En 2024, plus de 70 entreprises d'IA en santé ont obtenu une autorisation de la FDA. Les investissements mondiaux dans l'IA clinique ont dépassé 15 milliards de dollars. Pas un grand groupe hospitalier qui n'ait annoncé sa stratégie IA.
Pourtant, dans les hôpitaux américains, le nombre de patients dont l'état se dégrade sans signe d'alerte n'a guère bougé. Il faut toujours des années pour dépister une maladie rénale chronique. Les erreurs diagnostiques touchent encore, selon les estimations, 12 millions d'adultes américains chaque année en ambulatoire. Et votre nouveau médecin vous demande toujours de lui réciter de mémoire la liste de vos médicaments.
Quelque chose ne va pas dans la démarche.
Ce que fait réellement l'IA en santé
La plupart des produits d'IA clinique résument des comptes rendus, classent des images ou déclenchent une alerte quand une valeur franchit un seuil. Tout cela est utile. Et tout cela n'est qu'une surcouche. On prend les données cliniques telles qu'elles existent, on les fait passer dans un modèle, on affiche un résultat. Les données de fond n'ont pas changé. La manière dont le système se représente un patient non plus.
La radiologue qui lit une radiographie thoracique avec l'aide d'une IA lit toujours une seule image, prise à un seul instant. L'IA repérera peut-être un nodule qui lui aurait échappé, et c'est un vrai service rendu. Mais elle ne peut pas lui dire que la fonction respiratoire de ce patient décline depuis trois ans sur cinq EFR successives, que le déclin s'est accéléré après un changement de traitement il y a huit mois, et que la courbe mène vers une BPCO d'ici dix-huit mois. Cette information existe. Elle est dispersée entre plusieurs soignants et plusieurs années. Aucune surcouche ne peut l'atteindre, parce qu'une surcouche ne voit que la consultation en cours.
Dans presque toute l'IA clinique, l'unité d'analyse est la consultation. Un compte rendu, une image. Dans la maladie humaine, l'unité, ce sont les années. Tant que les deux ne coïncideront pas, l'IA en santé continuera de répondre plus vite à de mauvaises questions.
Dans la maladie humaine, l'unité d'analyse, ce sont les années.
Le piège de la vitesse
La vitesse est l'argument que tout le monde met en avant. Résumer un compte rendu de sortie en quelques secondes. Rédiger un courrier d'adressage pendant que le médecin termine la conversation. Extraire instantanément les diagnostics d'un texte libre.
L'épuisement des médecins est bien réel, et le poids de la documentation écrasant. Tout ce qui rend du temps au soin a de la valeur. Mais gagner en vitesse sur l'infrastructure existante, c'est résoudre un problème d'efficacité. La médecin qui reçoit un résumé parfait de la consultation du jour ignore toujours que la créatinine de sa patiente augmente depuis deux ans, mesurée chez trois soignants différents. Le résumé est plus rapide. Le tableau clinique est exactement le même.
Les établissements de santé adoptent des IA qui accélèrent les flux de travail, affichent des gains de productivité et déclarent leur stratégie IA réussie. Pendant ce temps, l'écart entre le début d'une maladie et le moment où on la découvre n'a pas bougé. Le système avance plus vite, dans la même direction. Personne n'a demandé si c'était la bonne.
Pourquoi le secteur construit des surcouches
Construire des surcouches est un choix rationnel. On prend un modèle préentraîné, on l'affine sur du texte clinique, et le produit est sur le marché en quelques mois. La validation est simple : un compte rendu entre, un résumé sort. Le discours commercial est rodé : « Nous nous branchons sur votre dossier patient informatisé et nous le rendons plus intelligent. » Pas de discussion difficile sur l'architecture des données. Pas de bouleversement des pratiques.
Bâtir un système qui lit la santé dans la durée est une tout autre entreprise. Il faut représenter le patient à travers les années et les soignants, construire un raisonnement clinique qui s'intéresse à la direction plutôt qu'à la position, valider le tout sur des centaines de sites, et convaincre les hôpitaux que détecter une maladie deux ans plus tôt justifie une intégration plus profonde qu'un simple module de synthèse.
C'est plus long, plus cher, et cela suppose des conversations que la plupart des équipes ne sont pas armées pour mener. C'est aussi la seule approche qui s'attaque au vrai manque clinique.
La boîte noire aggrave les choses
En plus d'être une surcouche, l'IA clinique fonctionne le plus souvent comme une boîte noire. Un modèle absorbe des données et produit un résultat. La médecin ne voit pas le raisonnement. Elle ne peut pas mettre en cause les données qui ont emporté la conclusion. Elle ne peut pas exercer son jugement sur les étapes intermédiaires, puisqu'aucune étape intermédiaire n'est visible.
En pratique, les cliniciens traitent ces résultats comme les centaines d'autres alertes du dossier informatisé : avec méfiance, et le réflexe acquis de les fermer. Les systèmes opaques plafonnent à 10 à 15 % d'adhésion des cliniciens. L'alerte s'affiche, le clinicien l'ignore. L'IA tourne, mais elle reste cliniquement inerte.
Les systèmes qui dépassent 80 % d'adhésion ont un point commun : leur raisonnement est visible. Le clinicien voit ce qui a fondé l'évaluation et peut en contester tel ou tel élément. Sans cela, l'adoption ne se fait pas. Pendant des années, avant de me lancer, je l'ai vue ne jamais se faire.
À quoi ressemble une autre approche
Prenons une patiente dont la créatinine augmente de 0,1 par trimestre depuis 18 mois, suivie par deux soignants. Aucune valeur isolée n'a déclenché d'alarme. À chaque consultation, le chiffre était « dans les normes ». Un système qui lit les trajectoires, lui, le voit. La médecin reçoit une alerte qui montre la tendance, la trajectoire projetée et le raisonnement clinique derrière le signalement. Elle l'examine, l'approuve, et adresse la patiente en néphrologie un an avant qu'elle ne franchisse le seuil.
C'est ce type d'évolution que Chroneme est conçu pour repérer. Nous le validons selon un protocole préenregistré et publierons nos résultats, y compris là où il montre ses limites.
L'intelligence qui repère une lente dérive en réanimation peut repérer la même chose dans un cabinet de médecine générale. Le système qui signale une fréquence cardiaque en hausse sur plusieurs semaines peut signaler une HbA1c en hausse sur plusieurs années. L'architecture reste la même. Seule l'échelle de temps change.
Quinze milliards de dollars. Soixante-dix autorisations. Et rien n'a changé pour les patients.
Les choses changeront quand l'infrastructure changera. Quand l'IA clinique lira des trajectoires plutôt que des instantanés. Quand les systèmes montreront leur raisonnement au lieu de le cacher. Quand la santé deviendra quelque chose que chacun peut voir évoluer, et non quelque chose qu'on découvre après coup.
C'est ce que nous construisons chez Chroneme.