LBG Modelling
Modélisation et analyse des coûts de fabrication pharmaceutique (API & Drug Product)
Client
Bill & Melinda Gates Foundation
Secteur
Santé mondiale · Pharma · Recherche
Année
2021–2024
Langues
EN
COGs
API · Drug Product · $/kg
Monte Carlo
simulations & percentiles
Boston
centre de recherche Gates
En prod
Kubernetes · Helm · GitLab
Contexte
Le centre de recherche de la Fondation Gates à Boston doit estimer de manière fiable le coût de revient des médicaments qu'elle fait avancer — de la substance active au produit fini — afin d'arbitrer entre scénarios de production, sites industriels et partenariats. Les hypothèses étaient dispersées dans des tableurs, peu traçables et difficiles à comparer. LBG Modelling centralise cette modélisation sur Heka : moteurs de calcul scientifiques Python, API REST Flask et interface React — pour produire des analyses COGs reproductibles, quantifier l'incertitude (Monte Carlo) et soutenir due diligence et comités d'investissement.
À propos du client — Institution philanthropique de référence en santé mondiale. Son centre de recherche pharmaceutique basé à Boston pilote le développement de traitements accessibles pour les maladies à fort impact dans les pays à ressources limitées. LBG Modelling — conçu et déployé sur la plateforme Heka (Sia Partners) — équipe ses chercheurs et analystes pour estimer, comparer et documenter les coûts de fabrication (API, Drug Product) dans leurs décisions d'investissement R&D.
Déroulé
- 1Architecture full-stack sur Heka : frontend React 17 + TypeScript (Project Management, Comparison Tool, Raw Library) et backend Python Flask (c13s) exposant une API REST.
- 2Moteur de calcul des coûts (model/compute) : main-d'œuvre (salaires, effectifs, utilisation des sites), installations (facility), matières premières (unités, recyclables, continuité de masse entre étapes).
- 3Modélisation du procédé : chaîne de production par stages et steps, validation (cycles, continuité de masse), visualisation tableaux et graphiques (prix vs COGs, rendement vs COGs).
- 4Module Drug Product (DP) : formulation, procédé du produit fini, hypothèses d'exploitation et synthèse des coûts annuels.
- 5Simulation Monte Carlo : paramétrage de variables incertaines, exécution (pertdist), statistiques, percentiles P10/P90 et graphiques de distribution.
- 6Gestion de projets : CRUD projets et modèles, édition collaborative (commentaires, utilisateurs), Comparison Tool multi-scénarios, Raw Library (référentiel matières premières).
- 7Scaling factor pour extrapoler les coûts d'un batch pilote vers la production industrielle.
- 8Infra : PostgreSQL (schémas dédiés, ex. montecarlo), Airflow (ETL), JWT, GCS ; déploiement Docker / Helm / Kubernetes, CI/CD GitLab, environnements dev/staging/prod.
Résultats
- Outil de référence pour le centre de recherche Gates (Boston) : estimation COGs ($/year, $/batch, $/kg) sur les programmes en cours de développement.
- Comparaison de scénarios (site A vs B, batch size, fournisseur) via le Comparison Tool — impact sur le coût unitaire et leviers d'optimisation.
- Analyse de risque Monte Carlo : médiane, percentiles et distributions pour évaluer la robustesse financière avant investissement.
- Modélisation Drug Product complète : formulation + procédé + coûts annuels du produit commercialisé.
- Espace projet partagé pour due diligence : hypothèses documentées, analyses reproductibles pour les comités d'investissement de la Fondation.
- Application en production (Kubernetes, GitLab CI/CD) avec tests (pytest), pre-commit et documentation technique.