Demandez à trois éditeurs d'EDC si un agent IA peut piloter leur plateforme via le Model Context Protocol. Les trois répondront oui. Le premier veut dire que l'agent sait chercher dans le manuel utilisateur. Le deuxième, qu'il sait sortir des chiffres d'inclusion. Le troisième, qu'il construit votre eCRF.
Les trois ont bien un serveur MCP pour leur EDC. Ils ne vendent pas la même chose.
L'écart se voit après la signature. Une équipe d'étude qui attendait la création des formulaires et qui reçoit une recherche documentaire passera autant de semaines sur le paramétrage de sa base que l'an dernier.
Voici comment évaluer ce qu'il y a derrière l'annonce, avec un test que vous pouvez faire pendant une démonstration.
| Niveau | Ce que fait l'agent | Ce que vous obtenez | Qui en est là aujourd'hui |
|---|---|---|---|
| 1 | Lit votre documentation | Moins de tickets au support | Medidata Platform Help |
| 2 | Lit les données de l'étude | Des réponses de monitoring sans passer par un rapport | Medidata Site Ranking, CData pour Veeva |
| 3 | Rédige l'étude sur le papier | Une spécification que votre équipe ressaisit | Les outils IA génériques, protocole collé dedans |
| 4 | Construit l'étude en DRAFT | Des formulaires que vous ouvrez, relisez et validez | Datacapt |
Pour comprendre comment un serveur MCP relie un modèle à un EDC, commencez par MCP et LLM dans la recherche clinique.
Où en sont les serveurs MCP du secteur
Medidata a déployé des serveurs MCP avec Anthropic et annonce deux cas d'usage. Platform Help interroge leur base de connaissances produit, ce qui permet de demander comment configurer un contrôle de données plutôt que d'ouvrir le manuel. Intelligent Site Ranking lit l'historique des centres pour prédire lesquels recruteront. Les deux s'arrêtent à la lecture et Medidata ne décrit aucun chemin qui écrive un enregistrement dans Rave.
Les clients Veeva qui veulent un accès MCP se tournent vers un connecteur construit par CData sur un pilote JDBC. Il est en lecture seule et il vient d'un tiers, pas de Veeva.
Plusieurs serveurs MCP exposent ClinicalTrials.gov. Ils interrogent un registre public, donc aucune question de confidentialité ne se pose et aucun travail de validation ne suit.
La seule tentative publiée d'accès en écriture tient dans une prépublication. TrialMCP propose cinq serveurs reliant des robots d'étude à la planification, à l'EDC, à l'eConsent, aux archives d'imagerie et aux systèmes de laboratoire. Ses auteurs veulent supprimer les intégrations point à point qui se multiplient à chaque plateforme ajoutée par un promoteur.
Tous les produits livrés de cette liste lisent. Les niveaux ci-dessous partent de là.
Niveau 1 : l'agent lit la documentation de votre EDC
L'agent répond aux questions sur le logiciel. Comment créer une visite répétable ? Quelle permission autorise la clôture d'une query ? Que signifie cette erreur ?
Un éditeur construit cela en quelques semaines. Aucune donnée protégée ne franchit de frontière, aucun chemin d'écriture n'existe et le dossier de validation reste intact, puisque l'agent n'entre jamais dans le système qui détient vos enregistrements. Votre support reçoit moins de tickets. Votre équipe d'étude garde le même calendrier de paramétrage que l'an dernier.
Comment le reconnaître : demandez si un seul outil prend un identifiant d'étude en paramètre. Si aucun ne le fait, le serveur lit de la documentation.
Niveau 2 : l'agent lit les données de votre étude
Les outils prennent désormais un identifiant d'étude. L'agent donne les inclusions du centre 102 face aux prévisions, liste les centres dont des formulaires dépassent quatorze jours de retard, ou compte les queries ouvertes par centre et par ancienneté.
Deux architectures produisent cette réponse et votre délégué à la protection des données voudra savoir laquelle vous avez achetée. La première envoie des lignes de données au modèle et le laisse compter. La seconde compte dans la plateforme et envoie un nombre au modèle. La première expose des valeurs au niveau du sujet à l'hébergeur du modèle. La seconde expose un total.
Datacapt applique la seconde architecture sur tout le serveur. Aucune valeur d'eCRF, aucune réponse ePRO et aucun identifiant de sujet ne quitte la plateforme. Un agent qui travaille sur des compteurs ne peut pas relire le dossier d'un sujet, donc il ne peut pas vous signaler que la visite V3 est datée avant la visite V2 pour le sujet 012.
Comment le reconnaître : demandez ce que renvoie l'outil pour liste les sujets en retard de prélèvement. Une ligne par sujet, ou un compteur par centre.
Niveau 3 : l'agent rédige l'étude que vous reconstruirez
L'agent lit votre protocole et rédige l'étude. Structure des formulaires, calendrier des visites, types de champs, logique conditionnelle, edit checks. Il vous rend un document.
Un data manager reconstruit ensuite ce document à la main dans l'EDC. L'agent a fait la réflexion et votre équipe fait toujours la saisie. Sur une étude de soixante formulaires, la ressaisie absorbe l'essentiel du gain et chaque champ retapé est une occasion de plus de se tromper de bornes ou d'inverser une condition.
Les éditeurs s'arrêtent ici quand l'agent reste à l'extérieur de la plateforme. Un modèle sait décrire un formulaire en détail et il ne peut en créer un que si la plateforme expose cette opération comme un outil. Un brouillon vaut mieux qu'une page blanche et c'est toujours votre équipe qui construit l'étude.
Comment le reconnaître : demandez à quoi ressemble l'étude quand l'agent a terminé. Une spécification, ou des formulaires que vous pouvez ouvrir.
Niveau 4 : l'agent construit l'étude dans votre EDC
L'agent crée les formulaires, pose la logique conditionnelle, configure les règles de validation et ajoute les langues de l'étude. Un data manager ouvre le résultat et l'accepte ou le refuse. Datacapt mesure environ 60 % de temps gagné sur le paramétrage par cette voie.
Quatre contrôles décident si votre équipe qualité validera l'ensemble.
- Identité de l'agent. L'appel porte la personne qui l'a déclenché. Datacapt délivre une clé MCP par utilisateur, distincte de la clé API classique, à durée limitée, révocable, avec des périmètres fixés à la création. La clé hérite des droits de cette personne et de rien d'autre. Un compte de service partagé avec des permissions sur toute l'étude casse l'attribution de chaque action de l'agent.
- Un garde-fou qui vit dans le backend. Les écritures atterrissent sur des études en DRAFT ou sur une nouvelle version, jamais sur une version publiée. Le contrôle a sa place dans le serveur, là où un modèle ne peut pas l'atteindre. Certains éditeurs traitent le sujet en demandant au modèle de ne pas toucher à la production. Une instruction de prompt est un conseil et un modèle peut ignorer un conseil.
- Attribution dans la piste d'audit. Chaque appel enregistre une origine MCP, au nom de l'utilisateur, avec l'outil appelé et les paramètres transmis. Le 21 CFR Part 11 et l'Annexe 11 attendent une piste d'audit des saisies et des modifications, quelle qu'en soit la source. Si une action d'agent se lit comme une action humaine dans votre journal, vous ne pourrez pas répondre à la première question d'un inspecteur : vérifiez donc qu'un filtre existe.
- Acceptation humaine avant la production. L'agent propose, une personne valide et l'étude passe en production sous la signature de cette personne. Cela vaut que l'agent ait créé dix champs ou quatre cents.
Comment le reconnaître : demandez la liste des outils et lisez les verbes. Les outils nommés get_* et list_* relèvent du niveau 2. Un create_item ou son équivalent relève du niveau 4.
Le niveau que personne ne devrait construire
Un éditeur proposera tôt ou tard un agent qui écrit des valeurs cliniques dans une étude en production et le présentera comme la suite logique du niveau 4.
Le Part 11 ne l'interdit pas en une phrase. Il le rend coûteux de façons faciles à manquer. Une signature électronique attribue un enregistrement à une personne et un agent n'a pas de signature propre. Le dossier d'un sujet est un mauvais endroit pour découvrir que votre agent a lu des milligrammes là où il fallait des microgrammes. Une erreur trouvée après le gel de base coûte plus cher que le paramétrage qu'elle avait accéléré.
Datacapt bloque les écritures sur les versions publiées dans le backend. Un agent peut ouvrir une query pour qu'un humain y réponde. Y répondre reste le travail de l'humain.
Cinq questions à poser à votre éditeur d'EDC
Mettez-les dans votre appel d'offres. Chacune transforme une promesse commerciale en quelque chose de vérifiable.
| Question | À quoi ressemble une réponse faible |
|---|---|
| Lesquels de vos outils MCP écrivent, et sur quel objet ? | « L'agent peut vous aider au paramétrage. » |
| Qu'est-ce qui quitte la plateforme vers le modèle : des valeurs, ou des compteurs et des structures ? | « La connexion est chiffrée. » |
| L'agent peut-il modifier une étude en production, et qu'est-ce qui l'en empêche ? | « Nous demandons au modèle de ne pas le faire. » |
| La piste d'audit distingue-t-elle une action d'agent d'une action humaine, et un inspecteur peut-il filtrer dessus ? | « Tout est journalisé. » |
| Quel identifiant l'agent utilise-t-il ? | « Un compte de service. » |
La deuxième question mérite une note, car les éditeurs y répondent souvent par le chiffrement. Un modèle ne sait ni comparer deux dates ni proposer un code médical dans du texte chiffré : si l'agent fait ces choses, quelqu'un a déchiffré les données avant. Demandez ce que reçoit le modèle et traitez la question du chiffrement à part.
Où se situe Datacapt
- Écrit la structure d'eCRF, la logique conditionnelle, les règles de validation, les modèles et les langues dans des études en DRAFT.
- N'envoie aux modèles que des métadonnées et des agrégats. Le seul texte saisi qui peut sortir est un terme verbatim, seul, pour une suggestion de codage.
- Une clé MCP par utilisateur, avec périmètre et révocable.
- Origine MCP dans la piste d'audit, avec un filtre dédié pour les inspections.
Vous le pilotez depuis le chat intégré à la plateforme ou depuis votre propre client MCP, connecté à Claude, ChatGPT, Gemini ou un autre modèle de votre choix. Découvrez comment V5 construit une étude.
FAQ
Qu'est-ce qu'un serveur MCP pour un EDC ?
Un serveur MCP expose les opérations d'un EDC à un agent IA sous forme d'un catalogue d'outils que le modèle découvre et appelle, ce qui permet à un data manager de formuler sa demande en langage naturel au lieu de passer par l'interface. Il se pose au-dessus de l'API existante de la plateforme sans la remplacer.
Un agent IA qui écrit dans un EDC enfreint-il le 21 CFR Part 11 ?
Non, à condition que l'écriture soit attribuée. L'agent a besoin d'une identité rattachée à un utilisateur nommé, la piste d'audit doit enregistrer que l'action est passée par MCP avec l'outil et les paramètres utilisés, et la signature électronique qui met l'étude en production reste celle d'une personne. Un agent qui passe par un compte de service partagé ne satisfait pas l'exigence d'attribution.
Un agent IA peut-il voir mes données patients via MCP ?
Cela dépend du serveur, pas du protocole. Un serveur qui agrège dans le backend envoie au modèle des compteurs et des structures. Un serveur qui transmet les résultats de requête lui envoie des lignes. Demandez à l'éditeur lequel des deux décrit sa construction.
Quels éditeurs d'EDC ont un serveur MCP ?
Medidata a déployé des serveurs MCP pour la recherche documentaire et le classement des centres. CData, un tiers, propose un connecteur en lecture seule qui atteint les données Veeva. Datacapt exploite un serveur MCP avec accès en écriture à la configuration des études. Plusieurs serveurs publics exposent ClinicalTrials.gov.
Combien de temps MCP fait-il gagner sur le paramétrage d'une étude ?
Datacapt mesure environ 60 % sur le paramétrage lui-même. Le gain dépend du niveau atteint par le serveur : un serveur qui produit une spécification qu'un humain ressaisit rend une fraction de ce que rend un serveur qui crée les formulaires.
