Continued Process Verification (CPV) : le programme de Stage 3 qui évite les mauvaises surprises

La scène typique : « Montrez-moi les tendances des 12 derniers mois »

En inspection, lorsque l’inspecteur demande :

• « Les tendances des CPP et des CQA »
• « Comment définissez-vous et gérez-vous un Out-of-Trend ? »
• « Quels signaux déclenchent chez vous une déviation avant un OOS ? »

…je vois souvent des réponses faibles, non pas parce que les données manquent, mais parce qu’il manque un programme CPV structuré : données dispersées, graphiques « annuels », aucune règle de signalement, aucune ownership claire.

Le guide GuideGxP rappelle explicitement la nécessité d’une Continued/Ongoing Process Verification (CPV/OPV) après la validation initiale, avec un monitoring et un trending continus.

Le mythe à déconstruire : « Nous avons réalisé les 3 lots de PPQ, donc nous sommes couverts »

Cet état d’esprit pouvait sembler « acceptable » dans un monde plus statique. Aujourd’hui, il est risqué parce que :

• les procédés changent à cause de micro-causes, comme l’usure, les lots de matières premières, les maintenances ou les mises à jour logicielles
• les écarts commencent souvent par une dérive et ne deviennent OOS que plus tard
• l’attente en inspection est de voir un contrôle proactif, pas seulement une réaction

Contrarian insight : le CPV ne sert pas seulement à « faire plaisir à la QA » ou à l’inspecteur. Lorsqu’il est bien conçu, c’est l’un des meilleurs outils pour réduire les rebuts et les déviations répétitives sans ajouter de contrôles inutiles.

Un “vrai” CPV = Stage 3 Process Validation + SPC + gouvernance

Un CPV robuste comporte trois composantes :

• Ce que vous surveillez : CPP/CQA + indicateurs de procédé
• Comment vous le surveillez : SPC et règles de signal
• Ce que vous faites lorsque cela « sonne » : workflow OOT → triage → escalade

Mini-glossaire (opérationnel, pas théorique)

Stage 3 Process Validation : maintenir la preuve que le procédé reste dans un état de maîtrise.
SPC (Statistical Process Control) : règles statistiques permettant de distinguer le bruit du signal.
OOT (Out-of-Trend) : signal de dérive même si vous êtes encore dans les spécifications.

Le tableau “CPV Canvas” que je recommande d’utiliser (1 page, pas 40)

Quel control chart utiliser, sans se compliquer la vie

Du point de vue de la Production, démarrer avec I-MR sur 5 à 10 paramètres clés vaut mieux que mille graphiques inutiles.

Un “OOT” n’est pas une opinion : définissez des règles et faites-les vivre

Exemples de triggers pratiques, dans un style inspection :

• 1 point au-delà de l’action limit → événement
• 2 points consécutifs au-delà de l’alert limit → OOT
• 6 points consécutifs en hausse ou en baisse → dérive
• 8 points consécutifs du même côté de la moyenne → process shift, typique après une maintenance ou un changement de matière première

Ce sont des applications opérationnelles des Nelson rules, ou de règles équivalentes. Il ne faut pas être mathématicien. Il faut être cohérent et documenté.

La partie qui fait vraiment la différence : la stratification des données, sinon vous vous trompez vous-même

En audit, une question classique est :
« Pouvez-vous me montrer si la tendance est la même sur toutes les lignes et toutes les équipes ? »

Si vous ne stratifiez pas, vous risquez de tout moyenner et de perdre le signal. Je stratifie généralement par :

• ligne / equipment train, par exemple Ligne 1 vs Ligne 2
• équipe / shift, par exemple équipe A/B/C
• lot de matière première / supplier
• campagne, par exemple début vs fin de campagne
• intervention de maintenance, avant vs après

C’est souvent la clé pour transformer un OOT d’un « mystère » en « cause plausible ».

Golden Batch et multivarié : quand vous voulez passer au niveau supérieur, sans hype

Si vous avez beaucoup de paramètres corrélés, ce qui est typique dans les procédés complexes ou les installations digitalisées, vous pouvez introduire :

• le concept de golden batch, c’est-à-dire le profil « bon » attendu
• des monitorings multivariés comme la PCA (Principal Component Analysis) et des statistiques comme le Hotelling’s T² pour détecter des schémas anormaux avant qu’ils ne deviennent des non-conformités

Une erreur que je vois souvent : l’entreprise achète des outils avancés, mais ne définit pas qui « appelle » l’anomalie et ce qui se passe ensuite. La technologie sans gouvernance n’est que du bruit.

Cas pratique atelier : dérive lente en compression

Scénario : comprimés avec spécification de dureté 80–110 N, toujours conformes, mais le CPV montre :

• I-MR : 7 lots en tendance haussière vers 108–109 N
• augmentation des micro-rebuts pour défauts borderline de friabilité

Investigation du point de vue du Manufacturing Manager, avant que cela ne devienne OOS :

• vérifier l’usure des poinçons et des cames
• vérifier la lubrification et la force réelle de compression par rapport au setpoint
• corréler avec le lot d’excipient, notamment la fluidité
• vérifier les conditions environnementales, comme l’HR, qui influencent la compressibilité

Action efficace : maintenance ciblée + remplacement anticipé des poinçons, avec mise à jour du plan de maintenance vers une logique condition-based.
Résultat typique : aucune déviation critique, moins de rebuts, audit trail propre.

Workflow opérationnel : que faire lorsqu’un signal CPV se déclenche

• Triage : erreur de donnée, changement connu comme une maintenance, ou signal réel ?
• Évaluation d’impact : quel CQA peut être affecté ? Faut-il bloquer le lot/la campagne ?
• Action de containment : ajustement de setpoint, arrêt de ligne, ségrégation ?
• Root cause : instruments, matériaux, méthode, homme, environnement, selon une logique Ishikawa
• CAPA + effectiveness check : démontrer que la tendance revient et reste stable

À retenir

• Le CPV n’est pas un graphique annuel. C’est SPC + règles + décisions.
• Sans stratification, vous perdez le signal et vous croyez seulement être sous contrôle.
• L’inspecteur ne demande pas combien de données vous avez, mais comment vous les utilisez pour prévenir les problèmes.

Roadmap réaliste d’implémentation en 6 semaines

Semaine 1 : sélectionner 5 à 10 paramètres à haut risque sur 1 à 2 produits pilotes.
Semaine 2 : cartographier les sources de données et l’ownership : MES, SCADA, LIMS, data historian.
Semaine 3 : définir les charts, limites, règles OOT et la gouvernance, y compris le RACI.
Semaine 4 : exécuter le pilote et corriger les problèmes : données sales, définitions incohérentes, gaps.
Semaine 5 : former les superviseurs et mettre en place une réunion CPV hebdomadaire de 30 minutes.
Semaine 6 : go-live + premier effectiveness check : les signaux ont-ils été correctement gérés ?

FAQ

1) Le CPV et le PQR, est-ce la même chose ?
Non. Le PQR est une revue périodique large. Le CPV est un programme vivant, avec des règles et des triggers conçus pour anticiper les déviations et les OOS.

2) Combien de paramètres dois-je trend-er ?
Peu, mais critiques. Utilisez une approche risk-based sur les CPP/CQA, avec des limites et des actions. « Tout » ne crée que du bruit.

3) Qui doit être owner du CPV ?
Dans un modèle mature : la Production comme owner opérationnel, la QA pour la gouvernance, et le MS&T en support scientifique. L’essentiel est que l’owner ait l’autorité pour déclencher des actions.

Si vous souhaitez des exemples et des références opérationnelles sur le monitoring continu, le trending et l’intégration avec le quality system, le Guide Technique du Manufacturing Manager est justement conçu pour traduire les attentes GMP en outils pratiques.