En santé, une IA précise ne suffit pas à prouver son utilité
Une perspective publiée dans le numéro de novembre du JAMIA invite à mesurer les effets sur les patients et l’organisation des soins, pas seulement la performance technique. C’est une proposition méthodologique, pas un essai clinique.
Prêt à lire l’article.
Dans cet article
Le numéro de novembre du Journal of the American Medical Informatics Association met en avant une question simple : mesure-t-on ce qui compte vraiment lorsque l’on évalue une intelligence artificielle en santé ? Trois chercheurs proposent de déplacer l’attention des seuls scores techniques vers les résultats pour les patients et le fonctionnement réel des services. Leur texte est une perspective argumentée, pas une expérience démontrant l’efficacité ou l’échec d’un produit particulier.
Le piège du score isolé
Un logiciel peut reconnaître correctement une anomalie sur des images soigneusement sélectionnées et rencontrer davantage de difficultés avec des appareils, des populations ou des pratiques différentes. Même lorsqu’il conserve sa précision, il peut arriver trop tard dans le parcours de soins ou multiplier des alertes que les équipes n’ont pas le temps de vérifier.
Les auteurs, rattachés notamment à la Washington University School of Medicine et à Premier Health, constatent que les preuves de valeur en situation réelle restent inégales. Ils ne rejettent pas les tests techniques : ils les jugent nécessaires mais insuffisants. La publication apparaît dans le volume 33, numéro 11, daté du 1er novembre ; elle avait été mise en ligne le 8 septembre.
Mesurer le système complet
Le cadre proposé demande d’observer des résultats cliniques et opérationnels. Clinique signifie, par exemple, le délai avant un traitement approprié, les complications ou la santé du patient. Opérationnel concerne le temps de travail, les files d’attente, les reprises et la capacité du service à intégrer l’outil sans désorganiser les soins.
Prenons un assistant qui prépare des comptes rendus. S’il réduit le temps de saisie de dix minutes mais oblige le médecin à consacrer douze minutes à corriger les erreurs, le gain affiché par la vitesse de génération disparaît. À l’inverse, un outil imparfait peut rester utile s’il signale clairement ses limites et aide à repérer plus tôt une situation urgente. L’évaluation doit donc correspondre à la décision réelle qu’il influence.
Qui choisit les critères ?
Les auteurs recommandent une gouvernance associant plusieurs parties prenantes. Les professionnels connaissent le flux de travail ; les patients peuvent décrire les effets sur la compréhension et la confiance ; les responsables informatiques examinent la sécurité ; les autorités fixent les obligations. Le fournisseur ne devrait pas être seul à définir la réussite de son produit.
Cette pluralité ne supprime pas les désaccords. Un hôpital peut chercher à réduire les coûts quand les soignants veulent d’abord diminuer la charge administrative. Rendre les objectifs publics permet au moins de voir quel intérêt a été privilégié.
Une leçon utile pour les systèmes aux moyens limités
Dans un établissement disposant de peu de personnel ou d’une connexion instable, le même outil peut produire un effet différent. Il faut compter la formation, la maintenance, les interruptions, les appareils nécessaires et la possibilité de revenir à une procédure manuelle. Une évaluation menée dans un grand hôpital américain ne peut pas être transposée automatiquement à Abidjan, Bamako ou Lilongwe.
Notre analyse : la meilleure question n’est pas « quelle IA a le score le plus élevé ? », mais « quel problème de soins voulons-nous résoudre, et comment saurons-nous si la situation s’améliore sans créer un autre risque ? ». Cette méthode protège aussi les budgets : elle permet d’arrêter un pilote qui ne produit pas les résultats attendus.
Ce que l’article ne démontre pas
Le texte oppose deux manières de penser l’évaluation et propose des infrastructures, des standards de résultat et des incitations mieux alignées. Il ne s’agit pas d’une revue systématique de tous les outils ni d’un essai randomisé. Ses recommandations devront elles-mêmes être éprouvées dans différents systèmes de santé.
Sources
- PubMed — résumé, auteurs et référence bibliographique, numéro du 1er novembre 2026
- Journal of the American Medical Informatics Association — article et historique de publication
- Organisation mondiale de la santé — cadre de preuve pour les technologies numériques en santé
Sources consultées le 1er novembre 2026. Le statut de « perspective » et la mise en ligne initiale du 8 septembre sont explicitement signalés.