L’intelligence artificielle, souvent présentée comme une révolution fulgurante, repose en réalité sur des décennies de progrès technologiques et un changement culturel profond, selon John Halamka, président de la plateforme Mayo Clinic. Les dirigeants d’hôpitaux ne cherchent pas simplement à adopter l’IA, mais à résoudre des problèmes concrets et à améliorer leurs performances.
Selon M. Halamka, trois facteurs clés ont convergé pour rendre possible l’essor actuel de l’IA : des avancées technologiques significatives, des politiques favorables et une évolution des mentalités. Sur le plan technologique, la baisse des coûts de calcul et l’augmentation quasi illimitée des capacités de stockage ont transformé des expérimentations autrefois complexes en applications courantes. Parallèlement, des coalitions industrielles ont commencé à fournir des recommandations sur l’utilisation, la validation et la sécurisation de l’IA.
Le tournant s’est joué à la fin de l’année 2022, avec l’intégration de l’IA dans les discussions des conseils d’administration et de la direction clinique, entraînant de nouveaux investissements et une accélération des projets. « Le résultat est que les produits sont déployés rapidement, non pas parce que les équipes se précipitent, mais parce qu’une grande partie des fondations a été construite sur des décennies », explique M. Halamka.
Les préoccupations des responsables hospitaliers ne sont pas centrées sur l’IA en elle-même, mais sur sa capacité à répondre à des défis opérationnels majeurs. « Est-ce que l’un d’entre eux me dit qu’il a besoin de l’IA ? Non », affirme-t-il. Ils recherchent plutôt des solutions pour améliorer la précision de la documentation et le remboursement des soins, réduire la charge administrative des cliniciens et étendre l’accès à des expertises spécialisées grâce à des modèles d’augmentation des capacités.
L’écoute ambiante, qui permet d’analyser les conversations en temps réel, est devenue un sujet de discussion majeur. Les établissements qui ne mettent pas en œuvre des systèmes fiables risquent de prendre du retard sur leurs concurrents, qui optimisent déjà la saisie des données et améliorent la qualité des dossiers patients.
M. Halamka insiste sur l’importance d’aligner les initiatives d’IA sur les objectifs stratégiques de chaque établissement de santé, plutôt que de laisser les nouvelles technologies dicter les priorités. Il souligne également la nécessité d’une gouvernance spécifique pour l’IA, tenant compte des particularités des systèmes statistiques utilisés sur des populations diverses.
L’approbation de la FDA (Food and Drug Administration) pour les logiciels considérés comme des dispositifs médicaux est un premier pas, mais elle ne suffit pas. Une validation locale, portant sur la sécurité, l’équité, la pertinence et l’efficacité pour les patients de l’établissement, est essentielle. « Il doit y avoir une certaine validation ou qualification pour votre population locale », précise-t-il.
La gestion du changement est également cruciale. Les médecins doivent être convaincus par des preuves concrètes : gain de temps, amélioration de la qualité des soins ou satisfaction accrue des patients. Il encourage les organisations à adopter une architecture modulaire, permettant de remplacer facilement les composants obsolètes ou sous-performants, et à éviter la dépendance à un seul fournisseur.
Il met en garde contre la prolifération de projets pilotes qui ne sont jamais déployés à grande échelle. Il recommande une approche progressive, en commençant par un département, puis en s’étendant progressivement, tout en conservant la possibilité de revenir en arrière si nécessaire. Des critères clairs d’expansion ou d’arrêt doivent être définis dès le départ.
L’impact clinique de l’IA est déjà visible, notamment dans des domaines tels que l’endoscopie et la radiologie, où les systèmes d’IA aident les médecins à détecter des anomalies subtiles. En oncologie, l’optimisation basée sur des modèles permet d’améliorer la planification de la radiothérapie, en ciblant plus précisément les tumeurs tout en préservant les tissus sains.
Les applications administratives, telles que la gestion du cycle de revenus, la génération de documents et la prévision de la chaîne d’approvisionnement, sont également en train de se déployer rapidement, car elles présentent un profil de risque plus faible et génèrent des bénéfices financiers directs.
Pour réussir, M. Halamka recommande de :
- Lier chaque projet d’IA à un objectif stratégique précis (marge, accès, qualité, expérience).
- Mettre en place un conseil de gouvernance de l’IA responsable de l’admission des projets, de la validation locale, des tests de biais, de la surveillance et de l’arrêt des applications.
- Commencer par des projets administratifs à faible risque, tout en développant les compétences nécessaires pour évaluer les applications cliniques à enjeux plus élevés.
- Privilégier les architectures modulaires et les interfaces ouvertes pour éviter la dépendance à un seul fournisseur.
- Remplacer les projets pilotes par des plans de déploiement progressifs, avec des critères d’expansion et d’arrêt clairement définis.
- Adapter le niveau d’autonomie de l’IA au niveau de risque : automatisation pour les tâches à faible risque, intervention humaine pour les tâches à risque modéré, et interdiction de l’autonomie totale dans les situations où un préjudice est possible.
- Démontrer la valeur de l’IA aux cliniciens en mesurant les gains de temps et d’efficacité.
- Participer à des coalitions industrielles pour partager les meilleures pratiques en matière d’évaluation des risques et de sécurité.
- Surveiller attentivement l’orchestration des agents et privilégier les recommandations à l’action dans les situations cliniques critiques.
- Prévoir un budget pour la surveillance continue et la mise à jour des modèles.
Enfin, M. Halamka rassure : même si l’IA peut parfois sembler opaque, la plupart des algorithmes sont logiques et compréhensibles. « C’est des mathématiques, pas de la magie », conclut-il.