Ces dernières années, l’intelligence artificielle et le machine learning ont suscité un réel engouement. Un sujet décidément à la mode, et comme pour tous les sujets prometteurs, il a été décliné dans toutes les directions possibles et imaginables et notamment dans le domaine de la santé. En effet, quand on sait que la consommation de soins et de biens médicaux en 2019 représentaient une manne de 208 milliards d’euros, on comprend que chacun veuille mettre la main dans le pot de confiture (et le vider par la même occasion?).

L’intelligence artificielle, ce n’est pas seulement des logiciels qui battent des grands champions d’échecs ou bien de la reconnaissance faciale pour ficher des manifestants. En fait, on peut définir l’intelligence artificielle comme la science qui permet de reproduire la compréhension, la perception ou la décision. Quand Youtube propose une pub UberEats après une longue journée de travail, c’est que l’IA a bien compris nos faiblesses. C’est une définition qui mérite d’être étayée mais elle permet de saisir le sujet.

En vérité le domaine de l’IA est beaucoup plus large que ce qui vient d’être évoqué, et comme à chaque fois que des mathématiciens se mêlent de quelque chose, on se retrouve avec des concepts encore plus abstraits que la peine de prison de Sarkozy (viendra-t-elle un jour, telle est la question). La première distinction se fait entre la notion de symbolique et celle de cognitive. La première nécessite une construction des concepts et du système afin d’effectuer des raisonnements, quand la seconde apprend à partir de données et d’exemples. Du fait de l’augmentation considérable de la puissance de calcul, c’est la seconde qui prévaut ces dernières années. Les IA cognitives peuvent être rangées dans la catégorie Machine Learning : avec un jeu de données assez important, l’IA est capable de se calibrer pour résoudre un problème. Le réseau de neurones est une des architectures d’IA permettant un apprentissage automatique.

Et la santé dans tout ça ? Des logiciels capables d’avoir une expertise très fine, potentiellement déployables à grande échelle, n’est-ce pas le rêve de quiconque souhaitant combler le trou de la sécu ? De plus, une telle technologie permettrait aussi de prendre en compte la complexité croissante de nos connaissances. Des applications ne se sont pas faites attendre : de nombreux réseaux de neurones sont capables de lire des images médicales (photo, radio, scanner…). Ils permettent, avec une précision supérieure à celle des spécialistes, de diagnostiquer cancer, fracture ou autre maladie infectieuse. Aussi intelligentes soient-elles, ces IA ont souvent des limites dans leur utilisation, car elles sont souvent sur-spécialisées dans une tâche, et ont parfois du mal à trouver leur utilité dans la prise en charge réelle des patients.

Mais la lecture d’images médicales n’est pas le seul domaine de la santé qui a été exploré, et il y a aussi d’autres applications plus audacieuses. La génomique est un champ très intéressant par la quantité croissante des séquençages du génome, la recherche sur le repliement des protéines est aussi un réel défi ( qui a bien progressé récemment). Dans un autre registre, la psychiatrie bénéficie aussi des développements de l’IA, à travers des outils capables d’analyser le contenu des réseaux sociaux, ou bien d’analyser une conversation avec un chatbot, afin de détecter des signes de dépression par exemple.

Il y a encore beaucoup de domaines en santé pouvant bénéficier d’un apport de l’IA, est-ce que la charrue n’est pas en train d’être mise avant les bœufs ? Quels sont les limites et les enjeux de cette technologie, surtout dans la santé, domaine sensible s’il en est ? Toutes les réponses à ces questions dans le prochain article qui conclura le sujet.

Abdullah