Un procédé varie toujours. La question utile n’est pas de savoir s’il varie, mais lesquelles de ses variations atteignent le produit — et par quel chemin.
PAT-INDUSTRY établit ces liens avec les équipes procédé et développement, en pharma, biopharma, chimie, cosmétique et agroalimentaire. C’est l’étape qui décide si une mesure servira à piloter ou seulement à observer.
D’où vient la variation
Ce qui entre
- Matières premières : lot, fournisseur, teneur en eau à réception, granulométrie
- Excipients et auxiliaires, dont la variabilité est rarement suivie
- Conditions ambiantes : saison, hygrométrie de l’atelier
Ces sources se subissent. Une mesure en entrée les rend visibles avant qu’elles ne se propagent.
Ce qui se règle
- Paramètres de conduite : température, débit, vitesse, durée, pression
- Équipement : usure, encrassement, changement de format
- Pratiques : équipe, poste, mode opératoire interprété
Ces sources se pilotent. Encore faut-il savoir lesquelles comptent.
Le vocabulaire du dossier, et pourquoi l’employer
Quatre sigles reviennent dans tout dossier pharmaceutique, et ils ne désignent pas la même chose. Les confondre coûte du temps en réunion.
| Sigle | Ce que c’est | Exemple |
|---|---|---|
| QTPP | Le profil cible du produit : ce qu’il doit faire, avant toute considération de procédé | Comprimé, libération immédiate, dose et stabilité visées |
| CQA | Un attribut du produit dont la valeur doit rester dans une plage | Uniformité de teneur, dissolution, teneur en eau |
| CPP | Un réglage du procédé dont la variabilité atteint un CQA | Vitesse de rotation, température d’entrée d’air, force de compression |
| CMA | Une propriété d’une matière entrante qui atteint un CQA | Granulométrie d’un excipient, teneur en eau d’un lot |
La chaîne se lit dans un seul sens, et c’est ce qui la rend utile : les CMA et les CPP d’une opération produisent les attributs de l’intermédiaire, qui deviennent les CMA de l’opération suivante. C’est pour cette raison qu’une variation d’entrée se retrouve trois opérations plus loin, et qu’on la cherche rarement là où elle est née.
La criticité n’est pas une propriété du paramètre
C’est une propriété de la relation entre ce paramètre et un attribut du produit. Le même réglage de température est critique sur une formulation et sans effet sur la suivante. Un tableau de paramètres critiques valable pour un atelier n’existe pas : il est valable pour un produit sur une ligne, et il se rouvre quand l’un des deux change.
ICH Q8(R2) définit un paramètre critique comme un paramètre dont la variabilité a un impact sur un attribut qualité critique, et qui doit donc être surveillé ou maîtrisé. La définition ne pose pas de seuil : il suffit qu’il y ait impact.
Elle dit donc ce qui est critique, pas où poser une mesure. Ce qui décide de la mesure, c’est l’impact croisé avec la variabilité réelle : deux paramètres influents mais qui ne bougent jamais chez vous n’appellent aucune mesure ; un paramètre modérément influent mais très instable en appelle une.
Quatre niveaux plutôt que deux
« Il suffit qu’il y ait impact » est une définition qui range tout dans deux cases. En pratique, la case « critique » devient le plan de surveillance, et elle se remplit de paramètres dont les effets réels n’ont rien de comparable entre eux.
Un guide technique publié par l’USP en 2023 propose une graduation, et formule au passage la critique que peu de textes écrivent : une approche binaire est limitante, parce que la formulation d’ICH Q8 — « whose variability has an impact » — est imprécise.
| Niveau | Ce qui se passe quand le paramètre dérive à l’intérieur de ses propres limites |
|---|---|
| Impact fort | Le CQA sort de ses limites |
| Impact moyen | Le CQA se décale de façon mesurable, mais reste dans ses limites |
| Impact faible | Décalage mineur, mais mesurable |
| Aucun impact | Aucun décalage mesurable, ou aucune relation mécanistique |
La graduation change ce qu’on fait, pas seulement ce qu’on écrit. Un paramètre à impact fort demande une maîtrise : une boucle, une spécification, un critère d’arrêt. Un paramètre à impact moyen demande une surveillance — on le regarde, on le documente, on ne lui consacre pas forcément une mesure en ligne. C’est ainsi qu’un plan de surveillance reste proportionné.
Et la dernière ligne mérite son propre commentaire. « Aucune relation mécanistique » est la seule des quatre qui se démontre par le raisonnement et non par l’essai : si rien, dans la physique ou la chimie de l’opération, ne relie le paramètre à l’attribut, l’absence de corrélation observée n’est plus une coïncidence à vérifier. C’est le seul cas où l’on peut clore sans expérience.
La matrice IPO, et ce qu’elle fait apparaître
L’outil le plus utile de cette étape est aussi le plus simple. Pour chaque opération unitaire, on écrit trois colonnes : ce qui entre, ce qui se règle, ce qui sort.
Renseignée honnêtement, la matrice fait apparaître trois choses qu’une discussion ne fait pas remonter. Les entrées non suivies — une matière première dont personne ne mesure la variabilité alors qu’elle traverse tout le procédé. Les sorties non mesurées — un attribut supposé maîtrisé parce qu’il n’a jamais posé question. Les liens supposés — « on sait bien que ça joue », sans donnée derrière.
Elle se construit avec vos experts, en séance. Nous apportons la trame et les questions ; le contenu vient de ceux qui conduisent le procédé, y compris les opérateurs, qui savent souvent avant tout le monde ce qui dérive.
Corrélation, causalité, et le piège du modèle qui marche
C’est le point de vigilance le plus coûteux, et il ne se voit pas dans les chiffres.
Un modèle statistique peut relier deux grandeurs sans qu’aucune n’agisse sur l’autre : toutes deux dépendent d’une troisième, absente du modèle. Le modèle est excellent sur les données historiques, et il devient faux le jour où la troisième change de comportement — nouveau fournisseur, nouvelle saison, nouvel équipement.
Piloter sur un lien corrélatif produit une boucle qui s’agite sans améliorer le produit, et qui décroche sans prévenir. La parade n’est pas statistique, elle est expérimentale : faire varier délibérément le paramètre suspect, dans une plage acceptable, et observer si l’attribut suit. Un plan d’expériences, même réduit, tranche ce qu’aucune quantité de données historiques ne tranchera.
C’est aussi ce que demande le guide PAT de la FDA lorsqu’il définit un procédé bien compris : les sources critiques de variabilité identifiées et expliquées. Le second mot n’est pas décoratif.
Questions fréquentes
Peut-on s’appuyer sur l’historique de production plutôt que sur des essais ?
En partie. L’historique révèle ce qui a varié et ce qui a suivi ; il ne dit pas ce qui aurait suivi si l’on avait bougé un paramètre resté fixe. Il est excellent pour désigner les suspects, insuffisant pour les condamner. La combinaison habituelle est un historique qui oriente, puis quelques essais ciblés qui concluent.
Combien de paramètres critiques trouve-t-on en général ?
Moins qu’on ne le craint. Sur une opération unitaire, la liste initiale compte souvent vingt à trente candidats ; il en reste rarement plus de trois ou quatre après analyse. C’est une bonne nouvelle pour le projet : trois paramètres à suivre, c’est une stratégie de maîtrise réaliste.
Faut-il refaire ce travail quand le procédé change ?
Pas intégralement, mais il faut le rouvrir. Un changement de fournisseur, d’équipement ou d’échelle modifie les plages de variation, donc la criticité. Un paramètre non critique à petite échelle peut le devenir en production. C’est l’une des raisons pour lesquelles la connaissance du procédé se maintient plutôt qu’elle ne s’archive.
Quelle dérive revient sans que vous sachiez d’où elle vient ?
Décrivez-la, avec l’opération concernée. Quarante-cinq minutes suffisent pour dresser une première matrice et voir quelles pistes méritent une mesure.