Standard OMOP : pourquoi les éditeurs de logiciels en santé ne peuvent plus l’ignorer.

Les données de santé sont devenues un actif stratégique. Pour les éditeurs de logiciels, elles représentent à la fois une richesse fonctionnelle, un levier d’innovation (notamment avec l’IA) et une source de complexité croissante. Entre hétérogénéité des formats, exigences réglementaires et attentes accrues en matière d’interopérabilité, un constat s’impose : sans standard commun, la collaboration à grande échelle reste hors de portée.

C’est précisément dans ce contexte que le standard OMOP s’impose aujourd’hui comme une brique structurante de l’écosystème data santé.

OMOP : un langage commun pour les données de santé

OMOP (Observational Medical Outcomes Partnership) est un Common Data Model (CDM), c’est-à-dire un modèle de données commun conçu pour représenter de manière standardisée l’ensemble des données médicales issues de sources hétérogènes.

Concrètement, OMOP permet de structurer et classifier :

• les pathologies (conditions),
• les médicaments et traitements,
• les procédures,
• les dispositifs et appareils de mesure,
• les observations cliniques,
• les données patients et leurs relations temporelles.

Chaque élément est associé à des concepts standardisés, codifiés et reliés entre eux. L’objectif n’est pas de modifier la donnée métier, mais de lui donner une représentation commune, indépendante des systèmes sources. Une fois transformées en OMOP, les données deviennent comparables, analysables et exploitables de manière homogène, quelle que soit leur origine.

Comme le résume Thierry Bossy, machine learning engineer chez Tune Insight “l’enjeu est que tout le monde parle enfin le même langage pour analyser et exploiter les données de santé”.

Pourquoi OMOP devient incontournable aujourd’hui

Si de nombreux standards ont émergé au fil des années, OMOP connaît une adoption croissante, en particulier en Europe, et plusieurs facteurs expliquent cette dynamique.

En tout premier lieu, nous sommes entrés dans une nouvelle ère scientifique depuis une dizaine d’années : celle de la médecine de précision. Les innovations médicales s’accélèrent, notre compréhension des pathologies progresse, et les traitements deviennent de plus en plus personnalisés. Pour concevoir, valider et améliorer ces approches, il faut des volumes de données bien plus importants que par le passé. Des données variées, de qualité et provenant d’un grand nombre de patients. Deux ou trois hôpitaux ne suffisent plus : la recherche moderne dépend désormais de collaborations européennes et mondiales, capables de rassembler des cohortes suffisamment larges pour produire des résultats fiables.

Cette dynamique est amplifiée par l’explosion des projets de recherche clinique et d’IA. Ces projets nécessitent d’accéder à des volumes de données massifs et hétérogènes. Sans standard analytique commun, chaque collaboration devient un projet d’intégration spécifique, coûteux et lent, souvent incompatible avec la rapidité attendue dans la recherche médicale actuelle.

Ensuite, les éditeurs doivent être interopérables “by design”. Les appels d’offres, les consortiums de recherche et les projets européens intègrent désormais explicitement des exigences liées aux standards de données. Des initiatives structurantes telles qu’Horizon Europe (2021–2027), EHDEN, puis DARWIN EU de l’EMA ont placé au cœur de leurs dispositifs la nécessité d’un modèle de données commun, compatible avec des analyses fédérées et conforme au RGPD. Dans ce contexte, OMOP s’est imposé comme le standard de facto pour l’usage secondaire des données de santé en Europe.

OMOP s’est ainsi imposé parce qu’il a su fédérer une communauté internationale forte, portée notamment par le réseau OHDSI (Observational Health Data Sciences and Informatics). Là où d’autres initiatives sont restées marginales, OMOP a bénéficié d’un alignement progressif d’institutions majeures, d’hôpitaux, d’industriels et d’équipes de recherche. Chaque pays dispose de ses sous-organisations, et Tune Insight fait partie de la communauté OHDSI en Suisse, aux côtés notamment de l’hôpital de Berne.

OMOP, HL7, HL7 FHIR : des standards complémentaires

OMOP ne remplace pas HL7 ou HL7 FHIR. Ils répondent à des usages différents et sont souvent utilisés conjointement.

Sans standard, un frein majeur pour les éditeurs

Pour les éditeurs de logiciels de santé, l’absence de standard commun génère plusieurs difficultés structurelles :

• Des coûts d’intégration élevés, chaque établissement ayant ses propres modèles et spécificités.
• Une qualité de données hétérogène, rendant complexes les usages analytiques ou prédictifs.
• Une difficulté à participer à des projets collaboratifs, faute de compatibilité immédiate avec les attentes des chercheurs ou partenaires.
• Une valorisation limitée de la base installée, alors même que les données pourraient devenir un levier stratégique.
  

OMOP permet de répondre à ces enjeux en offrant un cadre partagé, tout en laissant aux éditeurs la maîtrise de leurs données sources.

Ce que change OMOP pour un éditeur de logiciel

Pour un éditeur, adopter OMOP ne signifie pas “tout refondre”. Cela signifie surtout se rendre compatible avec un écosystème international, sans multiplier les développements spécifiques.

Les bénéfices concrets sont multiples :

• réduction des coûts de maintenance et d’intégration,
• accès facilité aux projets de recherche et aux consortiums,
• accélération des projets IA grâce à des datasets harmonisés,
• ouverture à de nouveaux modèles économiques liés à l’analyse et à la recherche.
  

À une condition toutefois : réussir la transformation vers OMOP, qui reste un défi technique réel. 

Accompagner les éditeurs de logiciels vers le standard OMOP 

Tune Insight permet la collaboration sur les données de santé sans les centraliser, grâce à une approche basée sur le confidential computing et des environnements sécurisés. OMOP est intégré nativement dans la solution Tune Insight. Concrètement :

• si une institution dispose déjà de données au standard OMOP, elle peut immédiatement les exploiter via Tune Insight ;
• plusieurs établissements peuvent collaborer sur des analyses communes sans jamais partager leurs données brutes.

Pour les éditeurs, Tune Insight agit comme un accélérateur d’adoption :

• l’éditeur conserve l’accès à la donnée brute de l’hôpital,
• Tune Insight fournit des outils d’harmonisation des données vers OMOP, co-construits avec l’éditeur,
• les spécificités locales sont prises en compte via des étapes intermédiaires, jusqu’à convergence vers le standard.

L’éditeur et Tune Insight travaillent ensemble pour accélérer la conversion, sans promesse irréaliste d’automatisation magique, mais avec une approche pragmatique et industrialisable.

Sécurité, qualité et IA : OMOP prend toute sa valeur avec la collaboration sécurisée

OMOP n’est pas directement un standard de sécurité. En revanche, il joue un rôle clé dans la qualité et l’intégrité des données : moins de pertes, plus de cohérence, meilleure disponibilité pour les usages analytiques.

Couplé à l’approche Tune Insight, OMOP devient un levier puissant notamment pour les analyses fédérées, les études multicentriques ou l’entraînement de modèles d’IA sur des données distribuées.

Le projet Phase IV AI, mené avec plus de 20 partenaires internationaux, en est une illustration concrète : il a permis de démontrer la capacité à entraîner des modèles d’IA pour la détection du cancer de la prostate sur des données fédérées, en s’appuyant sur OMOP pour garantir l’interopérabilité entre les établissements, sans jamais exposer les données sensibles.

Pour les éditeurs de logiciels de santé, la question n’est plus de savoir si OMOP va s’imposer, mais quand et comment s’y préparer. Ceux qui s’engagent dès aujourd’hui bénéficient d’un avantage concurrentiel clair, en particulier sur les sujets IA, recherche et collaboration.