« Nous avons longtemps demandé aux soignants de s’adapter aux logiciels. Il est temps que les logiciels apprennent à mieux s’adapter aux soignants » - Laboratoire de la République

Pour ce nouveau rendez-vous des Mardis de l’Innovation de Demain, nous avons interrogé le Dr Arnaud Hansske, qui vient de rejoindre Softway Medical en tant que Directeur médical. Fort de son expérience du terrain et de sa connaissance des enjeux de transformation du système de santé, il porte une vision exigeante et profondément humaine de l’innovation.

Une vision qui repose sur trois convictions fortes :

Le professionnel de santé avant la technologie : concevoir le numérique à partir des besoins cliniques, du parcours patient et de la réalité quotidienne des soignants.
La preuve avant la promesse : privilégier une innovation évaluée, mesurable, économiquement soutenable et créatrice de valeur réelle en santé.
L’humain avant l’algorithme : faire de la technologie un levier au service du jugement médical, de la responsabilité, de la coopération et de la relation de soin.

Comment passer de l’innovation technologique à l’innovation véritablement utile aux soignants et aux patients ? Comment réconcilier ambition numérique, exigence clinique et valeur en santé ? Autant de questions au cœur de cet entretien, qui nous invite à repenser une évidence : ce n’est pas à la médecine de s’adapter à la technologie, mais à la technologie de servir la médecine.

Qu’est-ce qui vous a conduit à faire du numérique un axe central de votre parcours ?

Je ne suis pas venu au numérique par fascination pour la technologie. J’y suis venu par la médecine, et plus précisément par la conviction que la qualité d’une décision médicale dépend aussi de la qualité de l’information dont dispose le médecin. Mes responsabilités dans l’information médicale m’ont rapidement fait comprendre qu’un établissement de santé était une organisation extraordinairement complexe, dans laquelle l’information constitue un élément essentiel de la qualité, de la sécurité et de la continuité des soins.

A l’occasion de trois changements de Dossier Patient Informatisé (DPI), j’ai découvert que transformer un système d’information hospitalier, ce n’est pas seulement déployer des logiciels. C’est toucher aux organisations, aux métiers, aux relations entre professionnels et parfois même à la culture médicale. Finalement, mon parcours repose sur une conviction assez simple : la technologie n’a de sens que lorsqu’elle améliore la capacité des professionnels à mieux soigner.

Quelle ambition portez-vous en rejoignant Softway Medical comme directeur médical groupe ?

Après avoir passé une grande partie de ma carrière du côté des établissements de santé ou et de leurs fédérations, j’ai souhaité changer de perspective sans changer de conviction. J’ai longtemps été confronté à la distance qui peut exister entre les fonctionnalités imaginées par les éditeurs et les besoins réels des professionnels. Cette distance n’est pas une fatalité. Elle tient souvent à une compréhension insuffisante des organisations hospitalières et des contraintes quotidiennes des soignants. Mon ambition chez Softway Medical est précisément de contribuer à rapprocher ces deux mondes : celui de la médecine et celui de la technologie.

Je souhaite apporter une vision médicale, organisationnelle et stratégique, nourrie par l’expérience du terrain. Il s’agit aussi d’anticiper les transformations à venir, notamment celles liées à l’intelligence artificielle, pour qu’elles ne soient pas simplement ajoutées aux logiciels existants, mais pensées comme de véritables évolutions innovantes des pratiques avec de la création de valeur (qualité, temps gagné, pour les soignants, facilitations…). Je ne viens pas expliquer aux ingénieurs comment développer un logiciel. Je viens contribuer à leur expliquer pourquoi, pour qui et dans quelles conditions il doit et peut être développé.

Comment définissez-vous une innovation utile au système de santé ?

Je me méfie de l’expression “innovation pour l’innovation”. Une technologie peut être spectaculaire sans être réellement utile. Pour moi, une innovation doit répondre à trois questions : quel problème concret résout-elle ? Quelle valeur apporte-t-elle au patient ou au professionnel ? Et cette valeur est-elle suffisamment démontrée pour justifier son coût et sa complexité ? J’ajouterais une quatrième dimension, souvent oubliée : son acceptabilité par les utilisateurs.

Une innovation qui améliore théoriquement la performance mais désorganise le travail quotidien n’est pas nécessairement un progrès. Je défends donc une approche fondée sur la création de valeur en santé, qui intègre les résultats cliniques, l’expérience des patients, les conditions de travail des professionnels et l’efficience économique. Une bonne innovation n’est pas forcément celle dont on parle le plus. C’est celle dont on ne pourrait plus se passer après l’avoir adoptée ou qui a réellement changé une organisation en mieux.

Pouvez-vous raconter une situation dans laquelle un outil numérique a réellement amélioré le travail d’une équipe ou le parcours d’un patient ?

L’un des enseignements majeurs de mon expérience hospitalière concerne la transformation du dossier patient informatisé. Pendant longtemps, nous avons considéré que la réussite d’un projet informatique se mesurait à son déploiement : le logiciel fonctionnait, les utilisateurs étaient formés et les données étaient disponibles. Mais la véritable réussite se situe ailleurs : dans la capacité du système à fluidifier les échanges entre professionnels, à éviter les doubles saisis, à sécuriser les prescriptions et à rendre l’information disponible au bon moment.

J’ai appris qu’un projet ne réussit pas parce qu’il est technologiquement performant. Il réussit parce que les professionnels se l’approprient et parce que l’organisation évolue avec lui. C’est pourquoi je crois profondément à la co-construction avec les équipes médicales et soignantes. Le changement ne se décrète pas depuis une direction informatique, même avec le meilleur logiciel du monde.

Quelle transformation attendez-vous principalement de l’IA en santé ?

Je ne crois pas qu’il faille opposer le temps médical retrouvé, l’amélioration des décisions et la transformation des parcours. Ces trois dimensions sont intimement liées. Mais si je devais choisir une priorité, ce serait de redonner du temps et de la disponibilité intellectuelle aux soignants. Nous avons progressivement transformé les professionnels de santé en producteurs de données. Ils passent une part considérable de leur activité à rechercher, saisir, vérifier ou transmettre des informations.

L’intelligence artificielle pourrait inverser cette logique : faire travailler davantage les données au service des professionnels, plutôt que les professionnels au service des données. À terme, le véritable changement ne sera probablement pas une IA qui réalise quelques tâches plus rapidement, mais un système d’information capable de mieux comprendre les situations cliniques et d’accompagner les parcours en temps réel avec un « cœur IA » qui accompagne chaque étape (voire qui l’anticipe en allant chercher toutes les informations qui permettent de consolider le dossier). La finalité reste en lien avec le terrain et les utilisateurs : permettre au médecin de consacrer davantage d’attention à son patient.

Quels usages de l’IA sont suffisamment solides pour entrer dans la pratique quotidienne ?

Il faut distinguer la maturité technologique de la maturité clinique. Certains usages sont déjà bien documentés, notamment des applications ciblées d’analyse d’images médicales, dans des indications précises, avec des dispositifs évalués et un cadre réglementaire adapté (Mode Deep Learning sur les IA en Imagerie, Explorations fonctionnelles ou Anatomopathologie). D’autres usages, (IA génératives) comme l’aide à la rédaction, la structuration documentaire ou la recherche d’informations dans un dossier, présentent un potentiel opérationnel considérable. Mais leur fiabilité doit être appréciée selon le contexte clinique et les conséquences possibles des erreurs.

Je suis plus prudent concernant les systèmes qui prétendent produire des raisonnements diagnostiques complexes ou proposer des décisions thérapeutiques de manière autonome. La fluidité d’une réponse ne constitue jamais une preuve de sa justesse. Nous devons sortir de la logique de démonstration technologique pour entrer dans une véritable culture de l’évaluation clinique. Une IA impressionnante n’est pas nécessairement une IA médicalement fiable, là où la garantie humaine trouve toute sa justification.

Qu’avez-vous appris des travaux sur la synthèse du dossier patient par IA générative au Groupement des Hôpitaux de l’Institut Catholique de Lille ?

Le besoin initial était très concret : permettre au médecin d’accéder rapidement à l’essentiel d’une histoire médicale parfois dispersée dans des dizaines, voire des centaines de documents. Le dossier patient informatisé est devenu extrêmement riche, mais cette richesse peut paradoxalement rendre l’information difficile à exploiter. L’objectif n’était donc pas simplement de résumer des documents. Il était de faire émerger les informations pertinentes pour une situation clinique donnée : les antécédents, les traitements, les événements récents, les examens déterminants ou les points de vigilance.

Ces travaux m’ont conforté dans une conviction : la difficulté principale n’est pas seulement de produire un texte cohérent. C’est de produire une synthèse médicalement pertinente, fidèle aux sources et adaptée à la question du soignant. Il faut également veiller à ne pas créer une nouvelle forme de dépendance : le médecin doit pouvoir retrouver les informations originales et conserver son jugement critique. Une bonne synthèse ne remplace pas le dossier patient. Elle permet au médecin d’y accéder intelligemment, et quand elle fonctionne moins, les praticiens se signalent (exemple en Gériatrie).

Comment évaluer la fidélité et la pertinence clinique d’une synthèse générée par IA ?

C’est probablement l’une des questions les plus importantes. Une synthèse peut être parfaitement rédigée, agréable à lire, et pourtant médicalement dangereuse parce qu’elle omet une allergie, un antécédent ou une information contradictoire. Je considère qu’il faut évaluer ces outils selon trois dimensions distinctes.

D’abord, la fidélité documentaire : ce qui est écrit correspond-il réellement aux informations du dossier ? Ensuite, la pertinence clinique : les informations retenues sont-elles celles dont le médecin a besoin pour prendre sa décision ? Enfin, le risque associé aux erreurs : toutes les omissions n’ont pas la même gravité. Oublier un élément administratif n’a pas les mêmes conséquences qu’omettre un traitement anticoagulant. L’absence d’info ne signifie pas « pas de problème » : exemple ; « ne fume pas », n’est pas équivalent à aucune mention sur le tabac.

Cela suppose des protocoles d’évaluation impliquant des médecins, des cas cliniques représentatifs et une analyse structurée des erreurs. En médecine, la qualité d’un résumé ne se mesure pas seulement à ce qu’il dit, mais aussi à ce qu’il ne dit pas.

Comment concevoir une IA qui préserve la maîtrise de la décision par les professionnels ?

Je défends une intelligence artificielle explicable dans son usage, traçable dans ses sources et suffisamment transparente sur ses limites. Il ne s’agit pas nécessairement de rendre compréhensible chaque mécanisme mathématique du modèle. Il s’agit de permettre au professionnel de savoir d’où vient une information, à quelle date elle a été produite, quel degré d’incertitude lui est associé et si des données contradictoires existent. Le système doit faciliter le retour à la source, pas enfermer le médecin dans une réponse. Il faut également garder un droit au doute : une IA doit pouvoir indiquer qu’elle ne sait pas, qu’une information manque ou qu’une situation nécessite une vérification humaine. De son côté, le médecin doit rester responsable de son raisonnement clinique, mais l’éditeur a la responsabilité de concevoir un environnement qui permette réellement l’exercice de ce jugement.

L’IA doit augmenter le discernement médical, pas le mettre en sommeil.

Le dossier patient informatisé pourrait-il devenir un véritable outil d’anticipation ?

Je pense que nous sommes à un moment charnière de l’histoire du dossier patient informatisé. Depuis plusieurs décennies, nous construisons des systèmes dont la fonction principale consiste à conserver et restituer des informations. Demain, le dossier patient pourrait devenir un système capable de comprendre une trajectoire de soins, de repérer des incohérences et d’anticiper certains risques.

Imaginons un patient chronique dont le suivi biologique n’a pas été réalisé, une consultation spécialisée oubliée ou une interaction médicamenteuse qui apparaît après une modification thérapeutique. Le système pourrait signaler ces situations de manière contextualisée. Mais cette évolution suppose plusieurs conditions : des données fiables, structurées et interopérables facilement, une connaissance du contexte médical et surtout une maîtrise du risque de multiplication des alertes.

Je crois que nous devons passer du dossier patient qui mémorise, ou numérise le papier au dossier patient qui accompagne, guide, puis qui anticipe. C’est une transformation majeure, qui pourrait redéfinir le rôle des éditeurs de logiciels médicaux.

Jusqu’où confier des actions aux agents d’intelligence artificielle ?

L’arrivée des agents d’intelligence artificielle constitue probablement une rupture plus profonde qu’on ne l’imagine. Jusqu’à présent, nous demandions essentiellement aux logiciels de présenter des informations ou d’exécuter des commandes. Les agents peuvent désormais envisager une succession d’actions pour atteindre un objectif. Dans un établissement de santé, on peut imaginer des agents capables de préparer un dossier de consultation, (c’est souvent une tâche laborieuse et chronophage demandée aux secrétaires ou pire à des soignants) de vérifier la présence d’examens, de proposer une programmation ou de faciliter la coordination d’un parcours.

Je distinguerais toutefois trois niveaux : l’agent qui informe, celui qui propose et celui qui agit. Plus nous avançons vers l’action autonome, plus les exigences de sécurité, de traçabilité et de contrôle doivent augmenter. Une action administrative réversible n’a pas les mêmes conséquences qu’une modification de prescription ou qu’une décision d’orientation médicale. Je suis favorable à une autonomie progressive, proportionnée aux risques, avec des mécanismes explicites de validation humaine car l’autonomisation de la machine ne doit jamais signifier l’abandon de la responsabilité humaine.

Comment démontrer qu’une IA améliore réellement les soins ?

Nous avons parfois tendance à évaluer les innovations numériques comme si elles étaient uniquement des performances informatiques. On mesure la précision d’un algorithme, sa sensibilité, sa spécificité ou sa vitesse de traitement. Ces indicateurs sont indispensables, mais ils ne suffisent pas à démontrer une amélioration des soins. Il faut aller plus loin et mesurer les conséquences réelles de son utilisation : les erreurs évitées, les délais réduits, les décisions améliorées, les hospitalisations potentiellement évitables, mais aussi la charge de travail des professionnels et l’expérience des patients.

Je crois beaucoup à une approche inspirée des principes de la Value-Based Healthcare : la valeur produite doit être appréciée au regard des résultats obtenus pour les patients et des ressources mobilisées. Il faut également accepter qu’une innovation ne produise pas les bénéfices attendus. C’est précisément l’intérêt d’une évaluation indépendante et rigoureuse. Le véritable indicateur de réussite d’une IA médicale n’est pas son intelligence supposée, mais son impact démontré sur la santé.

Comment s’assurer que le temps gagné grâce à l’IA bénéficie réellement aux patients ?

C’est une question fondamentale, et peut-être même une question politique au sens noble du terme. Nous pourrions parfaitement imaginer une intelligence artificielle qui améliore la productivité des établissements sans améliorer les conditions de travail des soignants ni la qualité de la relation avec les patients. Le temps gagné pourrait être immédiatement absorbé par une augmentation de l’activité, de nouvelles obligations administratives ou de nouvelles exigences de reporting.

Je crois donc qu’il faut penser simultanément la transformation technologique et la transformation organisationnelle. Lorsqu’un outil permet de réduire le temps consacré à une tâche, il faut définir collectivement comment ce gain sera utilisé : davantage de temps clinique, une meilleure coordination, une diminution de la charge cognitive ou une amélioration des conditions de travail. La technologie ne décide pas de la destination des gains de productivité. Ce sont les organisations et leurs dirigeants qui le font. L’IA nous fera peut-être gagner du temps. Mais c’est à nous de décider ce que nous voulons faire de ce temps.

Quelle formation proposer aux professionnels de santé ?

Nous devons former les professionnels de santé à l’intelligence artificielle, mais certainement pas avec l’ambition de transformer tous les médecins en informaticiens ou en spécialistes des algorithmes. Il me paraît essentiel qu’ils comprennent les principes de fonctionnement des outils, leurs domaines de validité, leurs limites et les risques liés à leur utilisation. Cela suppose notamment de savoir reconnaître une hallucination, identifier une information insuffisamment documentée, comprendre les biais possibles et conserver une capacité d’analyse indépendante. Mais il faut aussi préserver, et probablement renforcer, certaines compétences proprement médicales : le raisonnement clinique, la sémiologie, l’écoute, la capacité à hiérarchiser les informations et l’aptitude à décider dans l’incertitude.

J’ajouterais une dimension souvent négligée : la formation des dirigeants hospitaliers. L’IA transforme les métiers, les organisations et les responsabilités. Elle ne peut pas être considérée comme un simple sujet informatique. En revenants d’UN Himss aux USA en 2022, où j’avais vu les premiers impacts de l’IA générative, j’ai convaincu le DG dubitatif initialement de former tout le Codir à l’IAG. Ce fut un véritable succès, qui a permis d’enclencher une dynamique positive, portée par des directeurs désormais convaincus par les résultats concrets observés sur le terrain.

Comment partager les responsabilités entre l’éditeur, l’établissement et le professionnel ?

La responsabilité ne peut pas être concentrée sur un seul acteur, et encore moins être reportée systématiquement sur le médecin utilisateur. L’éditeur doit assumer la qualité, la sécurité et la conformité de ce qu’il développe. Il doit documenter les usages prévus, les limites du système, les conditions de fonctionnement et les risques identifiés. L’établissement doit, pour sa part, organiser le déploiement, former les professionnels, définir les conditions d’utilisation et assurer une surveillance des incidents. Enfin, le professionnel conserve une responsabilité propre dans l’exercice de son métier, dans les limites de son rôle et des moyens dont il dispose.

Le cadre européen, notamment le règlement sur les dispositifs médicaux et le règlement sur l’intelligence artificielle, contribue à structurer ces obligations, selon la qualification et les usages des systèmes concernés. Mais au-delà du droit, je crois à une responsabilité partagée, explicite et organisée. On ne peut pas demander à un médecin de faire confiance à une IA si personne n’est capable d’expliquer précisément qui répond de son fonctionnement, on est dans un cadre d’éthique médicale, où le Bien doit être à la base des réflexions ; notamment à travers la Bienveillance, la Non-malfaisance, la Justesse-justice et la Transparence.

Quelle place donner aux patients dans la conception et l’évaluation de ces outils ?

Nous avons longtemps conçu les systèmes d’information de santé pour les professionnels, parfois pour les gestionnaires, mais insuffisamment pour les patients.

C’est une erreur qu’il est aujourd’hui essentiel de corriger. Le patient doit être pleinement associé à la conception des outils numériques en santé, en particulier lorsqu’ils touchent à son parcours de soins, à son information ou aux décisions qui concernent sa santé. Nous disposons pour cela d’une ressource précieuse : les patients experts, dont l’expérience et le regard sont indispensables pour développer des solutions réellement adaptées aux besoins des utilisateurs. Cette démarche a notamment été mise en œuvre à Lille dans le cadre du projet Brain Motion, dédié à la rééducation des patients atteints de sclérose en plaques (SEP). Un exemple concret de ce que peut apporter la co-construction avec les patients à une innovation en santé plus pertinente, plus utile et plus humaine.

Il faut également lui expliquer simplement ce que fait l’intelligence artificielle : contribue-t-elle à organiser son rendez-vous, à analyser une image, à préparer une synthèse ou à assister une décision médicale ? La transparence est indispensable, mais elle ne doit pas se transformer en discours technique incompréhensible. Je crois surtout qu’il est essentiel de préserver la confiance, qui demeure le fondement de la relation de soin. Le patient doit avoir la certitude que la technologie est là pour améliorer sa prise en charge, éclairer les décisions médicales et renforcer la qualité des soins, jamais pour substituer une relation automatisée à la relation humaine. La technologie doit rester à sa juste place : celle d’un outil d’aide à la décision, au service du médecin, qui conserve pleinement son discernement, sa responsabilité et le dernier mot dans la décision médicale.

Cette question me paraît rejoindre une préoccupation philosophique et éthique essentielle : le patient ne doit jamais devenir un simple objet de traitement algorithmique. Il demeure une personne, avec son histoire, ses préférences, ses émotions et son autonomie, c’est la base de la relation et du colloque singulier médical.

Comment faire circuler les informations entre l’hôpital, la ville, la biologie et l’imagerie ?

L’interopérabilité est un sujet ancien, mais elle demeure l’une des conditions fondamentales de la transformation numérique en santé. Nous avons construit des systèmes souvent performants à l’intérieur de leurs propres périmètres, mais qui communiquent encore imparfaitement entre eux même si les EAI ont bien fait avancer les choses. Or, un patient ne vit pas dans un logiciel. Il circule entre la médecine de ville, l’hôpital, les laboratoires, les centres d’imagerie et les structures médico-sociales.

Les standards comme HL7, FHIR, DICOM ou les terminologies médicales communes constituent des leviers essentiels. Mais l’interopérabilité ne se réduit pas à la capacité technique de transmettre un message. Il faut aussi que les informations soient comprises de la même manière, qu’elles soient pertinentes, actualisées et accessibles aux professionnels autorisés. Je crois à une approche dans laquelle les éditeurs doivent pouvoir se différencier par la qualité de leurs services, et non par leur capacité à enfermer les données dans des environnements propriétaires : la donnée de santé doit suivre le parcours du patient, et non les frontières des logiciels.

Quelles garanties attendez-vous en matière de souveraineté numérique ?

La souveraineté numérique est devenue un enjeu stratégique pour notre système de santé, mais je crois qu’il faut dépasser les slogans. La question n’est pas seulement de savoir où sont hébergées les données. Il faut aussi examiner qui contrôle les infrastructures, quelles législations peuvent s’appliquer, comment les données sont utilisées et dans quelle mesure nous dépendons de fournisseurs technologiques.

Avec l’intelligence artificielle, de nouvelles questions apparaissent : les données de santé servent-elles à entraîner les modèles ? D’où viennent-ils ? Pouvons-nous changer de fournisseur ? Sommes-nous capables d’auditer les traitements et de garantir leur confidentialité ? Je pense qu’une souveraineté pragmatique, fondée sur des garanties vérifiables : maîtrise des données, conformité réglementaire, sécurité, réversibilité, transparence contractuelle et limitation des dépendances critiques doit être l’objectif de tous. Il ne s’agit pas de refuser les innovations internationales, mais de conserver notre liberté de choix : la souveraineté ne consiste pas à tout produire soi-même. Elle consiste à ne pas perdre la maîtrise de ce dont on dépend.

Comment faire bénéficier les petits établissements des mêmes avancées que les grandes structures ?

C’est un sujet qui me tient particulièrement à cœur, car je connais les contraintes des établissements de santé qui ne disposent ni des moyens financiers ni des équipes techniques des grands centres hospitaliers universitaires. Je me souviens avec été interne dans ces hôpitaux qui déjà disposaient de peu de moyens.

Nous devons éviter que l’intelligence artificielle ne crée une nouvelle fracture numérique entre établissements : ceux qui pourraient se l’offrir et les autres. La mutualisation constitue une première réponse : plateformes partagées, services industrialisés, référentiels communs et évaluations collectives. Les éditeurs jouent également un rôle majeur. Ils peuvent rendre accessibles des innovations complexes en les intégrant directement dans les logiciels utilisés quotidiennement par les professionnels. Il faut enfin réfléchir aux modèles économiques. Une innovation qui exige des investissements considérables en infrastructure, en compétences et en maintenance restera inaccessible à de nombreux établissements.

Je suis convaincu que la démocratisation de l’IA en santé passera moins par la multiplication de projets expérimentaux isolés que par l’intégration progressive de fonctionnalités éprouvées dans les outils existants.

L’IA peut-elle aider notre système à intervenir plus tôt, avant la maladie ou ses complications ? Autrement dit l’IA peut être nous aider à faire une vraie politique de prévention ?

Notre système de santé reste très largement organisé autour de la prise en charge de la maladie déclarée, alors qu’une partie de ses enjeux futurs réside dans la prévention et l’anticipation. Les parcours de soins seraient un bon axe de démarrage dans ce cadre. L’intelligence artificielle pourrait contribuer à accompagner cette logique en identifiant plus précocement certains risques, à partir d’informations cliniques, biologiques et longitudinales tout au long su suivi notamment des pathologies chroniques.

Je pense notamment aux maladies chroniques, comme le diabète, l’insuffisance cardiaque, respiratoire, ou les maladies rénales ou inflammatoires, pour lesquelles une rupture de suivi ou une évolution biologique défavorable peut précéder une complication. Tout ceci est tout à fait possible si on accepte de lancer l’ide de forfaits de suivis pilotés par l’IA et des structures habituées à suivre les parcours patients (Mutuelles par exemple).

Dans la santé des jeunes, comment articuler numérique, éducation et accompagnement humain ?

Les jeunes générations grandissent dans un environnement où l’information médicale est immédiatement accessible, mais où sa qualité est extrêmement variable. Avec l’intelligence artificielle générative qu’ils connaissent déjà très bien, cette situation prend une dimension nouvelle. Il devient possible d’obtenir une réponse instantanée, personnalisée et convaincante à presque toutes les questions de santé. C’est une opportunité pédagogique considérable, mais aussi un risque si cette réponse est prise pour une vérité médicale.

Je crois que nous devons développer une véritable éducation à l’information de santé, qui associe connaissances scientifiques, compréhension des outils numériques et apprentissage de l’esprit critique. L’IA pourrait devenir un accompagnateur pédagogique intéressant, à condition d’être adaptée à l’âge, aux besoins et à la vulnérabilité des jeunes, et de préserver la place des parents, des enseignants et des professionnels de santé. Mais attention : l’éducation ne consiste pas simplement à transmettre des réponses, mais à développer la capacité de jugement. Une IA utile à la santé des jeunes devrait les rendre progressivement plus autonomes, et non plus dépendants de ses réponses.

Quel modèle de financement permettrait de soutenir les innovations réellement utiles ?

Nous devons probablement faire évoluer notre manière de financer l’innovation numérique en santé. Aujourd’hui, nous raisonnons encore trop souvent en coût d’acquisition, en budget de projet ou en investissement technologique, sans toujours prendre en compte l’ensemble des coûts et des bénéfices. Une innovation doit être évaluée sur son cycle de vie : développement, intégration, formation, conduite du changement, maintenance, cybersécurité, évaluation et évolution. Mais il faut également s’intéresser à la valeur qu’elle produit : amélioration des résultats de santé, diminution des complications, réduction des tâches inutiles, amélioration des conditions de travail et efficience organisationnelle : ROI et création de valeur, pas que financière, mais aussi de QVT, de baisse de pression mentale, de gain de temps…

Je serais favorable à des mécanismes de financement associant une phase d’expérimentation rigoureuse, une évaluation indépendante et un déploiement progressif lorsque les bénéfices sont démontrés. Il faudrait également éviter que chaque établissement finance isolément les mêmes expérimentations. Si je devais demander une évolution prioritaire aux pouvoirs publics, ce serait de mieux articuler financement, évaluation et diffusion des innovations, avec des dispositifs pérennes plutôt qu’une succession d’appels à projets.

Nous devons apprendre à financer non seulement l’innovation, mais aussi la preuve de son utilité et les conditions de son adoption. Le problème n’est pas uniquement de savoir combien coûte une innovation. C’est aussi de savoir combien coûte le fait de ne pas adopter une innovation réellement utile.

Dans dix ans, quel changement vous ferait dire que l’intégration de l’IA en santé a été une réussite ?

Je vais peut-être vous surprendre, mais j’aimerais que, dans dix ans, nous parlions beaucoup moins d’intelligence artificielle dans les hôpitaux. Non pas parce qu’elle aurait disparu, mais parce qu’elle serait devenue une composante naturelle, fiable et discrète de notre environnement de travail.

J’aimerais voir un professionnel de santé qui n’a plus besoin de consacrer une partie importante de son temps avec un patinet à rechercher des informations dans un dossier ou à documenter des tâches administratives. J’aimerais voir un patient qui n’a plus à répéter son histoire médicale à chaque étape de son parcours, et dont les professionnels disposent des informations pertinentes au bon moment. J’aimerais également que les outils puissent contribuer à prévenir certaines complications, faciliter les décisions et améliorer la coordination des soins. Mais surtout, j’aimerais que le temps gagné se traduise par davantage d’écoute, de dialogue et d’attention.

Nous avons parfois présenté le progrès technologique comme une course à la performance. Je crois qu’en médecine, le véritable progrès se mesure aussi à la qualité de la relation humaine. Si, dans dix ans, les patients ont le sentiment d’être mieux écoutés et les soignants celui de pouvoir mieux exercer leur métier, alors nous pourrons dire que l’intelligence artificielle a véritablement réussi son entrée dans le système de santé.

Pour terminer, je pose toujours a nos invités cette même dernière question : y a-t-il un livre qui changé votre regard sur la médecine, la technologie ou l’action collective ?

Je citerais La Peste, d’Albert Camus.

Ce n’est évidemment pas un ouvrage consacré à l’intelligence artificielle ou aux technologies médicales. Mais c’est un livre qui nous interroge profondément sur la médecine, la responsabilité individuelle et l’action collective. Ce qui me touche particulièrement dans le personnage du docteur Rieux, c’est sa manière d’agir. Il ne prétend pas posséder toutes les réponses, il ne recherche pas l’héroïsme et il ne s’abrite pas derrière de grandes certitudes. Il fait simplement ce qu’il considère comme son devoir, avec lucidité et persévérance. Je retrouve dans cette attitude quelque chose d’essentiel pour notre époque. Face à l’intelligence artificielle, nous pouvons être tentés par deux attitudes excessives : la fascination pour une technologie qui résoudrait tous nos problèmes, ou la peur d’une technologie qui menacerait notre humanité.

Je crois qu’il faut choisir une troisième voie, celle de la responsabilité, de l’action éclairée et du discernement. Camus nous rappelle aussi que l’action collective est indispensable face à des problèmes qui dépassent les individus. C’est une conviction qui a accompagné ma vie professionnelle : aucune transformation importante d’un établissement de santé ne peut réussir durablement sans intelligence collective, sans confiance et sans engagement des équipes. Finalement, la question essentielle n’est peut-être pas de savoir jusqu’où ira l’intelligence artificielle, mais ce que nous choisirons collectivement d’en faire.

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 27 octobre pour la prochaine note

« Les mardis de l’innovation en santé »

Le diagnostic d’un cancer commence souvent loin du patient, devant une lame de microscope. Aujourd’hui, cette étape décisive est en pleine révolution. Grâce à la numérisation et à l’intelligence artificielle, les pathologistes disposent d’outils capables de repérer des anomalies, d’accélérer les analyses et même de prédire l’évolution de certaines tumeurs. Mais jusqu’où peut-on déléguer à la machine ? Dans cet entretien, le Pr Cécile Badoual, cheffe du département de biologie et pathologie médicales de Gustave Roussy, explique comment l’IA transforme déjà sa discipline, sans remettre en cause ce qui reste au cœur de la médecine : le jugement clinique, le doute et la responsabilité du médecin.

Entretien avec le Pr Cécile Badoual, cheffe du département de biologie et pathologie médicales de Gustave Roussy L’anatomopathologie occupe une place décisive et pourtant méconnue dans le parcours de soins en cancérologie : c’est elle qui identifie la maladie sur les prélèvements et détermine la prise en charge qui suivra. Cette discipline connaît aujourd’hui une mutation profonde. La numérisation des lames a ouvert la voie à l’intelligence artificielle, qui trie les prélèvements, repère les anomalies, quantifie, et commence même à générer des informations biologiques qu’il fallait auparavant produire par des analyses chimiques. Le Pr Cécile Badoual observe cette évolution depuis une position privilégiée. Elle dirige un service qui analyse plus de 200 000 lames par an et pilote plusieurs projets de recherche en IA. Sa parole conjugue ainsi l’expérience clinique et la connaissance fine des outils en développement. De cet entretien se dégage une position mesurée, qui reconnaît les apports de la technologie sans en ignorer les limites. L’IA fait gagner un temps considérable et pourrait améliorer l’accès au diagnostic dans les territoires qui manquent de spécialistes. Mais elle soulève des questions que la discipline commence seulement à affronter : celle de la responsabilité, lorsqu’un médecin s’en remet à la machine au point de renoncer à examiner certaines lames ; celle de la transmission, lorsqu’il s’agit de former de jeunes praticiens à l’exercice du doute alors que l’outil fournit d’emblée une réponse. L’enjeu, tel que le formule le Pr Badoual, n’est pas de choisir entre l’humain et la machine, mais de tirer parti de l’un sans renoncer à ce qui fonde l’autre : le regard clinique, et la capacité de douter. RepèresLe Pr Cécile Badoual est médecin pathologiste et cheffe du département de biologie et pathologie médicales de Gustave Roussy, premier centre de lutte contre le cancer en Europe. Professeure des universités de classe exceptionnelle à l’Université Paris Cité, elle y est titulaire d’une chaire d’intelligence artificielle au sein de l’institut Prairie. Spécialiste du papillomavirus et de ses liens avec le cancer, elle dirige un département qui analyse plus de 200 000 lames par an et pilote plusieurs projets de recherche en IA, dont MOSAIC et PortrAIt. Trois familles d’algorithmes au service du diagnostic Professeur Cécile Badoual, vous dirigez un département qui analyse plus de 200 000 lames par an et vous pilotez les projets de recherche en IA MOSAIC et PortrAIt. Pouvez-vous nous dire ce que sont ces deux projets ? Il s’agit de deux projets inscrits dans des consortiums distincts. Le premier, PortrAIt, s’appuie sur un consortium national qui réunit des entreprises privées ainsi que des laboratoires privés et publics. L’hôpital Gustave Roussy y participe, dans le cadre du programme France 2030 porté par la BPI. Son objectif est de développer trois types d’algorithmes. Le premier relève de la détection : lorsqu’on examine un cancer au microscope, on cherche à repérer les cellules anormales et l’on observe, par exemple, la présence de mitoses, c’est-à-dire de cellules en train de se multiplier. Identifier ces mitoses fait partie des tâches que l’on confie aux algorithmes. Le deuxième type rassemble des outils capables de proposer un diagnostic à partir des lames, ce support que l’on examinait autrefois au microscope et que l’on lit désormais sous forme numérique. Le troisième, enfin, regroupe des outils prédictifs, qui anticipent l’évolution d’une tumeur. C’est à cette troisième famille qu’appartient Relapse Risk, un algorithme développé au sein de PortrAIt avec la cheffe de service d’anatomopathologie, la docteure Magali Lacroix-Triki, très investie dans ce travail. Il évalue le risque de récidive d’un cancer du sein à cinq ans : la valeur ajoutée est considérable. Ces projets bénéficient de l’engagement du directeur de la recherche, le Pr Fabrice André, sans qui rien de tout cela ne serait possible. Le second projet, MOSAIC, est de nature différente : c’est un consortium international, porté par la société Owkin, qui a constitué une banque de données de transcriptomique, c’est-à-dire l’étude de l’expression des gènes par diverses techniques. Là, l’IA sert à interpréter ces données. Des outils en sont attendus, mais c’est surtout PortrAIt qui repose sur le développement d’algorithmes de détection. Quand une biopsie arrive au laboratoire Revenons à quelque chose de simple. Quand une biopsie arrive chez vous, une lame, que se passe-t-il concrètement, et qu’est-ce que l’IA change ? Tout le monde ne le sait pas, mais lorsqu’un patient est opéré, ou qu’on lui fait une biopsie, ce sont mes confrères et consœurs pathologistes qui examinent les prélèvements. Cela peut être un petit fragment prélevé sur la peau, ou un organe entier, un demi-poumon par exemple. Ces prélèvements arrivent au laboratoire, où nous les préparons : nous sélectionnons les échantillons à analyser, puis nous les coupons en tranches extrêmement fines que nous déposons sur des lames de verre. Comme un tissu est presque transparent, il faut le colorer pour en révéler les structures : j’utilise pour cela une coloration appelée HE, l’hématéine-éosine. C’est cette lame colorée que nous examinons au microscope, et c’est elle qui permet de poser le diagnostic. Voilà pourquoi, quand on dit « on attend les résultats », on attend en réalité ceux du pathologiste, qui a besoin de ce temps de préparation et d’analyse avant de se prononcer. Poser le diagnostic ne suffit pas toujours. Une fois la maladie identifiée, nous menons d’autres investigations à la recherche de ce qu’on appelle des biomarqueurs, c’est-à-dire l’expression de certaines protéines ou de certains récepteurs dans la tumeur. C’est une étape fondamentale, car ce sont ces marqueurs qui orienteront le traitement : ce sont eux qui diront si la tumeur répondra ou non à telle thérapie. Traditionnellement, tout cela se fait sur des lames, au microscope. Mais depuis plusieurs années, à Gustave Roussy, nous avons la chance d’être entièrement numérisés : chaque lame passe d’abord dans un scanner qui la transforme en image. J’ai d’ailleurs, en plus de mon microscope, trois écrans devant moi où les lames s’affichent. Et à partir du moment où le prélèvement devient une image numérique, on peut le traiter comme une donnée informatique. C’est là qu’interviennent les algorithmes qui nous aident à établir le diagnostic. Le pathologiste augmenté : la machine propose, le médecin décide Concrètement, comment l’IA intervient-elle dans l’analyse d’une lame, et où s’arrête son rôle ? Il faut d’abord mesurer à quel point l’organisation des laboratoires a changé. Rien n’est possible sans la numérisation : il a fallu investir dans des scanners pour digitaliser les lames, dans le câblage, dans toute une infrastructure informatique. C’est le préalable, car l’IA ne fonctionne que sur une lame devenue image. Une fois cette base posée, elle intervient de trois façons : elle peut aider à poser le diagnostic, à évaluer la gravité de ce que l’on observe sur le prélèvement, ou à formuler des prédictions sur l’évolution de la maladie. C’est là que je rejoins ce que je disais des biomarqueurs : l’IA vient compléter, parfois même remplacer, les informations qu’ils nous donnaient, et nous aide ainsi à anticiper l’évolution d’une tumeur. J’aime résumer cela d’une formule : le pathologiste augmenté. L’IA propose, mais la décision reste humaine. Réglementairement, un diagnostic est posé par un médecin, en l’occurrence un pathologiste, et c’est lui qui en porte la responsabilité. Il faut vraiment insister là-dessus. Vous avez sans doute interrogé des radiologues : c’est exactement la même chose, l’IA formule des propositions d’interprétation, rien de plus. C’est le premier point. Le second est plus délicat. Quand l’IA ne se contente plus de décrire la lame mais se met à prédire la réponse à un traitement, le pathologiste n’est plus détenteur de cette vérité-là : elle sort de la machine. Il reste garant de la qualité du prélèvement et de son analyse, mais la fiabilité de la prédiction, elle, lui échappe en partie. Cela pose une vraie question, encore ouverte : qui est responsable de ces outils pronostiques ? Et plus largement, comment informer le patient, et comment indiquer clairement, dans le compte rendu, ce qui relève du médecin et ce qui a été généré par l’IA ? L’IA et le médecin sont-ils dans une complémentarité ? Y a-t-il des choses que l’œil humain voit et que l’IA, elle, ne verra pas ? Oui, et je l’explique souvent ainsi : j’ai un disque dur qui s’appelle mon cerveau, et qui a intégré des millions et des millions d’images au fil de ma carrière. C’est ce qui fait la différence. Prenez une IA entraînée à reconnaître le cancer : face à une lame, elle cherchera le cancer, et rien d’autre. Si, à la place, il y a une lésion de tuberculose, elle ne la verra pas, elle n’est pas faite pour ça. Moi, je la reconnais, parce que je sais à quoi ressemble une tuberculose. Sur une même lame, il y a une multitude d’informations qui débordent largement ce sur quoi l’IA a été entraînée, et c’est le médecin qui les capte. Je ne dis pas que ce sera toujours le cas, je dis que nous n’y sommes pas encore. Beaucoup de lésions sont rares, et nous découvrons chaque jour de nouvelles choses. C’est pourquoi je ne crois pas à la disparition des médecins. En revanche, et c’est passionnant, l’IA nous fait voir ce que nous ne regardions pas. Elle attire notre attention sur des détails que nous négligions. C’est vrai de tout objet de recherche : il y a quantité de choses que l’on croise chaque jour sans les voir, et le jour où une étude leur donne un sens, on se met à les observer, et l’on découvre parfois du nouveau. Donc oui, le pathologiste a tout intérêt à confier à l’IA les tâches sans valeur intellectuelle. Mais au-delà de ce gain de temps, ce qu’elle ouvre, c’est un champ d’exploration et de recherche que je trouve fantastique. Est-ce qu’un jour, une fois les algorithmes très entraînés et les machines éprouvées, on pourra se passer de médecin, ou qu’une IA prenne seule en charge un patient ? Je ne le crois pas. Il y aura toujours un patient et un soignant. Cessons d’imaginer que les malades n’ont pas besoin de voir des humains : au contraire, il est indispensable de replacer le lien au centre. Et ce lien, ce ne sont ni des agents conversationnels ni des robots qui le créeront. C’est un élément reconnu de la guérison et de la prise en charge. Je discutais récemment avec un clinicien qui me confiait une chose éclairante. Avec l’accord du patient, depuis qu’une IA se charge de recueillir les données attendues (le poids, la tension, tout ce qui est mesurable) il se sent beaucoup plus attentif au reste : au non-dit, au non-verbal, à ce moment singulier qu’est une consultation. Là où il était auparavant accaparé par la collecte d’informations, il s’ouvre désormais à ce qui ne se mesure pas. On pourrait imaginer un jour une caméra qui capte même cela, mais nous n’y sommes pas, et, très sincèrement, en tant qu’humaine, je ne suis pas sûre que ce soit souhaitable. Il y a, dans notre rapport à l’autre, une part d’humanité qui doit le rester. En routine ou en recherche ? L’état réel du déploiement Aujourd’hui, ces outils sont-ils utilisés en routine pour les patients, ou surtout en recherche ? Quel serait le ratio ? Il faut d’abord rappeler une condition préalable : pour utiliser un algorithme sur de vrais patients, il doit avoir obtenu un marquage CE, la certification européenne qui atteste de sa fiabilité. De plus en plus d’IA l’obtiennent, et parmi elles des IA françaises, ce qui est une bonne nouvelle. Elles commencent donc à entrer dans la routine. À Gustave Roussy, notre numérisation complète est récente, mais nous avons développé nos propres outils « maison », aujourd’hui intégrés à notre pratique et solidement validés par la recherche. Nous avons d’ailleurs été retenus pour un appel à projets de la BPI, précisément destiné à intégrer une IA en mesurant son intérêt médico-économique. Car c’est une vraie question : ces outils ont un coût, et il faut démontrer que le bénéfice le justifie. Cela suppose aussi de valider ce qu’on appelle le workflow, un mot un peu galvaudé, mais qui désigne simplement la façon dont on réorganise tout le circuit du diagnostic pour qu’il profite au patient. Pour vous répondre clairement : oui, certaines IA sont déjà entrées dans le quotidien de certains laboratoires. Mais beaucoup d’autres restent au stade de la recherche, et c’est même le cas de la majorité. Nous les évaluons actuellement à travers ce qu’on appelle des « études de vraie vie », c’est-à-dire des tests menés sur un grand nombre de patients réels, pour mesurer leur efficacité avant de les déployer. Ce qui fait réussir l’intégration de l’IA à l’hôpital Vous parliez de la numérisation de Gustave Roussy. Selon vous, qu’est-ce qui favorise une intégration réussie de l’IA dans les pratiques quotidiennes ? La numérisation est le point de départ obligé : sans elle, pas d’IA. Sur ce terrain, la France partait très en retard, et elle est aujourd’hui plutôt en avance. Je tiens à le souligner : l’État a massivement investi pour les hôpitaux publics, avec un soutien très fort des agences régionales de santé. À cela s’est ajouté l’engagement de la direction de Gustave Roussy, comme dans d’autres établissements du territoire. Et pour réussir, nous avons eu la chance de partenaires solides et prêts. Mais l’essentiel, au fond, n’est pas technique : c’est une conduite du changement. Car le microscope, c’est tout un symbole. Quand on imagine un pathologiste, on le voit toujours l’œil à l’oculaire. Passer à l’écran, c’est un vrai bouleversement des habitudes, et nous en avons d’ailleurs mesuré l’impact dans une étude menée avec l’un de nos internes. Un tel changement n’est jamais simple au début : il y a des ratés, un temps d’acculturation, la difficulté propre à tout nouvel outil. Ce qui a fait la différence, et c’est selon moi la clé, c’est l’accompagnement. Nous avons suivi le projet chaque semaine, avec des objectifs clairs et avec tout le monde autour de la même table : les techniciens, les secrétaires, les ingénieurs, les médecins. Chacun a pu exprimer ses réticences, et toute la chaîne, de l’arrivée du prélèvement jusqu’au compte rendu, a été repensée ensemble. Nous avons même demandé à être accompagnés spécifiquement, pour anticiper tout ce qui pouvait bloquer. Enfin, nous avons une chance particulière en France : la pathologie y est une petite communauté, et donc très solidaire. Nous avons pu échanger, à l’échelle nationale comme régionale, avec des collègues qui s’étaient numérisés avant nous. Ils avaient essuyé les plâtres, et ils nous ont dit comment avancer. Pour le bien commun. La numérisation, une chance pour les territoires Cette technologie est-elle déployable rapidement dans des territoires qui ne sont pas un grand centre hospitalier parisien, sachant que ce sont peut-être ceux qui en auraient le plus besoin, avec moins de pathologistes ? C’est un vrai sujet, et il faut le voir comme une chance. Car investir dans la numérisation là où il n’y a pas de pathologistes peut vraiment changer la donne. Rappelons les chiffres : nous sommes 2,3 pathologistes pour 100 000 habitants, ce qui place la France parmi les pays européens les moins bien dotés. Et notre charge est énorme : 80 % de notre activité concerne les cancers, et 15 % de la population a eu, ou vit avec, une histoire de cancer. C’est une sollicitation permanente, car même la bonne nouvelle, celle des guérisons de plus en plus nombreuses, implique un suivi et une surveillance dans la durée. Notre rôle est donc central : nous repérons les cellules avant qu’elles ne deviennent cancéreuses, nous identifions les lésions avant qu’elles ne se transforment en cancers, nous évaluons la gravité d’une tumeur, nous vérifions l’absence de récidive. Et pour tout cela, nous ne sommes que 1 500 en France. C’est très peu. C’est justement là que le numérique offre une solution, sans même qu’il faille toujours une IA, qui coûte cher. L’idée est de s’organiser autrement. Un hôpital de taille modeste peut très bien réaliser sur place la première étape, celle de la macroscopie : recevoir le prélèvement et le préparer correctement. Puis, plutôt que de manquer d’un spécialiste sur place, il numérise la lame et l’envoie à un pathologiste plus expérimenté, ou à un centre où les compétences sont regroupées. Une fois qu’on peut digitaliser, le pathologiste n’a plus besoin d’être physiquement là : il peut lire à distance. Cela ouvre des possibilités considérables. L’Institut National du Cancer (INCa) soutient d’ailleurs des plateformes dédiées, notamment pour les pathologies rares, où l’on dépose les lames numérisées et où l’on peut échanger avec des collègues à travers toute la France, parfois au-delà, sans bouger de son bureau. C’est un vrai changement, en matière de mobilité comme d’accès aux soins. Cela dit, il ne faut pas se raconter d’histoires. Le nombre de pathologistes restera insuffisant, et l’IA ne comblera pas ce manque à elle seule, ni du jour au lendemain. Mais une fois qu’elle sera pleinement intégrée à la routine et validée, au moins dans les centres de recours, elle nous fera gagner un temps précieux sur certaines tâches et certaines analyses. Du côté du patient : gagner du temps, préserver le lien Comment percevez-vous l’arrivée de l’IA du côté du patient, qui est porteuse de beaucoup d’espoir ? Que diriez-vous à une personne atteinte d’un cancer, sur ce que l’IA peut faire, et ce qu’elle ne peut pas ? Si l’on regarde l’ensemble des applications de l’IA en cancérologie, c’est proprement incroyable. Il y a des algorithmes qui prédisent la réponse à un traitement, des agents conversationnels pour le suivi à distance des patients, des outils qui analysent une simple photo de peau pour dire si une lésion est bénigne ou suspecte, dans le cas des mélanomes par exemple. Les possibilités sont immenses. Mais je le dis clairement : il y aura toujours un patient et un soignant. Cessons d’imaginer que les malades peuvent se passer d’un contact humain. Replacer le lien au centre est une nécessité absolue, et ce n’est pas un robot ni un agent conversationnel qui le remplacera. Prenez un exemple qui me paraît vertueux : les mammographies lues en double, par l’IA et par le radiologue. L’IA n’écarte pas le médecin, elle l’aide, en attirant son regard sur une lésion qu’il aurait pu ne pas voir, et en lui laissant le temps de réfléchir. Voilà l’esprit : la machine décharge, l’humain se recentre sur l’essentiel. Et moi, comme pathologiste, je suis franchement ravie de lui confier les tâches ingrates, celles qui sont indispensables mais sans intérêt intellectuel, comme compter les métastases dans un ganglion et en mesurer la taille. C’est nécessaire, c’est fastidieux, autant le déléguer. Ce temps gagné, je le réinvestis dans les vraies questions : comment mieux repérer les lésions, comment affiner nos indices ? Et l’IA en soulève de nouvelles, passionnantes : quand elle se révèle plus performante que nos biomarqueurs habituels, on se demande ce qu’elle a bien pu identifier que nous, nous ne voyions pas. Voilà ce que je dirais à un patient : nous sommes devant un champ de possibilités incroyable, mais il y aura toujours besoin d’humains, de médecins et de soignants. Ce qui la bluffe : le laboratoire virtuel, et ce qui l’interroge À titre personnel, y a-t-il eu un moment où l’IA vous a bluffée ? Le premier apport de l’IA, déjà bluffant, c’est ce qu’elle fait dès l’arrivée des prélèvements au laboratoire : elle trie. Pour un type de prélèvement donné, elle signale d’emblée ceux qui sont probablement cancéreux, ce qui permet de les examiner en priorité. « Là, il y a certainement un cancer, regarde-le en premier » : cela existe déjà, et c’est précieux. Ce qui m’interroge, en revanche, je l’ai compris lors d’une discussion avec une amie, cheffe de service dans un hôpital européen. Elle me disait : chez nous, on utilise l’IA pour trier les lésions du côlon, les polypes par exemple. Si elle nous indique qu’un prélèvement n’est pas tumoral, on ne le regarde même plus. Le gain de temps est énorme, car on sait que 80 % de ces prélèvements, réalisés presque systématiquement lors des endoscopies, sont en réalité parfaitement normaux. La question surgit aussitôt : et si l’IA se trompe ? Mais au fond, nous nous trompons aussi. L’important, c’est de concentrer notre attention là où il y a un doute ou une lésion certaine. On en est arrivé là, en toute conscience et par nécessité. Voilà ce qui me fascine et m’interroge à la fois sur nos responsabilités. Car en cas d’erreur, la responsabilité restera toujours celle du médecin qui aura dit : j’ai fait confiance à l’IA, et j’ai choisi de ne pas regarder cette lame parce que le contexte clinique n’était pas inquiétant. C’est un vrai sujet. Mais ce qui me bluffe le plus est en train d’arriver. Prenez une lame ordinaire, avec la coloration que nous utilisons chaque jour, l’hématéine-éosine, à laquelle on ajoute le safran en France, cette coloration toute simple que certains ont peut-être expérimentée enfant avec de petits colorants. Vous la passez sous une IA, et elle vous restitue le marquage des biomarqueurs, sans qu’il ait fallu réaliser les techniques habituelles, longues et coûteuses : immunohistochimie, immunofluorescence, PCR, hybridations in situ. Autrement dit, la lame se transforme en laboratoire virtuel : elle vous livre des informations que, normalement, seule la chimie pouvait produire. Et certaines IA vont encore plus loin : elles reconnaissent chaque type de cellule présent sur la lame, les lymphocytes, les macrophages, les cellules tumorales, les comptent, et en dressent une cartographie complète, sans aucune intervention humaine. Cela, ajouté à la prédiction de l’évolution d’une tumeur, je trouve ça tout simplement bluffant. Former le pathologiste de demain Comment fera-t-on quand les jeunes générations auront cette aide dès le départ, alors que les générations qui n’ont pas connu l’IA se sont construit des réflexes et une pensée autonomes ? Et c’est d’autant plus important en santé, où il s’agit de vies humaines. Pour l’instant, nous en sommes surtout à installer ces IA dans les laboratoires, et je ne les utilise pas encore moi-même pour poser mes diagnostics. En revanche, dans le cadre d’une thèse de médecine et du travail d’une ingénieure, nous avons développé notre propre IA, que nous avons fait tester par des médecins, jeunes et moins jeunes. Le résultat est stupéfiant : les plus jeunes deviennent excellents très vite. Mais c’est précisément ce qui m’inquiète. Car tout l’art du médecin repose sur l’apprentissage du doute, et c’est là qu’est la vraie question : comment former le pathologiste de demain, comment le faire grandir pour qu’il devienne un médecin compétent, s’il s’en remet trop tôt à la machine ? Imaginez un jeune à qui l’IA annonce un cancer, alors que lui-même, trois mois plus tôt, aurait affirmé qu’il n’y en avait pas. Le risque, c’est qu’il se dise : « puisqu’elle le dit, je la crois ». Je le formule un peu à la façon d’une provocation, mais c’est révélateur : autrefois on disait « je l’ai vu à la télé », demain ce sera « je l’ai vu à l’IA ». La vraie question est là : comment rester maîtres de ce que nous affirmons ? Conclusion Si vous étiez ministre de la Santé demain, quelle serait votre mesure phare sur l’IA en santé ? Ma priorité irait aux données. Il faut en organiser la production, en structurer le recueil et en encadrer l’usage par une vraie réglementation. Car tout part de là : la donnée, c’est la matière première qui permet à la fois de faire avancer la recherche et de mieux prendre en charge les patients. C’est ce que nous avons de plus précieux. Une IA ne vaut que par les données sur lesquelles elle a été construite ; sans un cadre clair, agile et intelligent pour les collecter et les partager, rien de solide ne peut se faire. Or les chercheurs ont besoin d’avancer vite, dans un monde qui est, il faut le reconnaître, celui de la compétition internationale, tout en garantissant la protection des patients, ce qui est absolument fondamental. C’est un chantier auquel on s’intéresse de plus en plus, et c’est pour moi la mesure la plus importante. Les données de pathologie, l’exploitation de nos prélèvements, sont une richesse considérable : la France les possède, il lui reste à mieux les structurer. Rendez-vous mardi 4 août pour le prochain épisode « Les mardis de l’innovation en santé » 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. Léa Behr est CEO de RespublicIA et membre de la commission Santé du Laboratoire de la République.

Cookie	Durée	Description
cookielawinfo-checkbox-analytics	11 mois	Ce cookie est utilisé pour stocker le consentement de l'utilisateur pour les cookies de la catégorie "Analytics".
cookielawinfo-checkbox-analytiques	11 mois	Ce cookie est utilisé pour stocker le consentement de l'utilisateur pour les cookies de la catégorie "Analytics".
cookielawinfo-checkbox-necessary	11 mois	Ce cookie est utilisé pour stocker le consentement de l'utilisateur pour les cookies de la catégorie "Nécessaire".
display_splash	1 heure	Ce cookie est utilisé pour stocker si l'utilisateur a déjà vu le "Splash Screen". Il ne stocke pas de données personnelles.
viewed_cookie_policy	11 mois	Ce cookie est utilisé pour stocker si l'utilisateur a consenti ou non à l'utilisation de cookies. Il ne stocke pas de données personnelles.