Affaires médicales et MSL
ISCO-08 2262, 2131MSL (responsable scientifique en région), Medical advisor, Chef de projet affaires médicales, Responsable médical d'aire thérapeutique, Directeur médical
De quoi le métier est fait
Les grandes activités de la famille, la part du temps de travail que chacune représente, et la part de ce temps que l'IA générative peut automatiser.
- Échanges scientifiques avec les experts (KOL)30% du temps de travail10% d'exposition
La discussion d'égal à égal avec les investigateurs et experts reste au MSL, l'IA prépare seulement une fiche avant le rendez-vous.
- Veille bibliographique et synthèses scientifiques15% du temps de travail70% d'exposition
L'IA filtre les nouvelles publications, signale celles qui comptent et rédige des synthèses structurées, le medical advisor valide la lecture.
- Comptes rendus de congrès et remontée d'insights15% du temps de travail60% d'exposition
Posters et abstracts sont résumés en quelques heures, les insights terrain sont étiquetés et regroupés automatiquement.
- Supports et formation des équipes terrain15% du temps de travail55% d'exposition
Les premières versions des decks scientifiques et modules de formation viennent de l'IA, l'animation et les questions restent à l'équipe médicale.
- Stratégie médicale et plans d'aire thérapeutique15% du temps de travail20% d'exposition
Le choix des données manquantes, des études à soutenir et du plan de publication reste un jugement humain, l'IA compile les éléments.
- Validation médicale des contenus promotionnels10% du temps de travail35% d'exposition
L'IA pré-vérifie les allégations face aux références et au RCP, la signature médicale et la responsabilité restent au valideur.
Effectif nécessaire, en ETP
Compétences IA cibles
niveau 1 à 4Compétences métier
Se renforcent
- Lecture critique des synthèses de littérature par IA
- Échange scientifique avec les leaders d'opinion
- Conception d'études en vie réelle
- Structuration des insights médicaux terrain
Se déprécient
- Veille bibliographique manuelle
- Rédaction des comptes rendus de congrès
- Préparation des supports de formation des réseaux
- Mise en forme des présentations scientifiques
Les transformations attendues
En affaires médicales, une grande partie du temps passe dans la veille bibliographique, les comptes rendus de congrès, les présentations et la formation des réseaux. Les assistants IA trient désormais les publications, résument les posters dans les heures qui suivent un congrès et rédigent la première version d'un support scientifique. Les insights remontés par les MSL peuvent être classés automatiquement, un travail qui se faisait jusqu'ici à la main.
Le cœur du métier reste humain : discuter des données avec un expert qui les conteste, juger ce que montre vraiment une analyse en sous-groupe, décider quel manque de données justifie une étude. Un bon MSL lira les synthèses de l'IA avec la même méfiance qu'une publication fragile, et passera le temps gagné face aux experts et sur les projets de données en vie réelle.
- 2026-2027
- Veille bibliographique et synthèses de congrès par IA deviennent la norme.
- 2028-2030
- Insights terrain analysés en continu et partagés avec le marketing et la R&D.
- 2031+
- Équipes stables en taille, davantage tournées vers la génération de preuves.
Un MSL expert d'une aire thérapeutique met des années à se former et se fait débaucher à chaque lancement concurrent. Le risque porte ici sur la pénurie de profils. Voir l'effet démographique ci-dessous.
Et si vous recrutiez moins de juniors ?
Les seniors de 2036 sont les juniors que vous recrutez aujourd'hui.
Paramètres avancés modifié
2026 2036
The AI Cookbook 2026
Le guide d'albert pour dépasser le bruit autour de l'IA générative et en faire des décisions sur les effectifs.
- Ce que l'IA change vraiment dans les métiers et les compétences
- Pourquoi la filière junior compte plus que la plupart des entreprises ne le pensent
- Comment intégrer l'IA dans la planification des effectifs

Faites tourner ces scénarios sur vos vrais effectifs
Diagnostic Impact IA : 6 à 8 semaines, vos données dans albert, trois scénarios chiffrés et la pyramide projetée pour chaque famille de métiers.
Comment les chiffres sont construits
Chaque chiffre d'effectif combine quatre hypothèses. Trois sont pré-remplies à partir de la recherche publique et des valeurs de la famille. Le plafond stratégique, c'est vous qui le fixez.
Pyramide d'expérience
Un modèle de flux à trois niveaux d'expérience dans le métier. Les taux de promotion et de départ sont calés pour que la pyramide actuelle reste stable sans changement de recrutement : l'écart affiché vient uniquement de la baisse du recrutement junior.
Sources
- International Labour OrganizationGenerative AI and jobs: a refined global index of occupational exposure (2025)
- ILO datasetTask-level GenAI exposure scores by ISCO-08 occupation
- AnthropicAnthropic Economic Index (June 2026 release, April and May 2026 usage data)
- Stanford Digital Economy LabCanaries in the Coal Mine? Six facts about the recent employment effects of AI