Alors que les démonstrations de force de l’intelligence artificielle se multiplient dans la recherche biomédicale, l’enjeu majeur réside désormais dans son intégration réelle au sein des parcours de soin. À l’occasion de l’événement AI For Health, Loïc Chabanier, Directeur Europe Health Sciences chez EY, partage son analyse sur la transition nécessaire entre modèles théoriques et cas d’usage à fort impact.
Une réconciliation nécessaire entre deux visions de l’IA
La découverte de nouveaux médicaments et le développement de jumeaux numériques (digital twins) illustrent la mutation profonde des technologies médicales. Cependant, l’adoption de l’IA en santé se trouve aujourd’hui à la croisée des chemins :
- L’IA d’aujourd’hui : reposant sur des volumes massifs de données et des modèles statistiques très larges, performants mais souvent génériques.
- L’IA de demain : s’appuyant sur des populations plus ciblées, des algorithmes apprenants et une précision chirurgicale adaptée à des cas d’usage spécifiques.
L’objectif actuel des acteurs industriels et institutionnels est de réconcilier ces deux approches pour garantir à la fois l’évolution des outils et leur pertinence clinique au quotidien.
« L'enjeu clé n'est plus seulement de comprendre les cas d'usage, devenus aujourd'hui plus lisibles, mais de réussir leur mise en œuvre opérationnelle et leur passage à l'échelle chez les clients. »
— Loïc Chabanier, Directeur Europe Health Sciences, EY
Standards d’interopérabilité et entrepôts de données : les piliers industriels
Pour sortir des phases d’expérimentation isolées, l’écosystème de la santé numérique doit s’appuyer sur des socles techniques robustes. Parmi les leviers prioritaires identifiés par le cabinet EY :
- La standardisation des données : l’adoption de standards ouverts tels qu’OpenEHR s’impose pour structurer des données de santé hétérogènes et pérennes.
- Le déploiement d’entrepôts de données de santé (EDS) : la création d’infrastructures sécurisées interconnectant les activités de recherche et les activités de soin.
- L’adossement à des environnements d’apprentissage (sandboxes) : offrir aux algorithmes un cadre sécurisé pour apprendre en continu sur de véritables flux de données hospitalières et cliniques.
Transposabilité internationale : exploiter le collectif pour accélérer en France
Si l’organisation et le mode de financement des systèmes de santé restent éminemment locaux, les défis technologiques et médicaux présentent des similitudes globales. Les grands acteurs de l’industrie pharmaceutique et de la tech partagent les mêmes contraintes d’adoption.
Des projets structurants menés à l’international, à l’image d’initiatives de prévention ciblées ou de plateformes de données déployées en Allemagne, démontrent la faisabilité de ces outils. L’enjeu stratégique pour la France réside dans la capacité à adapter et transposer ces réussites transfrontalières, en s’appuyant sur une vision collective et des compétences pluridisciplinaires.
