L’arrivée de l’intelligence artificielle dans le secteur de la santé ne se limite pas à une simple mise à jour technologique, mais représente un changement profond dans la prise de décision, la formation des professionnels et l’évaluation des résultats. C’est l’avis de Tiffany Kuebler, directrice médicale de l’informatique clinique au centre médical de l’Université du Maryland – R Adams Cowley Shock Trauma Center, qui plaide pour une approche plus intégrée et centrée sur l’utilisateur.
Selon Mme Kuebler, la division traditionnelle du travail est dépassée à l’ère de l’IA. L’implémentation de ces outils nécessite une collaboration interdisciplinaire, englobant l’analyse du comportement des modèles, l’évaluation des risques cliniques, la communication avec les patients et l’adaptation des flux de travail. Les informaticiens, capables de naviguer entre le jargon clinique et technique, jouent un rôle crucial de lien.
« L’IA est un outil supplémentaire, une composante de votre arsenal, explique-t-elle. Il ne s’agit plus d’une décision purement technologique et elle ne doit pas être traitée comme telle. » La sélection et la supervision de l’IA doivent être une responsabilité partagée entre les équipes cliniques, et non déléguées uniquement aux services d’approvisionnement ou d’infrastructure. « Ces décisions ne doivent pas être dictées par le directeur technique, ni uniquement motivées par des considérations commerciales », insiste-t-elle.
Ce nouveau paradigme impacte également la relation entre les acheteurs et les fournisseurs. Les responsables doivent exiger une transparence totale concernant les données d’entraînement, les tests de biais, les mesures de protection contre les « hallucinations » (génération d’informations incorrectes) et la surveillance des dérives. Les contrats et les processus de gouvernance doivent refléter le potentiel de l’IA à influencer les pratiques cliniques et la documentation.
L’enjeu ne se limite pas à la mise en œuvre, mais à l’adoption effective de ces outils. Mme Kuebler souligne un écart croissant entre les fonctionnalités déployées et leur utilisation réelle au quotidien. La gouvernance et l’analyse doivent donc se concentrer sur des indicateurs comportementaux : temps passé sur les dossiers patients par rôle, documentation en dehors des heures de travail, taux d’achèvement des flux de travail et variations au niveau des services. Ces données, combinées à des retours qualitatifs, permettent de cibler les optimisations là où elles sont le plus nécessaires.
Pour garantir une adoption durable, l’informatique clinique doit adopter une approche proactive, en mettant en place des programmes d’optimisation structurés et en réévaluant constamment les résultats. Le critère de succès ultime, selon Mme Kuebler, est de savoir si l’outil réduit la charge cognitive ou le temps administratif sans compromettre le jugement clinique. Un échec à cet égard risque un abandon silencieux, minant la confiance et gaspillant des ressources précieuses.
La formation est un élément clé de cette équation. Les cours traditionnels, souvent trop théoriques, peinent à trouver leur place dans le quotidien chargé des professionnels de santé. L’équipe de Mme Kuebler privilégie des modules interactifs et asynchrones, complétés par des rappels spécifiques au rôle. « L’apprentissage doit être actif, engageant, et démontrer une réelle compréhension », explique-t-elle. Elle souligne également l’importance de communiquer sur le « pourquoi » de l’IA, en expliquant les risques de biais, d’hallucinations et de dérive, afin de maintenir la confiance des patients.
Enfin, la gouvernance et la transparence sont essentielles pour garantir la sécurité clinique. Les capacités d’IA, souvent intégrées dans les mises à jour logicielles habituelles, doivent être explicitement prises en compte dans les processus de gouvernance. Les formulaires d’admission devraient exiger des fournisseurs de déclarer l’utilisation de composants d’apprentissage automatique, en fournissant une documentation détaillée sur les sources de données, les méthodes d’évaluation, les protections de la vie privée et les modes de défaillance. L’examen interne doit tenir compte des implications médico-légales, de la communication avec les patients et des responsabilités de surveillance des professionnels de santé.
« Nous devons adopter une évaluation à 360 degrés », conclut Mme Kuebler. « Il y a encore beaucoup d’aspects que les organisations de soins de santé découvrent pour la première fois. »
Les recommandations clés de Tiffany Kuebler :
- Impliquer les informaticiens dans la sélection, l’évaluation de la sécurité, la conception et la mesure des projets pilotes d’IA.
- Privilégier les indicateurs d’adoption et de comportement plutôt que de simples étapes de mise en œuvre.
- Développer des programmes de formation basés sur le micro-apprentissage interactif, les mises à jour spécifiques aux rôles et un soutien accessible.
- Enseigner les connaissances fondamentales sur l’IA (biais, hallucinations, dérive) en plus des compétences techniques.
- Exiger des fournisseurs des informations transparentes sur les données, l’évaluation et le suivi.
- Concevoir des projets pilotes pour recueillir des preuves longitudinales et préserver la flexibilité contractuelle.
- Cibler l’optimisation sur les zones à faible utilisation et réévaluer les résultats.
À lire aussi
