Dans le cadre des « Conversations éclairées » du Laboratoire de la République, Brice Couturier recevra Jean-Michel Blanquer pour un échange autour de son nouvel ouvrage « La démocratie et la fureur » publié aux éditions Plon. Et si Tocqueville revenait en Amérique pour juger notre avenir démocratique ? En faisant parler un Tocqueville ressuscité, confronté à l’Amérique de Donald Trump, le président du Laboratoire de la République et l’ancien ministre de l’Éducation nationale décrypte les dérives des démocraties modernes, de la « spectaclocratie » à l’« autocratie ». Un essai qui fait écho à la vision du Laboratoire : penser la République du XXIe siècle, son bien commun, ses institutions et la responsabilité des citoyens face à la désagrégation du lien républicain. L’échange sera suivi d’un moment de convivialité, avec un cocktail et une séance de dédicaces. Informations pratiques :🗓️ Mardi 27 octobre 2026🕖 19h00📍 Maison de l’Amérique latine, 217 boulevard Saint-Germain, 75007 Paris. S'inscrire

Octobre Rose est là. Alors, pour ce mardi de l’innovation, parlons de santé des femmes. Et parlons d’une innovation qui pourrait transformer profondément la manière dont nous dépistons demain le cancer du sein : l’intelligence artificielle appliquée à la mammographie. L’IA en radiologie n’est évidemment pas nouvelle. Depuis plusieurs années, les publications se multiplient pour montrer que des algorithmes peuvent identifier sur une image des anomalies parfois difficiles à détecter par l’œil humain. Mais il existe une différence fondamentale entre montrer qu’un algorithme fonctionne rétrospectivement sur une banque d’images et démontrer qu’il améliore réellement un programme de dépistage lorsqu’on l’utilise chez des dizaines de milliers de femmes. C’est précisément ce qui rend particulièrement intéressante l’étude suédoise MASAI (Mammography Screening with Artificial Intelligence) dont de nouveaux résultats avaient été publiés en janvier 2026 dans The Lancet. Et quelques mois plus tard (avril 2026), Eric Topol lui consacrait dans le même journal un éditorial au titre qui ne laisse guère de doute sur son interprétation : « Mammography should include artificial intelligence support ».  Alors, que montrent réellement ces résultats ? Jusqu’à présent, une grande partie des travaux consacrés à l’IA en mammographie reposait sur des études rétrospectives ou observationnelles. MASAI est différent. Il s’agit d’un essai randomisé en population réelle, intégré au programme suédois de dépistage du cancer du sein. Entre avril 2021 et décembre 2022, 105 934 femmes ont été randomisées. Dans un groupe, les mammographies étaient interprétées selon le système traditionnel : double lecture par deux radiologues. Dans l’autre, le dépistage était assisté par une IA. L’algorithme utilisé, Transpara, analyse les mammographies et attribue un score de risque allant de 1 à 10. Il signale également au radiologue les zones de l’image qu’il considère comme suspectes. Les mammographies à risque moins élevé pouvaient ainsi faire l’objet d’une seule lecture humaine, tandis que celles considérées comme les plus à risque bénéficiaient d’une double lecture. L’IA fournissait également une aide à la détection au radiologue. C’est une distinction importante : l’étude ne compare pas le radiologue à la machine. Elle compare deux organisations : deux radiologues d’un côté, une organisation associant radiologue et intelligence artificielle de l’autre. Et c’est probablement ainsi qu’il faut envisager l’avenir de l’IA en médecine. Les premières analyses de MASAI avaient déjà produit un résultat particulièrement marquant. Dans le groupe bénéficiant de l’IA, 338 cancers ont été détectés lors du dépistage, contre 262 dans le groupe contrôle, soit une augmentation de 29 % de la détection des cancers. Mais ce chiffre n’aurait qu’un intérêt limité si l’IA obtenait ce résultat en multipliant les alertes, les examens complémentaires et les faux positifs. Or ce n’est pas ce qui a été observé. La spécificité est pratiquement identique dans les deux groupes : 98,5 % avec IA contre 98,5 % sans IA.  Et surtout, les cancers supplémentaires détectés n’étaient pas simplement des anomalies insignifiantes. L’augmentation concernait principalement de petites tumeurs invasives, sans atteinte ganglionnaire. Les auteurs avaient également observé davantage de détection de certains sous-types plus agressifs, notamment luminal B, triple négatif et HER2 positif. Autrement dit, l’IA semble permettre de repérer plus tôt une partie des cancers pour lesquels une détection précoce peut être particulièrement importante. Mais la vraie question arrive deux ans plus tard. Détecter davantage de cancers lors d’une mammographie est intéressant. Mais cela ne suffit pas. Car il existe un problème particulièrement important dans tous les programmes de dépistage : celui des cancers d’intervalle. Ce sont les cancers diagnostiqués entre deux campagnes de dépistage, après une mammographie qui ne les avait pas détectés. Ils constituent un indicateur important de la performance d’un programme de dépistage et sont généralement associés à des caractéristiques moins favorables que les cancers détectés lors du screening. C’est précisément l’objet de la publication de 2026. Après au moins deux années de suivi, les chercheurs retrouvent 82 cancers d’intervalle parmi 53 043 femmes dans le groupe IA, contre 93 parmi 52 872 femmes dans le groupe contrôle. Soit respectivement 1,55 contre 1,76 cancer d’intervalle pour 1 000 femmes dépistées. Cela correspond numériquement à 12 % de cancers d’intervalle en moins dans le groupe utilisant l’IA.  Mais attention à ne pas surinterpréter ce chiffre. L’étude était conçue pour démontrer la non-infériorité de l’approche assistée par IA sur ce critère et non sa supériorité. La différence observée ne permet donc pas d’affirmer statistiquement que l’IA réduit de 12 % les cancers d’intervalle. C’est un signal favorable, pas encore une démonstration de supériorité. En revanche, un autre résultat est beaucoup plus net : la sensibilité du dépistage passe de 73,8 % sans IA à 80,5 % avec IA. La différence est statistiquement significative. Et simultanément, la spécificité reste identique à 98,5 %. Pour les cancers invasifs, la différence est également notable : 70,9 % de sensibilité sans IA contre 78,3 % avec IA.  C’est probablement l’un des résultats les plus importants de l’étude. L’IA permet ici d’augmenter la probabilité de détecter un cancer présent sans dégrader la capacité du dépistage à reconnaître correctement les femmes qui n’ont pas de cancer. Il est également intéressant de regarder quels cancers apparaissent ensuite entre deux dépistages. Parmi les cancers d’intervalle, les chercheurs observent numériquement dans le groupe IA 16 % de cancers invasifs en moins, 21 % de tumeurs T2+ en moins et 27 % de cancers non-luminal A en moins. Enfin, une femme présentait des métastases au moment du diagnostic dans le groupe IA, contre cinq dans le groupe contrôle.  Là encore, prudence : ces différences sont descriptives. L’essai n’avait pas la puissance statistique nécessaire pour démontrer une supériorité sur chacun de ces critères. Mais elles posent une hypothèse passionnante : l’IA ne permettrait peut-être pas seulement de trouver davantage de cancers. Elle pourrait permettre de trouver plus tôt certains cancers qui auraient autrement été diagnostiqués quelques mois plus tard, parfois à un stade plus avancé. Et c’est évidemment cette hypothèse qu’il faudra maintenant confirmer. Une deuxième révolution, moins spectaculaire mais peut-être tout aussi importante, concerne le temps médical. L’utilisation de l’IA a permis de réduire de 44,2 % le nombre de lectures de mammographies nécessaires : 61 248 lectures dans le groupe assisté par IA contre 109 692 avec le système traditionnel de double lecture.  On obtient donc simultanément 29 % de cancers détectés en plus, une sensibilité significativement améliorée, une spécificité inchangée et une réduction de 44 % de la charge de lecture. Dans des systèmes de santé confrontés à une raréfaction du temps médical et à des difficultés de démographie dans certaines spécialités, c’est une dimension majeure de l’innovation. Et cela permet de sortir du débat caricatural : « L’intelligence artificielle va-t-elle remplacer le radiologue ? » = ce n’est pas ce que montre MASAI. La question devient plutôt : comment l’intelligence artificielle peut-elle permettre au radiologue de consacrer davantage de son temps aux situations où son expertise est réellement nécessaire ? Dans son éditorial du Lancet, Eric Topol va encore beaucoup plus loin. Il considère que l’accumulation des résultats devient suffisamment convaincante pour envisager une évolution du standard de dépistage.  Mais ce qui est surtout intéressant dans son texte est qu’il ne limite pas l’IA à la détection d’un cancer sur une mammographie. Il imagine que demain, une même mammographie pourrait fournir trois types d’informations différentes. La première est celle dont nous venons de parler : détecter un cancer déjà présent. La deuxième change profondément la logique du dépistage : identifier, parmi les femmes dont la mammographie est normale aujourd’hui, celles qui présentent néanmoins un risque élevé de développer un cancer dans les années suivantes. Et la troisième est encore plus surprenante : utiliser la mammographie pour recueillir des informations sur le risque cardiovasculaire. Le schéma proposé par Topol résume parfaitement cette évolution : une seule mammographie, trois usages possibles : détection du cancer, prédiction du risque futur de cancer et analyse des calcifications artérielles mammaires comme marqueur potentiel du risque cardiovasculaire.  Topol cite notamment Clairity Breast, un algorithme ayant obtenu une autorisation de novo de la FDA américaine en 2025. L’algorithme a été développé à partir d’environ 420 000 mammographies provenant de 27 établissements aux États-Unis, en Europe et en Amérique du Sud. Une femme réalise sa mammographie. Aucune tumeur n’est détectée. Aujourd’hui, nous lui disons essentiellement : « Votre mammographie est normale. » Demain, l’analyse par IA pourrait ajouter : « Elle est normale aujourd’hui, mais certaines caractéristiques de votre mammographie indiquent que votre risque de développer un cancer du sein dans les cinq prochaines années est plus élevé. » Cette information pourrait permettre d’adapter le parcours de prévention : surveillance plus rapprochée ou recours, selon le niveau de risque, à d’autres modalités d’imagerie comme l’IRM, l’échographie ou la mammographie 3D. Nous passerions alors progressivement d’un dépistage organisé principalement selon l’âge à un dépistage davantage personnalisé selon le risque individuel. C’est un changement beaucoup plus profond que la simple automatisation de la lecture des mammographies. Et si la mammographie pouvait aussi nous renseigner sur le cœur ? C’est probablement l’aspect le plus inattendu de l’éditorial de Topol. Certaines mammographies montrent des calcifications des artères mammaires. Topol cite l’algorithme CureMetrix, autorisé par la FDA, qui peut exploiter cette information. Ces calcifications ont été associées au risque d’événements cardiovasculaires majeurs dans les années suivantes.  La mammographie pourrait donc devenir un exemple de ce que Topol appelle l’«opportunistic screening ». Une image réalisée pour une raison (rechercher un cancer du sein) fournirait, grâce à l’IA, une information supplémentaire concernant une autre maladie. Et ce point est particulièrement intéressant lorsqu’on parle de santé des femmes, car nous avons longtemps résumé la prévention féminine aux cancers gynécologiques et au cancer du sein, alors que les maladies cardiovasculaires représentent également un enjeu majeur chez les femmes. Imaginez donc le potentiel : un seul examen, réalisé dans le cadre du dépistage du cancer du sein, pourrait demain contribuer à évaluer simultanément le risque oncologique actuel, le risque oncologique futur et une partie du risque cardiovasculaire. C’est une vision radicalement différente de la prévention. Ces résultats sont impressionnants. Mais il ne faut pas transformer une avancée importante en promesse excessive. MASAI a été réalisé en Suède, dans quatre sites de dépistage, avec une organisation particulière, des radiologues expérimentés, un système de mammographie et un algorithme déterminé. Les résultats ne peuvent donc pas être automatiquement transposés à tous les systèmes de dépistage. Nous ne savons pas encore si l’amélioration observée se maintiendra au fil de plusieurs cycles de dépistage. Nous ne savons pas encore si elle entraînera à terme une diminution de la mortalité par cancer du sein. Il faudra également surveiller le risque de surdiagnostic, notamment pour certaines lésions in situ et certaines tumeurs peu agressives. Les auteurs de MASAI abordent eux-mêmes cette question. Et enfin, une question essentielle reste ouverte : le rapport coût-efficacité. L’analyse médico-économique de MASAI doit faire l’objet d’une publication spécifique car une innovation n’a véritablement de sens pour un système de santé que si elle améliore la santé des patients dans des conditions économiques permettant son déploiement à grande échelle. Alors, que retenir en ce début d’Octobre Rose ? Peut-être ceci : pendant des décennies, la mammographie nous a permis de voir plus tôt un cancer du sein. L’intelligence artificielle pourrait aujourd’hui nous permettre d’en tirer beaucoup plus d’informations. Voir davantage de cancers. Les voir potentiellement plus tôt. Identifier les femmes à risque avant même qu’un cancer ne soit visible. Et peut-être utiliser la même image pour obtenir des informations sur leur risque cardiovasculaire. Nous sommes donc peut-être en train de passer d’une mammographie de dépistage à une mammographie de prévention personnalisée. Et c’est là, à mon sens, que se trouve la véritable révolution : pas dans une compétition entre l’homme et la machine mais dans la possibilité de combiner l’expertise du médecin, la puissance de l’algorithme et les données que nous produisons déjà pour intervenir plus tôt. La France dispose d’un programme national de dépistage organisé du cancer du sein. Ces résultats posent donc désormais une question très concrète : faut-il expérimenter à grande échelle l’intelligence artificielle dans le dépistage organisé du cancer du sein en France ? Octobre Rose nous rappelle chaque année l’importance du dépistage. L’innovation peut désormais nous permettre de poser une question supplémentaire : comment faire de ce dépistage un véritable outil de prévention personnalisée en santé des femmes ? Parce que la médecine de demain ne consistera pas seulement à mieux traiter les maladies : elle devra aussi apprendre à les voir venir. David Smadja est professeur d’hématologie à l’AP-HP et à l’Université Paris Cité, responsable de la Commission Santé du Laboratoire de la République. Il est l’auteur de « La République de la prévention » aux éditions LEH. Léa Behr est CEO de RespublicIA et membre de la Commission Santé du Laboratoire de la République. Rendez-vous mardi 13 octobre pour la prochaine note « Les mardis de l’innovation en santé » Références : Gommers J, Hernström V, Josefsson V, et al. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, p Topol EJ. Mammography should include artificial intelligence support. The Lancet. 2026;407:1415. 

La crise de l’action publique française ne tient pas seulement au manque de moyens ou aux difficultés politiques. Elle tient aussi à l’organisation même de la décision. Au fil des réformes de décentralisation, les responsabilités se sont enchevêtrées entre État, régions, départements, communes, intercommunalités et opérateurs. Une même politique peut ainsi dépendre de plusieurs niveaux de décision, sans qu’aucun ne dispose véritablement de l’ensemble des leviers nécessaires pour agir. L’étude rappelle que le coût de cet enchevêtrement a été évalué par la mission Ravignon à au moins 6 milliards d’euros par an pour les collectivités et 1,5 milliard pour l’État.  Pour caractériser cette situation, Benjamin Morel mobilise la notion de « vetocratie », forgée par le politiste Francis Fukuyama : un système dans lequel le pouvoir s’exerce moins par la capacité de décider que par celle d’empêcher la décision. Dans l’organisation territoriale française, cette logique prend trois formes principales : le veto de compétence, lorsqu’un échelon peut opposer à un autre les limites de son domaine d’intervention ; le veto de procédure, lorsque toute décision suppose une succession d’accords et de négociations ; et le veto de financement, lorsque celui qui fixe l’objectif n’est pas celui qui dispose ou assume les moyens de sa réalisation.  L’énergie ou la mise en œuvre du « zéro artificialisation nette » illustrent cette difficulté. Plusieurs documents et niveaux de collectivités interviennent successivement, avec pour conséquence de multiplier les possibilités de retard, de contestation ou de dérogation. La responsabilité politique devient alors difficile à identifier : chacun possède une partie de la décision, mais personne n’en répond pleinement.  Face à cette situation, deux réponses sont régulièrement avancées : la différenciation territoriale et le fédéralisme. L’auteur considère pourtant qu’elles risquent d’aggraver le problème. La première transforme la dérogation en mode ordinaire de gouvernement : une politique nationale peut être rediscutée ou adaptée territoire par territoire. Le fédéralisme, de son côté, tend à sanctuariser des blocs de compétences alors même que les grandes politiques contemporaines (transition écologique, logement, énergie, mobilités...) sont par nature transversales. Dans les deux cas, la capacité d’empêcher risque de l’emporter sur la capacité d’agir.  Benjamin Morel propose donc de changer de logique en faisant de la subsidiarité le principe directeur de la décentralisation. Contrairement à la différenciation, qui intervient a posteriori pour déterminer qui peut déroger à une règle, la subsidiarité pose la question en amont : qui doit agir, à quel niveau, avec quels moyens et sous quel contrôle ? Elle consiste à confier la décision au niveau capable de l’exercer utilement et à réserver au niveau supérieur ce qui ne peut être efficacement accompli en dessous. Elle peut donc conduire aussi bien à décentraliser davantage certaines décisions qu’à en faire remonter d’autres.  À partir de ce principe, l’étude dessine une nouvelle architecture territoriale autour de quatre fonctions : initier, coordonner, outiller et trancher. Il s’agirait d’abord de réhabiliter la clause générale de compétence pour les départements et les régions afin de restaurer leur capacité d’initiative. Ensuite, pour chaque grande politique publique, la loi désignerait un chef de file chargé d’organiser la coordination entre les différents acteurs.  Mais la liberté d’agir ne peut être réelle sans moyens. L’auteur propose donc que la loi nationale se concentre davantage sur la définition des objectifs et des garanties d’égalité, tandis que les modalités d’exécution relèveraient davantage du niveau local. Cette autonomie devrait s’accompagner de ressources fiscales, d’une péréquation renforcée et d’un « État ressource », capable d’apporter ingénierie et expertise aux collectivités qui en disposent le moins.  Enfin, la subsidiarité suppose un arbitre. Benjamin Morel propose une clause d’intérêt national supérieur, placée sous le contrôle du juge, permettant à l’État d’intervenir lorsque sont en jeu un engagement européen ou international, la cohérence d’une politique systémique, la garantie d’un droit fondamental ou d’une continuité essentielle, ou encore la prévention d’une rupture grave d’égalité entre les territoires.  L’enjeu dépasse ainsi la seule réforme administrative. Il s’agit de rétablir une chaîne claire entre décision, moyens et responsabilité démocratique. Ni retour à un État décidant de tout, ni fragmentation du pouvoir entre des territoires disposant chacun de leur domaine réservé : l’étude plaide pour une République décentralisée dans laquelle le pouvoir est attribué au niveau pertinent, mais où celui qui décide dispose effectivement des moyens d’agir et peut répondre de ses résultats devant les citoyens. À l’approche de l’élection présidentielle de 2027, cette question devient, pour Benjamin Morel, une condition de l’efficacité démocratique elle-même : un programme politique, aussi ambitieux soit-il, ne peut produire d’effets si la puissance publique n’est plus en mesure de transformer la décision issue des urnes en action. La subsidiarité est ainsi présentée non comme une nouvelle étape quantitative de la décentralisation, mais comme un principe permettant de rendre à nouveau gouvernable la République décentralisée.  Benjamin Morel est constitutionnaliste, docteur en sciences politiques a l'ENS Paris-Saclay et maitre de conférences à l'université Paris Panthéon-Assas. Il dirige le conseil scientifique de la Fondation Res Publica, occupe le poste de secrétaire général du Laboratoire de la Republique et est membre du comité scientifique de l'Institut Terram. Ses recherches se concentrent principalement sur le fonctionnement du Parlement, les dynamiques des collectivités territoriales et les évolutions du système politique français. Étude subsidiarité contre vetocratieTélécharger