IA en santé : comment créer de la valeur au-delà des promesses ?

Dans le cadre du Certificat « Valeur et impact en santé », Rémy Teston, expert de la transformation numérique en santé, anime une journée consacrée à l’intelligence artificielle, au numérique et à la transformation des organisations de santé. 

En trois questions, il revient sur la place croissante de l’intelligence artificielle dans le système de santé, ses impacts sur les métiers et les organisations ainsi que les conditions nécessaires pour transformer les innovations technologiques en usages créateurs de valeur.

Comment l’intelligence artificielle transforme-t-elle aujourd’hui le secteur de la santé et ses modèles de création de valeur ?

[Rémy Teston] L’intelligence artificielle transforme d’abord la santé en changeant la manière dont on exploite l’information. Le secteur produit énormément de données (données cliniques, imagerie, biologie, comptes rendus, données issues des dispositifs médicaux) mais une grande partie de cette information reste difficile à mobiliser au quotidien. L’IA permet de mieux structurer, croiser et interpréter ces données pour assister le diagnostic, personnaliser les prises en charge, accélérer la recherche ou encore automatiser certaines tâches administratives. 

Cela modifie aussi profondément les modèles de création de valeur. La valeur ne réside plus uniquement dans un produit ou un acte médical, mais de plus en plus dans la capacité à améliorer une décision, fluidifier un parcours ou gagner du temps soignant. Les entreprises évoluent ainsi vers des modèles fondés sur le service, l’aide à la décision, la donnée ou la performance mesurable. Mais en santé, la vraie valeur d’une solution d’IA ne se juge pas à sa sophistication technologique : elle se mesure à son utilité clinique, à son adoption par les professionnels et, in fine, à son impact sur la qualité des soins. 

Quels nouveaux enjeux l’IA fait-elle émerger pour les entreprises et les professionnels du secteur ?

[Rémy Teston]  Le premier enjeu est celui de la confiance. En santé, on ne peut pas déployer un algorithme comme n’importe quel outil numérique. Il faut pouvoir comprendre ses performances, connaître ses limites, maîtriser la qualité des données utilisées et clarifier la responsabilité de chacun dans la décision. Les sujets de sécurité, de protection des données, de biais, de transparence et de souveraineté deviennent donc centraux. 

Pour les entreprises, un autre défi consiste à passer de la preuve de concept à l’usage réel. Beaucoup de solutions techniquement prometteuses échouent parce qu’elles s’intègrent mal dans les logiciels existants, les organisations ou le parcours des professionnels. L’interopérabilité, l’évaluation clinique, le modèle économique et la capacité à démontrer un bénéfice concret deviennent aussi importants que la performance de l’algorithme. 

Enfin, l’IA générative fait émerger un enjeu plus organisationnel : elle peut toucher quasiment tous les métiers. Ce n’est donc plus uniquement un sujet de DSI ou d’équipes innovation. Directions médicales, soignants, chercheurs, fonctions administratives ou industrielles doivent désormais réfléchir ensemble à ce qui peut être automatisé, assisté ou repensé. 

Comment les professionnels peuvent-ils s’emparer de ces transformations dans leur activité ? 

[Rémy Teston]  Le plus important est sans doute de partir des problèmes métiers plutôt que de la technologie. Il ne faut pas chercher où mettre de l’IA à tout prix, mais identifier les tâches répétitives, les pertes de temps, les ruptures dans les parcours ou les situations dans lesquelles une meilleure exploitation de l’information pourrait apporter un bénéfice. 

Les professionnels ont également intérêt à développer une culture minimale de l’IA : comprendre ce qu’un système sait faire, mais aussi ce qu’il ne sait pas faire. Cela permet de garder un regard critique sur les résultats produits et d’utiliser ces outils comme des assistants plutôt que comme des substituts à l’expertise humaine. 

Enfin, l’appropriation passe par l’expérimentation. Commencer sur des cas d’usage simples et bien encadrés, mesurer les gains réels, recueillir les retours des utilisateurs puis élargir progressivement. Les transformations les plus durables viendront probablement moins d’une rupture brutale que de milliers de petits changements dans les pratiques quotidiennes. Et les professionnels de santé ont tout intérêt à participer à leur conception : l’IA qui transformera réellement la santé sera celle qui aura été construite avec eux, et non simplement pour eux.