L’intelligence artificielle s’implante dans le secteur de la santé à une vitesse plus de deux fois supérieure à celle de l’économie américaine dans son ensemble, mais la plupart des initiatives se soldent par un échec une fois mises en œuvre dans les hôpitaux. Les infrastructures obsolètes et les données incompatibles compromettent l’efficacité des modèles prometteurs, illustrant un décalage entre les promesses et la réalité.
Une étude récente de l’initiative NANDA du MIT révèle que 95 % des projets pilotes d’IA en entreprise ne génèrent pas de retour sur investissement mesurable. Le problème ne réside pas dans les algorithmes eux-mêmes, mais dans leur intégration défaillante et leur manque d’alignement avec les processus de travail réels. Cette situation crée une illusion de progrès : chaque année, de nouveaux projets pilotes, tableaux de bord et interfaces voient le jour, sans pour autant transformer les pratiques cliniques.
Les hôpitaux se retrouvent ainsi avec une multitude de solutions isolées, qui ne résolvent qu’une infime partie du problème (environ 5 %) tout en augmentant considérablement la dette d’intégration (20 %). Ce cycle épuise les budgets et la patience, tandis que les investisseurs se réjouissent des démonstrations de produits, les médecins continuent de faire face à des flux de travail inefficaces.
Ce phénomène peut être qualifié d’« inflation de l’IA ». L’attention se concentre souvent sur l’algorithme, alors que la difficulté majeure réside dans l’intégration. Il est essentiel de disposer de logiciels capables d’interpréter des formats de laboratoire hétérogènes, de concilier les systèmes de codage médical et de fonctionner avec des normes telles que HL7 ou FHIR. Négliger cet aspect revient à construire un moteur performant sans roues.
Les hôpitaux se retrouvent alors avec des dizaines d’outils déconnectés, incapables de communiquer entre eux, ce qui génère davantage de frictions au lieu de les réduire. La clé du succès réside dans une approche axée sur les données, et non sur la démonstration. Les systèmes évolutifs doivent tenir compte de la réalité du terrain : rapports unidimensionnels, fichiers hérités non conformes aux normes, enregistrements à moitié numérisés.
Cette approche, bien que fastidieuse, permet de déterminer si un projet restera un simple projet pilote ou deviendra une plateforme durable. Les hôpitaux qui progressent sont ceux dont les partenaires acceptent cette réalité dès le départ.
Il est illusoire de penser qu’il sera possible de reconstruire les systèmes informatiques de base des hôpitaux à partir de zéro. La solution réside dans le développement d’un middleware, une technologie qui se situe entre les différents systèmes, traduit et normalise les données, tout en offrant aux médecins et aux patients une vision cohérente. Le secteur financier a déjà résolu un problème similaire en créant des interfaces de paiement qui connectent les systèmes bancaires sans les réécrire complètement. Les soins de santé ont besoin d’une couche de connexion équivalente, capable de masquer la complexité et de faciliter la circulation de l’information.
Une mauvaise intégration a un coût humain important. Les cliniciens sont déjà submergés par la documentation, et les dossiers médicaux électroniques ont transformé de nombreux médecins en simples collecteurs de données. L’ajout d’une intelligence artificielle mal intégrée risque d’alourdir encore leur charge de travail, en multipliant les boîtes de réception, les alertes et la charge cognitive. Alors que le stress professionnel est déjà élevé, et que 83 % des soignants de première ligne de la génération Z signalent un épuisement professionnel, des systèmes mal connectés gaspillent les investissements et aggravent la situation.
Une mise en œuvre réfléchie de l’IA pourrait avoir l’effet inverse : alléger la charge administrative, réduire la saisie de données en double et libérer du temps pour les soins aux patients. La différence entre ces deux scénarios réside entièrement dans l’intégration. Des outils mal connectés favorisent l’épuisement professionnel, tandis que des systèmes bien conçus le réduisent.
La prochaine transformation des soins de santé ne viendra pas d’algorithmes cherchant à remplacer les médecins, mais d’une infrastructure connectant leurs outils. Ceci est d’autant plus crucial que l’IA est de plus en plus critiquée pour sa capacité à déqualifier les professionnels de santé, comme l’ont révélé des études récentes montrant une diminution des compétences diagnostiques des médecins après une forte assistance de l’IA. La véritable valeur ne réside donc pas dans l’invention de nouveaux modèles, mais dans la capacité à rendre ceux qui existent déjà utilisables dans des environnements cliniques réels, en investissant dans des couches de traduction, des normes ouvertes et une responsabilité partagée entre les fournisseurs et les établissements de santé.
Tant que cela ne sera pas le cas, les hôpitaux continueront de lancer des projets pilotes prometteurs sur le papier, mais voués à l’échec dans la pratique. Le « moment Stripe » du secteur ne viendra que lorsqu’un acteur se concentrera sur la résolution des problèmes complexes de normalisation et d’interopérabilité, considérant cela comme la plomberie essentielle au bon fonctionnement de l’ensemble du système. L’intégration ne révolutionne peut-être pas à elle seule, mais elle constitue le fondement sur lequel reposera toute véritable révolution dans le domaine des technologies de santé.