IA et santé publique : applications prouvées et promesses
- Quelques usages ont franchi le cap des recommandations officielles, comme la lecture assistée des radiographies pour le dépistage de la tuberculose
- Les essais randomisés restent rares ; la plupart des preuves sont des études de performance
- Plusieurs outils très diffusés ont déçu lors de validations indépendantes
- La valeur d'un outil dépend du contexte où il est déployé autant que de l'algorithme
Peu de domaines suscitent autant d’annonces que l’intelligence artificielle en santé. Les articles de presse évoquent des algorithmes qui diagnostiqueraient mieux que les médecins, prédiraient les épidémies ou réorganiseraient les hôpitaux. Pour un ministère, une agence sanitaire ou un bailleur qui doit décider où investir, la question est plus terre à terre : qu’est-ce qui a été démontré, dans quelles conditions, et qu’est-ce qui relève encore de la promesse ? Cette synthèse sur l’IA et la santé publique passe en revue quelques cas emblématiques, en s’appuyant sur des études publiées et sur les positions d’autorités sanitaires.
Comment juger une preuve
Avant d’examiner les cas, il faut s’entendre sur ce qui compte comme preuve. Trois niveaux se distinguent nettement.
La performance technique : l’algorithme reconnaît-il correctement ce qu’il doit reconnaître, sur un jeu de données de test ? C’est le niveau de la plupart des publications. Il est nécessaire, mais il ne dit pas si l’outil fonctionnera ailleurs que sur les données où il a été évalué.
La validation externe : l’outil garde-t-il ses performances sur des patients, des appareils et des établissements différents de ceux qui ont servi à le construire ? Beaucoup d’outils perdent une part importante de leur performance à ce stade.
L’effet sur la santé : l’utilisation de l’outil, dans un vrai système de soins, améliore-t-elle les résultats pour les patients ou l’efficience du système ? Ce niveau exige des essais comparatifs, idéalement randomisés, qui restent rares.
L’Organisation mondiale de la santé, dans ses orientations de 2021 sur l’éthique et la gouvernance de l’intelligence artificielle pour la santé, insiste sur cette exigence de preuve, ainsi que sur la transparence, l’équité et la responsabilité. Elle les a complétées en janvier 2024 par des orientations sur les grands modèles multimodaux.
Ce qui est prouvé, ou presque
La tuberculose et la radiographie thoracique
C’est l’exemple le plus solide en santé publique. En mars 2021, l’OMS a intégré à ses lignes directrices consolidées sur le dépistage de la tuberculose la possibilité d’utiliser des logiciels de détection assistée par ordinateur pour interpréter les radiographies thoraciques, à la place d’un lecteur humain, chez les personnes de quinze ans et plus. Cette recommandation repose sur une revue des études disponibles montrant des performances comparables à celles de lecteurs humains.
L’enjeu est considérable dans les pays où les radiologues sont rares : la radiographie peut être réalisée dans des unités mobiles, interprétée immédiatement, et seules les personnes signalées sont orientées vers un test de confirmation. L’OMS recommande toutefois de calibrer le seuil de détection selon la population locale et les objectifs du programme, ce qui suppose un travail préalable sur place.
La rétinopathie diabétique
En avril 2018, l’agence américaine du médicament (FDA) a autorisé pour la première fois un système de diagnostic autonome fondé sur l’IA, destiné à détecter la rétinopathie diabétique à partir de photographies du fond d’œil, sans interprétation par un spécialiste. L’autorisation s’appuyait sur un essai prospectif mené dans des centres de soins primaires et publié la même année. Le dépistage de la rétinopathie est un enjeu de santé publique : la maladie est fréquente chez les personnes diabétiques, longtemps silencieuse, et évitable si elle est détectée à temps. D’autres systèmes ont depuis été évalués dans plusieurs pays.
Le dépistage du cancer du sein
L’essai suédois MASAI, publié dans The Lancet Oncology en août 2023, est l’un des rares essais randomisés à grande échelle sur le sujet. Il comparait la double lecture classique des mammographies de dépistage à une organisation où l’IA trie les examens selon leur niveau de risque et assiste les radiologues. Les résultats intermédiaires montraient un nombre de cancers détectés au moins équivalent, avec une réduction d’environ 44 % de la charge de lecture des radiologues. Les auteurs soulignaient que le critère principal, les cancers d’intervalle, restait à mesurer sur un suivi plus long.
Les usages les mieux prouvés partagent trois traits : une tâche étroite et bien définie (lire un type d’image pour une question précise), un examen standardisé, et un problème de capacité réel (pas assez de lecteurs). Ce sont des conditions à rechercher avant d’investir.
Ce qui a déçu
Les tendances de recherche pour suivre la grippe
Lancé en 2008, Google Flu Trends estimait l’activité grippale à partir des recherches effectuées sur le moteur de recherche. L’outil a d’abord paru remarquable, puis a fortement surestimé l’épidémie de la saison 2012-2013. Un article publié dans Science en 2014 par David Lazer et ses collègues en a analysé les causes : corrélations fragiles, changements dans le moteur de recherche lui-même, absence de recalage sur les données de surveillance traditionnelles. Le service a été arrêté. La leçon reste d’actualité : un signal numérique peut compléter la surveillance épidémiologique, pas la remplacer.
Un modèle de détection du sepsis largement déployé
En 2021, une équipe de l’université du Michigan a publié dans JAMA Internal Medicine une validation externe d’un modèle de prédiction du sepsis intégré à un logiciel de dossier patient très répandu aux États-Unis. Ses performances étaient nettement inférieures à celles annoncées : le modèle ne repérait qu’une minorité des cas de sepsis et générait de nombreuses alertes. L’étude a nourri un débat sur la validation indépendante des outils fournis par les éditeurs, déployés dans des centaines d’hôpitaux sans évaluation publiée préalable.
Les modèles de la pandémie de COVID-19
La pandémie a suscité des centaines de modèles d’IA pour diagnostiquer la maladie sur des images ou prédire l’aggravation des patients. Une revue systématique publiée dans le BMJ à partir de 2020, régulièrement mise à jour, a conclu que la quasi-totalité présentait un risque de biais élevé. Une autre revue, publiée en 2021 dans Nature Machine Intelligence, n’a identifié aucun modèle d’imagerie prêt pour un usage clinique, en raison de défauts méthodologiques : jeux de données de mauvaise qualité, comparaisons biaisées, absence de validation externe.
Un algorithme qui excelle sur les données de son concepteur n’a encore rien prouvé. La preuve commence quand il change d’hôpital.
Ce qui reste prometteur
Entre ces deux pôles, plusieurs usages font l’objet de travaux actifs et de déploiements prudents.
La veille épidémique à partir de sources ouvertes. L’OMS et ses partenaires exploitent depuis plusieurs années une plateforme de renseignement épidémique à partir de sources ouvertes (EIOS), qui trie de grands volumes d’articles et de signaux pour repérer des événements sanitaires inhabituels. L’automatisation y sert à filtrer et à prioriser ; l’évaluation reste faite par des épidémiologistes.
Le triage et l’orientation. Des outils qui aident à orienter les patients ou à prioriser les dossiers, dans les services d’urgence ou les centres d’appels. Leur effet dépend fortement de l’organisation dans laquelle ils s’insèrent, et les évaluations rigoureuses restent rares.
Les tâches administratives et documentaires. Transcription des consultations, codage des actes, synthèse des dossiers, extraction d’informations à partir de comptes rendus. Les grands modèles de langage ouvrent ici des possibilités nouvelles, avec des risques spécifiques (informations inventées, confidentialité) qui imposent un contrôle humain et une évaluation locale.
La planification des ressources. Prévision de la fréquentation, des besoins en lits ou en médicaments. Ces usages relèvent davantage de la statistique classique que de l’IA spectaculaire, et ils sont souvent plus utiles.
Les conditions du terrain
Les études réussies et les échecs instructifs convergent vers quelques conditions, qui comptent autant que la qualité de l’algorithme.
| Condition | Pourquoi elle compte |
|---|---|
| Population comparable | Un outil entraîné sur une population d’un pays peut perdre en performance sur une autre : morphologies, prévalences, équipements différents. |
| Données de qualité | Images de mauvaise qualité, dossiers incomplets, codage hétérogène dégradent les résultats. |
| Intégration au parcours | Un résultat qui n’arrive pas au bon professionnel au bon moment, ou qui n’est suivi d’aucune action, ne sert à rien. |
| Capacité de prise en charge | Dépister davantage n’a de sens que si les personnes détectées peuvent être confirmées et soignées. |
| Suivi dans le temps | Les performances dérivent quand les pratiques, les appareils ou les populations changent. |
| Équité | Un outil peut fonctionner moins bien pour certains groupes, et creuser des inégalités existantes s’il n’est pas évalué par sous-population. |
Le cadre réglementaire
Dans l’Union européenne, un logiciel destiné à des fins médicales est un dispositif médical, soumis au règlement (UE) 2017/745. L’AI Act, entré en vigueur le 1er août 2024, classe à haut risque les systèmes d’IA qui sont des dispositifs médicaux soumis à une évaluation de conformité par un tiers ; les obligations correspondantes s’appliqueront progressivement dans les années à venir. Le RGPD encadre le traitement des données de santé, catégorie particulière de données. Hors de l’Union, les cadres varient, mais les orientations de l’OMS offrent une référence commune.
Recommandations pour les décideurs
Partir du problème de santé publique, pas de la technologie : quel goulet d’étranglement, quelle population, quel résultat attendu. Les usages les plus solides répondent à un manque de capacité bien identifié.
Exiger des preuves adaptées : validation externe publiée, sur une population comparable ; à défaut, une évaluation locale avant tout déploiement à grande échelle.
Prévoir l’évaluation dans le projet : mesurer la situation avant, définir les indicateurs de résultat, suivre les performances dans le temps et par sous-population.
Garder la maîtrise : savoir sur quelles données l’outil a été entraîné, pouvoir en vérifier les performances, ne pas dépendre entièrement du fournisseur pour son évaluation.
Investir dans le socle : qualité des données, interopérabilité des systèmes, compétences des équipes. Sans eux, aucun algorithme ne tient ses promesses.
Notre programme IA d’entreprise déploie l’IA là où elle peut être encadrée et évaluée, et notre expertise santé numérique accompagne les systèmes de santé dans le choix et l’évaluation des outils. Notre synthèse sur la télémédecine en zone rurale applique la même exigence de preuve à un autre usage du numérique en santé.
- Organisation mondiale de la santé, Ethics and governance of artificial intelligence for health, 2021 ; orientations sur les grands modèles multimodaux, janvier 2024.
- Organisation mondiale de la santé, WHO consolidated guidelines on tuberculosis, Module 2: screening, 2021.
- Abràmoff M. D. et al., essai pivot d’un système autonome de détection de la rétinopathie diabétique en soins primaires, npj Digital Medicine, 2018.
- Lång K. et al., essai MASAI sur le dépistage mammographique assisté par IA, The Lancet Oncology, 2023.
- Lazer D. et al., « The Parable of Google Flu: Traps in Big Data Analysis », Science, 2014.
- Wong A. et al., validation externe d’un modèle propriétaire de prédiction du sepsis, JAMA Internal Medicine, 2021.
- Wynants L. et al., revue systématique des modèles de prédiction pour la COVID-19, BMJ, 2020 et mises à jour.
- Roberts M. et al., revue des modèles d’apprentissage automatique pour l’imagerie de la COVID-19, Nature Machine Intelligence, 2021.
Questions fréquentes
L'IA peut-elle remplacer les médecins dans le dépistage ?
Dans quelques cas précis et encadrés, des outils peuvent interpréter un examen sans lecture humaine systématique, comme l'a admis l'OMS pour la radiographie thoracique dans le dépistage de la tuberculose. Dans la grande majorité des usages, l'IA assiste, trie ou priorise ; la décision reste humaine.
Comment savoir si un outil d'IA en santé est fiable ?
En cherchant une validation indépendante, réalisée sur une population comparable à celle où l'outil sera utilisé, idéalement publiée, et en vérifiant son statut réglementaire. Une performance annoncée par le fabricant sur ses propres données ne suffit pas. Un essai pilote local, avec mesure des résultats, reste recommandé.
Quelles règles s'appliquent à l'IA en santé dans l'Union européenne ?
Les logiciels à finalité médicale relèvent du règlement sur les dispositifs médicaux. L'AI Act classe à haut risque les systèmes d'IA qui sont des dispositifs médicaux soumis à évaluation par un tiers, avec des obligations qui s'appliqueront progressivement. Le RGPD encadre le traitement des données de santé.