L’intelligence artificielle (IA) est souvent présentée comme l’horizon d’un avenir prometteur, capable de transformer de nombreux aspects de notre quotidien. En effet, l’IA a déjà démontré sa capacité à analyser des données massives, à formuler des réponses nouvelles et à proposer des solutions aux défis complexes. Sa collaboration avec l’humain ouvre des perspectives inédites, notamment dans des secteurs comme la médecine. Cependant, cette révolution technologique ne va pas sans soulever des défis techniques, éthiques et sociaux d’une ampleur considérable. Ce n’est qu’en surmontant ces obstacles que l’IA pourra réaliser son potentiel, offrant des services accessibles et bénéfiques à l’ensemble de la population mondiale.

L’IA en médecine : des promesses et des défis

Dans le domaine médical, l’IA a déjà fait ses preuves. Peu après les premières démonstrations de sa capacité à détecter des maladies à partir d’images médicales, des systèmes de plus en plus sophistiqués sont venus enrichir le diagnostic et le traitement. Mais malgré ces avancées, l’intégration de l’IA dans la pratique médicale quotidienne reste en deçà de son potentiel.

Les études rétrospectives ont mis en lumière l’efficacité des algorithmes d’IA dans la détection précoce de diverses pathologies, mais leur mise en œuvre dans des contextes cliniques réels se heurte encore à des défis techniques importants. Parmi eux : la lenteur des systèmes, leur complexité, et la difficulté de prédire l’interaction entre l’humain et l’IA. L’un des problèmes majeurs réside dans la qualité des ensembles de données utilisés pour entraîner les systèmes : bien qu’ils aient été soigneusement nettoyés, ils ne sont pas toujours représentatifs de la diversité des cas réels rencontrés en médecine.

En dépit de ces obstacles, des progrès notables ont été réalisés grâce à l’apprentissage profond (deep learning), une méthode qui permet aux réseaux de neurones d’apprendre à partir de données brutes. Ce paradigme a notamment favorisé l’émergence d’outils d’IA performants dans des spécialités comme la radiologie, l’ophtalmologie, ou encore l’anatomopathologie.

Cependant, ces progrès soulèvent des questions cruciales, notamment sur la manière de garantir la confiance des utilisateurs, de constituer des ensembles de données plus représentatifs et d’encadrer la réglementation de l’IA en médecine. L’IA change la nature même des responsabilités dans le domaine de la santé, modifiant la manière dont les chercheurs, les médecins et même les patients interagissent avec les technologies.

L’IA en chirurgie : une transformation numérique du parcours chirurgical

L’IA commence à transformer le domaine de la chirurgie, même si son adoption en ce secteur reste encore récente. Des modèles de langage avancés, des technologies portables, ainsi que des infrastructures de données chirurgicales de plus en plus sophistiquées ouvrent des perspectives nouvelles. L’IA a le potentiel d’améliorer l’ensemble du parcours chirurgical, en optimisant les diagnostics, en aidant à la prise de décision pendant l’intervention, et en surveillant le patient après l’opération.

Préopératoire : L’IA a d’ores et déjà montré son efficacité dans la phase préopératoire, en améliorant la précision des diagnostics à partir d’imagerie médicale, de génomique ou de données de pathologie. Des modèles d’apprentissage profond ont permis de prédire les risques postopératoires et d’optimiser la sélection des patients pour les interventions. Cependant, des validations multicentriques sont nécessaires pour confirmer l’efficacité de ces modèles dans un contexte clinique réel.

Peropératoire : En salle d’opération, l’IA peut analyser en temps réel l’anatomie du patient, prédire les étapes de l’intervention, et même identifier les instruments chirurgicaux. Ces progrès permettent une aide à la décision plus efficace, offrant aux chirurgiens des informations précieuses pour prendre des décisions en temps réel. Cependant, ces outils ne sont pas encore prêts à remplacer l’expertise humaine. L’IA pourra aussi jouer un rôle important dans la formation des chirurgiens, en évaluant de manière objective leurs compétences et gestes, tout en offrant des retours d’information précis.

Postopératoire : L’IA n’a pas encore profondément modifié la surveillance postopératoire, mais des technologies comme les dispositifs portables permettent d’envisager un suivi continu des patients après l’intervention. Ces outils facilitent la détection précoce de complications et permettent de réagir plus rapidement en cas de besoin, améliorant ainsi les taux de survie et réduisant les risques.

L’IA et les valeurs humaines : un défi éthique majeur

Si l’IA médicale promet de grands progrès, elle soulève des préoccupations majeures en matière de valeurs humaines. L’usage des IA génératives, comme les modèles de langage de grande taille (LLM), qui peuvent rédiger des rapports, diagnostiquer des patients, ou même fournir des réponses empathiques, interroge sur la place de l’humain dans le processus décisionnel médical.

Ces modèles présentent des risques bien connus, notamment la « confabulation » (production d’informations fausses ou erronées), la fragilité et l’inexactitude des réponses. Mais au-delà de ces risques techniques, la question centrale demeure : comment s’assurer que les valeurs humaines – comme l’éthique, la responsabilité et l’empathie – sont intégrées dans la conception et l’utilisation de l’IA ?

Les modèles de prédiction en médecine, tels que ceux utilisés pour déterminer le traitement d’un patient ou établir un diagnostic, intègrent des « jugements de valeur » qui influencent les décisions médicales. Ces valeurs sont présentes à chaque étape du processus : de la sélection des données à l’algorithme d’entraînement, en passant par l’interprétation des résultats. Prenons l’exemple du débit de filtration glomérulaire estimé (DFGe) en néphrologie, un indice couramment utilisé pour évaluer la fonction rénale. Bien que ce modèle de calcul semble objectif, des décisions éthiques se cachent dans les choix faits par les chercheurs lorsqu’ils sélectionnent les données, ajustent les paramètres, et appliquent des seuils pour déterminer les traitements.

Les mêmes principes s’appliquent aux modèles d’IA plus complexes, comme les LLM. Ces modèles peuvent être « pilotés » pour refléter des valeurs spécifiques, mais cette flexibilité pose la question de savoir qui définit ces valeurs. Est-ce le patient, le médecin, la société ? Les grandes entreprises technologiques qui développent ces IA jouent également un rôle crucial dans la manière dont ces valeurs sont encodées.

Vers une IA éthique et au service de l’humain

L’IA a le potentiel de révolutionner le secteur médical et chirurgical, mais cela ne pourra se faire qu’à condition d’assurer une intégration respectueuse des valeurs humaines et d’instaurer des réglementations claires et robustes. À chaque étape du processus de création et d’utilisation des systèmes d’IA, des valeurs éthiques doivent être prises en compte. Les professionnels de santé, les chercheurs et les régulateurs ont un rôle fondamental à jouer pour veiller à ce que l’IA serve à améliorer les soins tout en respectant les principes d’humanité et de justice sociale.

Plutôt que de remplacer les médecins, l’IA devrait les aider à prendre des décisions plus éclairées, à mieux comprendre les besoins des patients, et à améliorer les résultats de santé. Il est impératif de rappeler que, même dans un monde de plus en plus automatisé, la réflexion, la responsabilité et l’empathie des êtres humains resteront irremplaçables.