Une IA publique pour le diagnostic : accélérer sans jamais remplacer

Le système de santé français conserve de vrais atouts : la qualité de ses professionnels, un maillage hospitalier dense, une couverture qui reste parmi les plus protectrices au monde. Il fait face à des tensions tout aussi réelles : délais d'imagerie qui s'allongent, spécialités en pénurie, services d'urgence saturés, diagnostics posés trop tard parce que le rendez-vous était trop loin.

Les algorithmes d'analyse d'images ne sont pas une promesse : ils fonctionnent déjà. Détection de nodules pulmonaires sur un scanner, repérage de lésions sur une mammographie, analyse de fond d'œil chez le patient diabétique, tri des examens selon leur urgence. Sur des tâches précises et bien délimitées, la machine soutient utilement la comparaison avec l'œil humain, et elle ne fatigue pas en fin de garde.

Ce que la puissance publique devrait porter

La vraie question n'est pas technologique, elle est politique : qui possède l'outil, qui l'entraîne, sur quelles données, et qui vérifie ce qu'il produit.

Aujourd'hui, l'essentiel des solutions déployées vient d'éditeurs privés, souvent étrangers, dont les modèles sont opaques et les conditions tarifaires évolutives. Un hôpital qui construit son organisation autour d'un de ces outils devient dépendant d'un fournisseur qu'il ne contrôle pas, y compris pour l'accès à ses propres données.

Un dispositif public, entraîné sur des données françaises consenties et anonymisées, évalué par une autorité sanitaire, avec des performances publiées et un code auditable, changerait ce rapport de forces. Il servirait aussi de référence : face à une solution commerciale, il faut un point de comparaison pour savoir si le prix demandé correspond à quelque chose.

Le cadre d'évaluation n'est d'ailleurs pas à inventer. Un algorithme d'aide au diagnostic est un dispositif médical : il relève du marquage européen, et la Haute Autorité de santé examine déjà, par sa commission spécialisée, les dispositifs reposant sur un apprentissage automatique, au moyen d'une grille dédiée. Le règlement européen sur l'intelligence artificielle est venu s'ajouter à cet édifice, avec des obligations propres aux systèmes à haut risque. Un dispositif public n'échapperait à aucune de ces exigences — et ce serait sa force, à condition d'admettre ce que cela implique en délais et en coûts.

La limite doit être inscrite dans le dispositif

L'outil assiste, le médecin décide. La formule est facile à écrire, plus difficile à tenir dans un service surchargé où la suggestion de la machine devient rapidement la solution par défaut. On sait ce que produit ce glissement dans d'autres domaines : le professionnel finit par valider, faute de temps pour contredire.

Trois garde-fous sont indispensables. La décision médicale doit rester nominative et engager celui qui la prend. Le résultat de l'algorithme doit être présenté comme un signalement à vérifier, jamais comme une conclusion. Et les erreurs doivent être collectées systématiquement, y compris les cas où le professionnel a eu raison contre la machine, faute de quoi le modèle se dégrade sans que personne s'en aperçoive.

Il faut également accepter une évidence : ces outils peuvent reproduire les biais de leurs données d'entraînement. Un modèle bâti sur des populations peu diverses détectera moins bien certaines pathologies chez celles qui en étaient absentes. Ce n'est pas une raison pour s'en priver, c'est une raison pour l'évaluer en continu.

Une difficulté propre à l'apprentissage automatique doit être nommée : un modèle qui apprend après sa mise sur le marché n'est plus tout à fait celui qui a été évalué. Le droit des dispositifs médicaux est bâti sur l'idée d'un produit stable ; il s'accommode mal d'un outil qui dérive. Soit l'on fige le modèle et l'on renonce à l'amélioration continue, soit on la conserve et il faut alors une réévaluation périodique, avec des versions identifiées et une capacité à revenir en arrière. C'est un coût récurrent, pas une dépense de lancement.

L'objection : l'État n'est pas un bon éditeur de logiciel

Elle est peu flatteuse et largement fondée.

Construire un modèle est la partie facile ; le maintenir pendant quinze ans l'est beaucoup moins. Or la puissance publique a un historique difficile en matière de grands projets informatiques de santé, et les raisons sont structurelles plutôt que conjoncturelles : recrutement contraint sur des métiers où le marché paie deux à trois fois plus, cycles budgétaires annuels incompatibles avec un produit qui vit en continu, marchés publics mal adaptés à une itération rapide. Un outil public mal maintenu serait pire qu'une solution commerciale : il donnerait une fausse assurance de souveraineté tout en se dégradant.

Le contre-argument porte aussi sur la finalité. Ce qui manque le plus au système de santé, ce n'est peut-être pas un algorithme de plus, mais du temps médical et des radiologues. Financer un programme public d'IA pendant que des postes restent vacants revient à traiter un symptôme visible plutôt que la cause.

Cette critique conduit à revoir l'ambition à la baisse, et probablement à la rendre plus juste. Plutôt qu'un modèle national concurrençant l'industrie, la puissance publique est mieux placée pour tenir trois rôles qu'aucun éditeur ne remplira : constituer et maintenir des jeux de données annotés, accessibles à tous les acteurs sous conditions ; imposer et publier une évaluation comparative indépendante des solutions du marché, sur des cohortes françaises ; garantir la portabilité, pour qu'un hôpital puisse changer de fournisseur sans perdre ses données. C'est moins spectaculaire qu'une IA nationale, et cela produirait probablement plus d'effet.

Le calcul de long terme

Détecter tôt coûte infiniment moins cher que traiter tard, en argent public comme en vies. Un dépistage organisé qui gagne quelques mois sur un diagnostic change le pronostic d'un patient et la facture d'un système.

C'est aussi une question d'égalité territoriale. Là où le radiologue manque, un pré-tri fiable permet d'orienter les examens urgents vers une lecture rapide à distance plutôt que de laisser tout le monde dans la même file d'attente.

Aucune de ces pistes ne relève de la décision unique. Un dispositif public suppose des données annotées par des médecins — ressource plus rare que la puissance de calcul —, une équipe permanente pour le maintenir, un budget récurrent que les financements par projet ne fournissent pas, et une organisation capable de porter la responsabilité d'un faux négatif. Présenter cela comme un simple choix politique serait exactement le raccourci que ce livre reproche par ailleurs.

La technologie n'a pas à être subie ni redoutée. Elle doit être organisée, encadrée et possédée collectivement quand elle touche à ce que nous avons de plus intime.