques pour aider les professionnels à anticiper certaines réponses thérapeutiques.
Un modèle développé à partir de données issues principalement de certaines populations peut toutefois perdre en fiabilité dans d’autres contextes. Cette limite concerne directement l’Afrique : ses populations présentent une diversité génétique considérable, mais restent sous-représentées dans les recherches et les grandes bases de données génomiques internationales.
Le projet Assessing Genetic Diversity in Africa (AGenDA), présenté dans la revue Nature par Ramsay et ses collègues (2026), vise précisément à corriger ce déséquilibre. Mené par des chercheurs africains, il associe des institutions de plusieurs pays, notamment le Rwanda, le Kenya, la République démocratique du Congo, la Tunisie, l’Angola et le Zimbabwe.
Les chercheurs africains doivent donc participer à la collecte responsable des données, au développement des outils et à leur validation. Une pharmacie plus personnalisée exige aussi des laboratoires, des capacités de diagnostic, des compétences spécialisées et une protection rigoureuse des données personnelles.
5. Comment l’IA peut-elle aider à prévenir les ruptures de médicaments ?
L’IA peut améliorer la prévision des besoins, mais elle ne remplace pas une chaîne d’approvisionnement fonctionnelle. Une rupture de stock peut interrompre un traitement, obliger les patients à parcourir de longues distances ou augmenter leurs dépenses. À l’inverse, un stock excessif immobilise des ressources et entraîne des pertes lorsque les produits arrivent à expiration.
En analysant les consommations passées, les variations saisonnières et les délais de livraison, un système de prévision pourrait, par exemple, alerter une pharmacie sur une hausse prévisible de la demande d’un médicament et l’aider à anticiper ses commandes. Cette approche peut intéresser les officines, les hôpitaux, les grossistes-répartiteurs et les centrales d’achat.
Les prévisions ne suffisent cependant pas lorsque les fournisseurs manquent de produits, que les financements font défaut ou que les circuits logistiques sont perturbés. Une prévision n’est utile que si l’établissement dispose de la trésorerie nécessaire pour commander : dans de nombreuses officines africaines, les achats au comptant et les délais de remboursement des assurances ou des mutuelles limitent la capacité à anticiper. Les outils de prévision doivent donc tenir compte des cycles de trésorerie et du fonds de roulement de la pharmacie, faute de quoi une rupture annoncée ne pourra pas être évitée. Chaque établissement doit également vérifier si un outil d’IA apporte un réel avantage par rapport à un logiciel classique de gestion des stocks.
6. Médicaments falsifiés ou de qualité inférieure : quel rôle pour le numérique et l’IA ?
Les technologies numériques aident déjà à lutter contre les médicaments falsifiés ; l’IA pourrait compléter ces dispositifs sans remplacer les contrôles réglementaires. Selon une estimation publiée par l’Organisation mondiale de la Santé en 2017 et reprise dans sa fiche d’information de 2024, au moins un médicament sur dix dans les pays à revenu faible ou intermédiaire serait de qualité inférieure ou falsifié (OMS, 2017 ; OMS, 2024b). Cette estimation porte sur l’ensemble de ces pays et ne constitue pas une mesure propre au continent africain.
Un médicament de qualité inférieure ne respecte pas les normes de qualité applicables ; un médicament falsifié présente délibérément des informations trompeuses sur son identité, sa composition ou son origine. Ces produits peuvent provoquer des échecs thérapeutiques, des effets indésirables, des dépenses inutiles et, dans certains cas, des conséquences graves pour les patients.
Le Nigeria : un exemple concret de vérification numérique
Au Nigeria, l’Agence nationale pour l’administration et le contrôle des aliments et des médicaments (NAFDAC) a introduit en 2010 un service d’authentification mobile, le Mobile Authentication Service (MAS). Le consommateur gratte une étiquette sur l’emballage pour découvrir un code à usage unique, qu’il envoie gratuitement par SMS afin de savoir si le produit est authentique. Des lignes directrices officielles encadrent ce dispositif (NAFDAC, 2018).
Ce système relève de la technologie numérique et non de l’intelligence artificielle. L’IA pourrait toutefois le compléter en analysant les données relatives aux produits, en repérant des anomalies dans les circuits de distribution ou en signalant les situations nécessitant des contrôles. Elle ne remplacerait ni les inspections, ni les analyses en laboratoire, ni l’action des autorités. La lutte contre les médicaments falsifiés doit associer technologie, réglementation, contrôle des circuits d’approvisionnement et information des patients.
7. L’intelligence artificielle peut-elle soutenir la production pharmaceutique africaine ?
L’IA peut soutenir la fabrication des médicaments, mais l’Afrique en est encore au stade de l’analyse. Dans une usine pharmaceutique, les technologies numériques et l’IA peuvent contribuer à analyser les données de production, détecter des anomalies, optimiser des procédés, soutenir le contrôle qualité et anticiper la maintenance des équipements. Ces bénéfices doivent néanmoins être démontrés dans des conditions réelles de production.
En février 2026, l’OMS a lancé un appel à propositions pour analyser la manière dont la numérisation peut renforcer la production pharmaceutique locale et la coopération avec le secteur privé en Afrique (OMS, 2026a). Le 21 mai 2026, en marge de la 79e Assemblée mondiale de la Santé, une rencontre organisée à Genève par l’Initiative mondiale pour la santé numérique, le ministère fédéral allemand de la Coopération économique et du Développement (BMZ) et la Commission européenne a examiné la transformation numérique de la production pharmaceutique africaine (OMS, 2026b ; BMZ, 2026).
Ces démarches traduisent un intérêt institutionnel croissant, sans démontrer que l’IA a déjà amélioré les performances des fabricants africains. La production locale exige aussi des investissements industriels, des personnels qualifiés, des systèmes de contrôle qualité, une réglementation efficace et un accès fiable aux matières premières. L’IA doit donc s’inscrire dans une stratégie industrielle et sanitaire plus large.
8. Quelles initiatives africaines peuvent accompagner cette transformation ?
L’Afrique ne part pas de zéro : plusieurs institutions continentales et nationales posent déjà les bases d’une adoption responsable.
L’Agence africaine des médicaments
L’Agence africaine des médicaments (AMA), agence spécialisée de l’Union africaine, a pour mission de renforcer et d’harmoniser la réglementation des produits médicaux sur le continent. En mai 2026, l’OMS et l’AMA ont signé un accord-cadre de collaboration visant notamment à renforcer les systèmes réglementaires, la surveillance de la sécurité des produits et l’accès à des produits médicaux de qualité (OMS, 2026c). Cet accord crée un environnement plus favorable à l’innovation, sans constituer en lui-même un programme de déploiement de l’IA en pharmacie.
La stratégie continentale de l’Union africaine sur l’intelligence artificielle
En juillet 2024, l’Union africaine a adopté une stratégie continentale sur l’intelligence artificielle. Celle-ci reconnaît le potentiel de l’IA dans plusieurs domaines, dont la santé, tout en insistant sur une utilisation responsable, inclusive et adaptée aux priorités africaines (Union africaine, 2024). Pour le secteur pharmaceutique, elle peut encourager la recherche locale, la formation et la coopération régionale.
Les autorités nationales de réglementation et de pharmacovigilance
Les autorités nationales restent les garantes de la qualité et de la sécurité des médicaments. L’exemple nigérian montre qu’une autorité peut adopter des technologies adaptées à des problèmes concrets. Avant d’introduire des outils complexes, il faut consolider ces institutions.
9. Quelles opportunités pour les pharmaciens, les chercheurs et les entrepreneurs africains ?
L’IA ouvre des perspectives professionnelles et économiques, à condition de répondre à des besoins réels.
Pour les pharmaciens
Le pharmacien n’a pas besoin de devenir développeur, mais il doit comprendre suffisamment l’IA pour en mesurer les apports et les limites. Sa formation doit porter sur la vérification des informations produites par ces outils, la protection des données et l’interprétation des résultats.
Pour les chercheurs et les universités
Les universités africaines peuvent rapprocher sciences pharmaceutiques, informatique, santé publique et science des données. Leurs équipes peuvent étudier la prévision des besoins en médicaments, la pharmacovigilance ou les performances des outils d’aide à la décision dans les contextes locaux, et proposer des formations communes aux étudiants en pharmacie et en informatique.
Pour les ingénieurs et les entrepreneurs
Plusieurs pistes peuvent être explorées : assistants documentaires reliés à des sources scientifiques vérifiables, systèmes de prévision des stocks, outils d’analyse des signalements d’effets indésirables ou logiciels intégrés de gestion de pharmacie. Il s’agit de pistes de développement, et non d’entreprises existantes dont les performances auraient été vérifiées.
Avant de se lancer, l’entrepreneur doit identifier les besoins des utilisateurs, évaluer la qualité des données disponibles, connaître les obligations réglementaires et estimer les coûts de développement, d’exploitation et de maintenance. Une innovation utile doit être accessible, fiable et économiquement viable.
10. Quels sont les principaux risques de l’IA en pharmacie ?
Les principaux risques tiennent aux erreurs, aux biais, à la confidentialité des données, à la dépendance technologique et au partage des responsabilités.
Les erreurs et les informations trompeuses
Une IA générative peut produire une réponse convaincante mais erronée. Une information inexacte sur une dose, une contre-indication ou une interaction peut avoir des conséquences graves ; tout résultat doit donc être vérifié à partir de sources scientifiques reconnues.
Les biais et les inégalités
Un modèle insuffisamment entraîné sur certaines populations peut produire des résultats moins fiables pour elles. Les outils destinés aux patients africains doivent être évalués dans leurs conditions réelles d’utilisation.
La confidentialité des données
Les données de santé sont particulièrement sensibles. Aucune information permettant d’identifier un patient ne devrait être transmise à un service d’IA externe sans autorisation ni garanties juridiques et techniques appropriées.
La dépendance technologique
Un établissement qui ne maîtrise ni l’accès à ses données, ni les coûts de maintenance, ni la possibilité de changer de logiciel devient dépendant de son fournisseur. Des contrats adaptés et des compétences locales permettent de limiter ce risque.
La responsabilité professionnelle
Lorsqu’un outil fournit une recommandation erronée, la question de la responsabilité se pose. Elle doit être tranchée avant le déploiement, en fonction des usages, du rôle des professionnels et du droit applicable. L’OMS insiste sur l’importance de la gouvernance, de l’évaluation des risques, de la protection des droits et de la participation des professionnels et des patients au développement de l’IA en santé (OMS, 2024a).
11. Comment adopter l’intelligence artificielle de manière responsable ?
Une adoption responsable doit être progressive et adaptée aux ressources disponibles ; l’Afrique n’a pas besoin d’attendre des infrastructures parfaites pour commencer. Cinq étapes peuvent guider les établissements.
Étape 1 : identifier les problèmes prioritaires
Ruptures de médicaments, charge administrative, surveillance des effets indésirables ou accès à l’information : chaque établissement doit d’abord préciser ce qu’il cherche à résoudre.
Étape 2 : améliorer la qualité des données
Les systèmes d’IA ne valent que par les données qui les alimentent. La collecte, la vérification et la gestion des informations doivent être renforcées en priorité.
Étape 3 : former les professionnels
Pharmaciens, médecins, informaticiens et gestionnaires doivent comprendre les possibilités, les limites et les risques des outils utilisés.
Étape 4 : tester et évaluer les solutions
Une application ne doit pas être adoptée simplement parce qu’elle intègre l’IA. Ses résultats, ses coûts et ses effets sur les pratiques doivent être mesurés, avec une exigence renforcée pour les outils qui influencent les décisions thérapeutiques.
Étape 5 : encadrer et superviser
Responsabilités, règles de confidentialité, procédures de vérification et surveillance des systèmes doivent être définies. Les dix principes publiés conjointement par l’EMA et la Food and Drug Administration (FDA) américaine le 14 janvier 2026 offrent un repère utile : place centrale de l’humain, approche fondée sur les risques, gouvernance des données, expertise pluridisciplinaire et gestion des outils tout au long de leur cycle de vie (EMA et FDA, 2026). Leur application doit cependant tenir compte des réglementations nationales.
12. Pourquoi les compétences locales et la collaboration seront-elles décisives ?
L’avenir de l’IA pharmaceutique en Afrique dépendra moins de l’origine des technologies que de la capacité des institutions africaines à les maîtriser. Les outils conçus ailleurs peuvent être utiles, mais les populations, les langues, les pratiques de soins et les médicaments disponibles varient d’un pays à l’autre. Plusieurs voies sont possibles : développer des solutions locales, adapter des outils éprouvés, nouer des partenariats scientifiques ou négocier des contrats garantissant la maîtrise des données et de la maintenance. Dans tous les cas, la souveraineté numérique suppose des compétences locales, des contrats transparents et une capacité d’évaluation indépendante.
Aucune profession ne détient seule les compétences nécessaires. Le pharmacien connaît les médicaments et les besoins des patients ; l’informaticien maîtrise les systèmes et leur intégration ; le spécialiste des données conçoit et évalue les modèles ; les autorités de réglementation fixent les exigences de sécurité et de qualité. Les universités, les hôpitaux, les entreprises technologiques et les industriels africains gagneraient à travailler ensemble sur des projets communs.
Les pouvoirs publics ont un rôle essentiel dans le financement de la recherche, les infrastructures numériques et les cadres réglementaires. Les investisseurs, eux, devraient privilégier les solutions qui répondent à des besoins démontrés plutôt que celles dont le principal argument est l’usage de l’IA. Enfin, la coopération entre pays africains peut accélérer le partage des connaissances et le développement de capacités communes.
Conclusion : l’innovation doit rester au service du patient
L’intelligence artificielle ne résoudra pas seule les difficultés des systèmes pharmaceutiques africains. Elle ne remplacera ni les professionnels de santé, ni les investissements dans l’approvisionnement, ni les mécanismes de réglementation et de contrôle. Elle peut en revanche apporter une contribution utile à l’analyse des prescriptions, à la pharmacovigilance, à la gestion des stocks, à la lutte contre les médicaments falsifiés et à la production industrielle.
Pour en tirer parti, les pays africains doivent partir de besoins clairement identifiés, s’appuyer sur des données fiables, évaluer rigoureusement les outils et investir dans les compétences locales, afin de ne pas se limiter au rôle d’utilisateurs de technologies conçues et contrôlées ailleurs. Cette transformation exige la collaboration des pharmaciens, médecins, chercheurs, ingénieurs, entrepreneurs, industriels, autorités sanitaires et décideurs publics.
La pharmacie de demain ne sera pas celle où les machines accompliront le plus de tâches, mais celle où des technologies adaptées aideront les professionnels à mieux soigner. L’enjeu n’est pas de remplacer l’humain, mais de renforcer ses capacités au service du patient.
Questions fréquemment posées
L’intelligence artificielle peut-elle remplacer un pharmacien ?
Non. L’IA peut analyser certaines informations et automatiser des tâches, mais elle ne remplace ni le jugement professionnel, ni la responsabilité clinique, ni la relation avec le patient.
Comment l’IA peut-elle réduire les ruptures de médicaments en Afrique ?
En prévoyant les besoins à partir des consommations passées, des variations saisonnières et des délais d’approvisionnement. Son efficacité dépend toutefois de données fiables et de circuits de distribution fonctionnels.
L’intelligence artificielle peut-elle détecter les faux médicaments ?
Elle peut y contribuer, en complément des outils numériques d’authentification et de traçabilité, en repérant des anomalies dans les circuits de distribution. Elle ne remplace ni les contrôles réglementaires, ni les analyses en laboratoire.
Les pharmaciens africains doivent-ils se former à l’intelligence artificielle ?
Oui. Une formation adaptée les aide à comprendre les possibilités, les limites et les risques de ces outils, notamment en matière de vérification des informations, de confidentialité des données et de sécurité des patients.
Quelles opportunités l’IA offre-t-elle aux entrepreneurs africains ?
Les principales pistes concernent la gestion pharmaceutique, la prévision des stocks, la recherche documentaire et le soutien à la pharmacovigilance. Ces solutions doivent répondre à des besoins précis et respecter les exigences professionnelles et réglementaires.
Quels sont les principaux obstacles à l’adoption de l’IA en pharmacie en Afrique ?
Le manque de données fiables, les coûts, les infrastructures numériques insuffisantes, le besoin de formation spécialisée, les enjeux réglementaires et les difficultés de maintenance.
Références bibliographiques
Al-Taie, A., Abdullah, A.S. et Arueyingho, O. (2026) ‘Integration of artificial intelligence applications in clinical pharmacy services: A scoping review’, Future Healthcare Journal, 13(3), article 100547. Disponible sur : https://doi.org/10.1016/j.fhj.2026.100547
Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) (2026) BMZ Side Events at the 79th World Health Assembly. Healthy DEvelopments. Disponible sur : https://health.bmz.de/?p=22661
European Medicines Agency (EMA) (2024) Reflection paper on the use of Artificial Intelligence (AI) in the medicinal product lifecycle. EMA/CHMP/CVMP/83833/2023. Disponible sur : https://www.ema.europa.eu/en/scientific-guidelines/use-artificial-intelligence-ai-medicinal-product-lifecycle
European Medicines Agency (EMA) et Food and Drug Administration (FDA) (2026) Guiding Principles of Good AI Practice in Drug Development. 14 janvier. Disponible sur : https://www.fda.gov/about-fda/artificial-intelligence-drug-development/guiding-principles-good-ai-practice-drug-development
Hatzimanolis, J., Riley, B., El-Den, S., Aslani, P., Zhou, J. et Chaar, B.B. (2025) ‘Applications of artificial intelligence in current pharmacy practice: A scoping review’, Research in Social and Administrative Pharmacy, 21(3), pp. 134–141. Disponible sur : https://doi.org/10.1016/j.sapharm.2024.12.007
National Agency for Food and Drug Administration and Control (NAFDAC) (2018) Guidelines for Procurement and the Management of the Mobile Authentication Service (MAS) Scheme in Nigeria. Abuja : NAFDAC. Disponible sur : https://www.nafdac.gov.ng/wp-content/uploads/Files/Resources/Guidelines/PVG_GUIDELINES/NAFDAC-MAS-Guidelines-Recent.pdf
Organisation mondiale de la Santé (OMS) (2017) 1 in 10 medical products in developing countries is substandard or falsified. 28 novembre. Disponible sur : https://www.who.int/news/item/28-11-2017-1-in-10-medical-products-in-developing-countries-is-substandard-or-falsified
Organisation mondiale de la Santé (OMS) (2024a) Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models. Genève : OMS. Disponible sur : https://www.who.int/publications/i/item/9789240084759
Organisation mondiale de la Santé (OMS) (2024b) Substandard and falsified medical products. Fiche d’information. Disponible sur : https://www.who.int/news-room/fact-sheets/detail/substandard-and-falsified-medical-products
Organisation mondiale de la Santé (OMS) (2026a) Request for proposal: Situation Analysis on the Intersection of Digitalization, Pharmaceutical Production, and Private Sector Cooperation in the African Region. 19 février. Disponible sur : https://www.who.int/news-room/articles-detail/request-for-proposal-situation-analysis-on-the-intersection-of-digitalization-pharmaceutical-production-and-private-sector-cooperation-in-the-african-region
Organisation mondiale de la Santé (OMS) (2026b) Pharma 4.0: Strengthening local production of pharmaceuticals and the supply chain systems in Africa through digitalization. 21 mai. Disponible sur : https://www.who.int/news-room/events/detail/2026/05/21/default-calendar/pharma-4.0--strengthening-local-production-of-pharmaceuticals-and-the-supply-chain-systems-in-africa-through-digitalization
Organisation mondiale de la Santé (OMS) (2026c) WHO and African Medicines Agency launch landmark framework to strengthen access to quality-assured health products in Africa. Mai. Disponible sur : https://www.afro.who.int/news/who-and-african-medicines-agency-launch-landmark-framework-strengthen-access-quality-assured
Ramsay, M. et al. (2026) ‘Enriching African genome representation through the AGenDA project’, Nature, 649, pp. 565–573. Disponible sur : https://doi.org/10.1038/s41586-025-09935-7
Union africaine (2024) Continental Artificial Intelligence Strategy: Harnessing AI for Africa’s Development and Prosperity. Addis-Abeba : Commission de l’Union africaine. Disponible sur : https://au.int/en/documents/20240809/continental-artificial-intelligence-strategy
À propos des auteurs
Dr KONE YEREGUENI ABIBA
Pharmacienne, docteur en pharmacie. Son expertise apporte à cette réflexion une perspective scientifique et professionnelle sur le médicament, la pratique pharmaceutique et la prise en charge des patients.
BONIFACE NWEMENI
Chef de projet IT, spécialiste de la transformation numérique, de l’intelligence artificielle et de l’analyse des données d’entreprise. Son expertise porte sur les systèmes d’information, la gestion de projets informatiques et l’intégration des technologies émergentes dans les organisations.
Une réflexion à deux voix
Cet article associe deux domaines complémentaires : les sciences pharmaceutiques et les technologies de l’information. Il repose sur la conviction que la pharmacie numérique ne peut être construite ni par les seuls informaticiens, ni par les seuls professionnels de santé, mais par leur collaboration au service de solutions fiables, responsables et adaptées aux besoins des populations africaines.
Comments
Post a Comment