Le développement rapide de IA en santé interroge désormais l’ensemble des professionnels. Autant médecins, pharmaciens, infirmiers, biologistes, manipulateurs radio, etc. L’IA intervient déjà dans le diagnostic, la recherche de médicaments ou la personnalisation des traitements. La question n’est donc plus de savoir si l’IA va transformer les pratiques, mais comment elle va redéfinir les rôles des personnels de santé et la relation au patient.
Globalement, les données disponibles montrent que l’IA excelle dans certaines tâches ciblées, répétitives et fondées sur l’analyse de données massives. En revanche, la prise en charge globale, l’éthique, l’empathie et la coordination des soins restent au cœur des missions humaines. Les scénarios les plus crédibles parlent d’une complémentarité soignants–IA plutôt que d’un remplacement généralisé.
Diagnostic médical : l’IA peut‑elle dépasser les professionnels ?
Dans plusieurs domaines, des systèmes d’IA atteignent déjà des performances comparables, voire supérieures, à celles de spécialistes. Spécifiquement sur des tâches très précises. Par exemple, des réseaux de neurones profonds classent des lésions cutanées bénignes ou malignes avec une précision similaire à celle de dermatologues expérimentés, en s’appuyant sur des milliers d’images annotées (Esteva et al., 2017). Dans l’imagerie thoracique, d’autres travaux montrent que certains algorithmes détectent des anomalies sur des radiographies avec une sensibilité proche de celle de radiologues entraînés (Rajpurkar et al., 2018).
Ces systèmes reposent sur des algorithmes d’apprentissage automatique, en particulier le deep learning, capables de repérer des motifs subtils dans de grands volumes de données cliniques, biologiques ou d’imagerie. Dans ce cadre, l’IA joue le rôle d’« assistant augmenté » : elle signale des anomalies, hiérarchise les dossiers urgents et propose des hypothèses diagnostiques. Le professionnel de santé confirme ou infirme ensuite ces pistes. Pour un médecin généraliste, un radiologue ou un biologiste médical, ces outils peuvent réduire la charge de travail. Celle qui est répétitive et afin améliorer la détection précoce de certaines pathologies. Ils ne remplacent toutefois pas le raisonnement clinique global, qui intègre le contexte, les comorbidités, l’histoire du patient et ses préférences.
Recherche et médicaments : comment l’IA accélère‑t‑elle l’innovation ?
L’IA ne se limite pas au diagnostic : elle transforme également la recherche biomédicale et pharmaceutique. Dans le développement de médicaments, des modèles génératifs peuvent proposer de nouvelles structures moléculaires, prédire leurs propriétés pharmacologiques et filtrer très tôt les candidats les moins prometteurs. Cette approche réduit le nombre de molécules à tester en laboratoire et peut raccourcir certaines étapes de la découverte de médicaments.
Pour les équipes de R&D, mais aussi pour les pharmaciens hospitaliers, les cliniciens chercheurs ou les attachés de recherche clinique, l’IA devient un outil pour analyser plus vite les données d’essais cliniques, repérer des signaux d’efficacité ou d’effets indésirables et optimiser les protocoles. Elle ne remplace pas l’expertise réglementaire, l’évaluation clinique ni la vigilance pharmaceutique, mais elle peut les rendre plus réactives et plus ciblées.
Personnalisation des soins : vers une médecine de plus en plus fine
L’une des évolutions majeures concerne la personnalisation des parcours de soins. En croisant l’historique médical, les données de laboratoire, l’imagerie, mais aussi certaines données de vie réelle, l’IA peut aider les équipes soignantes à adapter les traitements à chaque patient. Cette médecine dite « de précision » ou « ultra‑personnalisée » vise à sélectionner le bon traitement, à la bonne dose, pour la bonne personne, au bon moment.
Concrètement, des modèles prédictifs peuvent estimer la probabilité de réponse à un médicament donné, le risque d’effets indésirables graves, ou la probabilité de réhospitalisation. Les médecins, infirmiers, pharmaciens ou diététiciens peuvent utiliser ces informations pour ajuster un plan de soins, proposer un suivi plus rapproché à certains patients ou repérer ceux qui risquent de décrocher d’un traitement. L’IA n’agit alors pas seule : elle fournit un éclairage supplémentaire à une équipe interprofessionnelle qui reste décisionnaire.
L’IA va‑t‑elle remplacer les personnels de santé ?
L’idée d’une « remplacement » pur et simple des soignants par des machines ne correspond pas à la réalité des besoins. Mais aussi, ni aux recommandations des grandes instances internationales. Les rapports de référence (OMS) sur l’éthique et la gouvernance de l’IA en santé, insistent sur le fait que ces systèmes doivent renforcer les systèmes de soins. Et non se substituer aux professionnels.
Dans la pratique :
- L’IA peut automatiser des tâches techniques répétitives (tri de résultats, pré‑lecture d’examens, rappels de suivi), ce qui libère du temps pour l’examen clinique, l’éducation thérapeutique et la coordination.
- Les médecins, pharmaciens, infirmiers ou psychologues restent indispensables pour écouter, expliquer, co‑décider et accompagner le patient dans la durée.
- La décision thérapeutique implique souvent des arbitrages éthiques, sociaux et personnels que l’IA ne peut pas assumer seule.
Il est donc plus pertinent de parler de transformation des métiers : montée en compétences numériques, capacité à interpréter les résultats d’IA, travail en équipe et redéfinition du temps consacré au patient.
Enjeux éthiques et responsabilités : un défi collectif
L’intégration de l’IA en santé soulève plusieurs questions éthiques majeures. D’abord, celle de la responsabilité : en cas d’erreur diagnostique ou thérapeutique liée à une recommandation algorithmique, qui est responsable ? Le concepteur du système, l’établissement de santé, le professionnel qui a suivi l’avis, ou plusieurs acteurs à la fois ? Les cadres réglementaires évoluent, mais ils restent encore en construction dans de nombreux pays.
La protection des données de santé constitue un autre enjeu central. Les systèmes d’IA nécessitent d’énormes volumes de données pour apprendre et s’améliorer. Il devient donc essentiel de garantir la confidentialité, la sécurité des infrastructures, la transparence sur l’usage des données. Et, lorsque c’est nécessaire, le consentement éclairé des patients. Les textes récents insistent sur la nécessité de limiter les biais algorithmiques, pour éviter de renforcer des inégalités de santé déjà existantes.
Enfin, la confiance des patients repose sur la présence active des professionnels de santé dans la conception, le déploiement et la supervision de ces outils. Les soignants ont un rôle clé pour expliquer ce que fait – et ce que ne fait pas – l’IA. Et pour rester garants d’un usage prudent, proportionné et centré sur la personne
Sources
- Topol EJ. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books, 2019.
- Organisation Mondiale de la Santé. Ethics and governance of artificial intelligence for health. OMS, 2021.
- Esteva A et al. Dermatologist‑level classification of skin cancer with deep neural networks. Nature. 2017;542(7639):115‑118.
- Rajpurkar P et al. Deep Learning for Chest Radiograph Diagnosis. PLoS Medicine. 2018;15(11):e1002686.
