L’intelligence artificielle dans la santé, un grand besoin de formation

L’intelligence artificielle (IA) dans la santé peut prendre diverses formes : aide au diagnostic, au développement de médicaments... Dans tous les cas, elle nécessite de nouvelles compétences, explique le professeur Xavier Tannier, chercheur au laboratoire d’informatique médicale et d’ingénierie des connaissances en e-Santé à l’université de Paris, la Sorbonne. « L’IA, de façon générale, c’est essayer de mettre en œuvre des systèmes qui simulent le raisonnement humain, explique-t-il. C’est un terme chapeau, sous lequel il y a différentes disciplines scientifiques, qui ont souvent pour projet d’assister l’intelligence humaine plutôt que de la remplacer par une intelligence artificielle. Prenons le cas du machine learning : c’est un système d’apprentissage, l’une des branches de l’IA. L’idée est de partir de données de santé annotées par des humains. Par exemple, un ensemble d’images avec une indication faite par le médecin : est-ce que telle mammographie indique un cancer, et à quel stade de développement ? Est-ce que le compte rendu médical parle de tumeur métastatique ? Il y a donc ce jeu de données annotées par l’humain, qui a donné la bonne réponse. Le système va apprendre à reproduire cette réponse. S’il arrive à généraliser ce qu’il a appris sur ce jeu de données d’entraînement, il va être capable de l’appliquer à un jeu de données qu’il n’a jamais vu. Cela peut par exemple aider au diagnostic, ou aussi aider au traitement : si des données montrent que des patients avec des profils similaires ont mal réagi à telle ou telle ligne de traitement, cela peut donner des indications sur la thérapie à suivre. »

Mais quelles sont les limites de cette IA ? « Il y a des limites techniques assez importantes, spécifiques aux données de santé, répond le professeur Xavier Tannier. Il faut montrer que l’on peut reproduire un modèle appris à partir des données de tel service ou de tel hôpital pour un autre hôpital, voire un autre pays. C’est notamment compliqué car ce sont des données confidentielles, donc pas faciles à partager. Dans d’autres domaines que la santé, il existe de grands jeux de données qui sont partagées dans le monde, cela va donc beaucoup plus vite. Ça n’est pas le cas ici. Nous avons une réglementation qui est peut-être plus restrictive en Europe, en tant que chercheur je m’arrache les cheveux, mais en tant que citoyen je suis satisfait, c’est un environnement plus sain. Il y a une autre question, celle de l’acceptabilité par les praticiens. Les patients et les médecins n’accepteront telle ou telle aide au diagnostic que s’ils font confiance à cet outil.»

Mais est-ce que la France est bien placée par rapport notamment aux Gafam américains ? Selon le professeur Tannier, « la France et plus largement l’Europe ont une recherche de qualité, avec la possibilité de mettre en œuvre les infrastructures qu’il faut. Il y a peut-être un retard du point de vue technique par rapport aux États-Unis, mais nous avons une carte à jouer. Il faut encourager des parcours multidisciplinaires : il faut former les profils ingénierie et maths informatiques aux enjeux de la santé : pas seulement aux aspects techniques, mais aussi aux questions de données en vie réelle, de réglementation. C’est déjà le cas, mais par rapport aux besoins, on est loin du compte. Toutefois, les choses sont en train d’évoluer, de grands plans sont mis en place. De nouvelles formations et de nouveaux métiers vont émerger, ce sont des profils précieux ».

Marie-Morgane LE MOEL/AFP