(Article publié le 30 novembre 2023)

Février 2023, aux Etats-Unis. Un candidat un peu spécial tente pour la première fois l’examen de médecine. Il s’appelle ChatGPT… et il échoue de peu. Quelques mois plus tard, un camarade du même type tente sa chance. Med-PaLM – c’est le nom du rejeton de Google – obtient un score de 67,6 %, soit davantage que le minimum requis (60 %). Cette fois c’est officiel : une intelligence artificielle a bel et bien décroché son diplôme de médecine.

Sans doute plus anecdotique (et marketing) qu’autre chose, cette course logicielle à la diplomation médicale révèle toutefois une réalité bien plus sérieuse, qui nous concernera bientôt toutes et tous : la médecine contemporaine se passionne pour l’IA, et les progrès de cette dernière sont rapides. Ce sera un des thèmes abordés à Rouen et à Caen, les 30 novembre, 1er et 2 décembre au MoHo lors de la seconde édition du LibéCare, un forum réunissant médecins, intellectuels et experts pour réfléchir et débattre des modèles de santé d’aujourd’hui et demain.

«A l’hôpital, c’est évident, nous assistons à une forte accélération technologique. Les outils se démocratisent, comme dans l’imagerie, et l’assistance numérique explose, notamment grâce à l’IA», souligne Denis Vivien, professeur de biologie cellulaire et directeur scientifique de l’institut Blood and Brain à Caen (BB@C). «Depuis 2015, on vit un deuxième âge d’or de l’IA en médecine grâce à l’intersection de deux phénomènes : la numérisation croissante des données médicales et l’accès à de nouveaux calculateurs très puissants», rappelle Jean-Emmanuel Bibault, médecin chercheur, spécialiste de l’IA et auteur de 2041, l’odyssée de la médecine (Ed. des Equateurs, 208 pp., 19 euros), présent à Caen ce vendredi 1er décembre (retrouvez le programme ici). De quoi formuler une double promesse, forcément attrayante lorsque appliquée à la santé : «L’IA fera ce que les humains font déjà, mais en beaucoup plus vite ; et fera ce que les humains ne savent pas faire, par exemple prédire.»

Côté rapidité, les effets sont radicaux. En radiothérapie, par exemple, certaines tâches comme le contourage des tumeurs prennent jusqu’à trois heures au spécialiste seul, contre 20 minutes avec l’aide d’une IA. L’une des hypothèses est que ce gain permettrait de réhumaniser les soins. «L’IA, en déchargeant les médecins d’une partie des tâches techniques ou administratives, libère du temps au profit de la relation soignant-patient», estime ainsi Jean-Emmanuel Bibault.

Mais au-delà de la seule vitesse, ce sont bien des soins de meilleure qualité qui sont espérés : «Il y a un consensus très fort parmi les chercheurs et les cliniciens pour dire que l’IA va apporter aux soignants quantité de nouveaux outils pour mieux prendre en charge les patients», confirme Nicolas Revel, directeur général de l’Assistance publique-Hôpitaux de Paris (AP-HP), autre invité de notre forum. «La prévention des maladies, notamment, est un sujet ici très pertinent, illustre Frédéric Jurie, professeur à l’université Caen-Normandie et spécialiste de l’IA. Les méthodes d’apprentissage machine qui sont au cœur des systèmes actuels [comme ChatGPT, ndlr] sont particulièrement adaptées pour construire des modèles mathématiques à partir de données brutes [images, texte, données issues de capteurs, etc.]. Cela ouvre la porte à l’analyse de gros volume de données issues de cohortes de personnes pour trouver, par exemple, quels sont les facteurs liés à des pathologies particulières, comme la maladie d’Alzheimer par exemple.»

Reste un constat, pas des moindres : ces promesses en cascade demandent encore, toutes ou presque, à être confirmées. «L’IA est prête mais encore très peu opérationnelle, témoigne Jean Charlet, chargé de recherche à l’AP-HP et membre du Laboratoire d’informatique médicale et d’ingénierie des connaissances en e-santé (Limics). Si elle est utilisée en routine dans la radiologie, partout ailleurs on est encore largement au stade des preuves de concept.» Le travail s’annonce copieux et sensible. «La clé, c’est de procéder par étapes, en ne cédant ni à une forme de technophilie naïve ni à une défiance de principe, poursuit Nicolas Revel. L’IA est un outil et comme tout outil, c’est l’expérience qui lui permettra de faire ses preuves et dira ses qualités et ses limites.» Il faudra pour cela ne pas céder, non plus, à toutes les sirènes du marché… «A l’hôpital, c’est désormais un défilé, témoigne le praticien Denis Vivien. Les start-up sont toujours plus nombreuses à venir frapper à notre porte avec, sous le bras, de nouveaux algorithmes pour améliorer nos protocoles ou rationaliser nos coûts.»

Pour l’IA, le temps est d’abord venu de la validation, étape prioritaire mais encore en cours en structuration. «Il faut valider les IA avant de les décréter dispositifs médicaux, martèle Jean Charlet. Comme pour les médicaments, les essais cliniques sont impératifs car ils disent si le service rendu est meilleur que ce qui existait déjà.» L’un des grands écueils est ici bien identifié, c’est le piège mortifère des biais. «Un système d’IA mal pensé ou alimenté avec des données biaisées peut faire de gros dégâts», prévient Jean-Emmanuel Bibault, citant l’exemple célèbre d’un algorithme créé à Stanford en 2016 pour le diagnostic des mélanomes : «Entraîné à partir de photos de peaux blanches, il dysfonctionnait dans l’analyse des peaux noires, créant un risque de perte de chance pour une partie des patients.»

Un autre grand chantier est celui de l’intégration de la technologie sur le terrain. «C’est un défi majeur. Il y a notamment un très gros travail à faire sur l’interface homme-machine, détaille Jean Charlet. Sans interface fluide, l’IA louperait sa cible.» Et le chercheur de rappeler l’exemple du dossier médical partagé, «dont l’intégration s’est mal passée car le système, trop compliqué, était dissuasif pour les praticiens». Le développement accéléré des Large language models (LLM), ces outils capables de traiter et générer du langage naturel (NLP), à l’instar de ChatGPT, y contribuera. L’intégration sera cependant réussie si elle est transparente, tempère Nicolas Revel : «D’abord vis-à-vis des patients, auxquels nous devons dire si l’IA intervient et à quel stade de leur prise en charge ; ensuite vis-à-vis des médecins, qui doivent savoir sur quelles bases ils fondent leurs décisions, même quand elles s’appuient sur un algorithme.»

En amont de ce lent enracinement de l’IA dans le quotidien des soins figure aussi, bien sûr, le champ de la recherche. Parmi les enjeux, ici, celui de souveraineté : «Mener nos propres recherches est nécessaire si nous voulons garder le contrôle sur l’IA, ne pas créer des dépendances technologiques extra-européennes, avertit Jean Charlet. La bonne nouvelle, c’est que nous avons en France un vrai savoir-faire.» «L’avenir dépendra ici de trois facteurs clé, ajoute le médecin chercheur Jean-Emmanuel Bibault. Empêcher la fuite des cerveaux, se doter de serveurs français agréés pour le stockage des données de santé, et fluidifier l’accès à ces données.»

Les données de santé, véritable carburant des algorithmes, voilà bien le cœur des débats. «Ces données sont de plus en plus nombreuses et diverses – elles vont des comptes rendus de consultation aux analyses génomiques, en passant par l’imagerie, rappelle Nicolas Revel. Nous en sommes les dépositaires dans le cadre d’une relation de confiance avec les patients eux-mêmes. Etre digne de cette confiance est absolument crucial.» «L’équilibre entre protection et accessibilité est complexe. Il faut bien sûr un cadre réglementaire, mais aussi ne pas freiner l’innovation et le développement, sous peine de perdre notre compétitivité», plaide Jean-Emmanuel Bibault. «Trouver une régulation qui permette d’exploiter ces données sans nourrir et enrichir les Gafam, ni s’exposer à la menace, bien réelle, des rançongiciels, ajoute Jean Charlet. En France, les chercheurs sont un peu plus coincés qu’ailleurs, mais les patients mieux protégés aussi… Veiller sur cet équilibre est in fine une question d’ordre politique.»