Contenu du sommaire : Intelligences artificielles et médecine

Cet article contribue aux recherches sur les promesses sociotechniques et les expectations, en examinant l'essor de l'intelligence artificielle (IA) dans le secteur de la radiologie. Nous tirons parti du croisement de deux ensembles de matériaux empiriques, avec le dépouillement d'un site web professionnel (Thema Radiologie) et des entretiens réalisés auprès de deux populations (des radiologues et des offreurs). Cinq promesses et leurs évolutions sont mises en évidence : elles ont trait à l'amélioration du diagnostic, au gain de temps potentiel grâce à l'IA et à l'aide prodiguée, ainsi qu'à une performance accrue des équipements radiologiques et à l'émergence de nouveaux écosystèmes, vecteurs de valeur. L'espace des promesses identifié laisse apparaître de fortes imbrications. Une évolution des promesses vers plus de précision est également de mise, via un processus de « professionnalisation » : les promesses tendent à se rapprocher des préoccupations des radiologues. Un travail réflexif du côté des praticiens (pris individuellement ainsi que collectivement) et des acteurs de l'offre est ainsi patent, avec des réajustements (du côté des offreurs), des rejets de promesses, des anticipations d'effets pervers ou la déduction d'espoirs (chez les radiologues).

L'explicabilité des intelligences artificielles (IA) est souvent présentée comme un élément indispensable à l'appropriation de ces technologies par les médecins. Toutefois, son approche habituelle vient se heurter à deux écueils : d'abord, l'absence d'ancrage dans des situations professionnelles réelles, entraînant un décalage entre les solutions proposées et les attentes concrètes des utilisateurs ; ensuite, une focalisation quasi exclusive sur le fonctionnement des IA, au détriment d'autres aspects de leur conception pouvant également induire un défaut d'intelligibilité des résultats. Cet article se concentre sur un projet d'IA en anatomie et cytologie pathologiques qui propose une perspective inédite sur l'intelligibilité des IA, mettant l'accent sur la construction de leur « vérité de terrain ». L'examen de la stratégie mise en œuvre par ce projet plaide alors en faveur d'une approche contextuelle de l'appropriabilité des IA, permettant de développer des solutions réellement alignées sur les attentes des professionnels de santé.

L'article porte sur les modalités d'appropriation et d'utilisation concrète de dispositifs d'intelligence artificielle dans le domaine de la dermatologie à travers le cas de la détection précoce des cancers cutanés, dont celle du mélanome qui peut mettre en jeu le pronostic vital des patients. La recherche repose principalement sur des entretiens semi-directifs menés auprès de dermatologues pour la plupart spécialisés en onco-dermatologie, dont certains utilisent et/ou participent au développement de dispositifs d'intelligence artificielle. Après avoir présenté les éléments de contexte permettant d'appréhender les enjeux du développement de l'IA en dermatologie, les auteurs identifient une pluralité de positionnements à l'égard de l'intégration de l'intelligence artificielle dans les pratiques. En portant la focale sur l'appropriation des nouveaux outils (dispositifs de scoring ou de repérage automatique des lésions cutanées) dans le cadre de l'activité clinique, l'analyse montre dans quelle mesure leurs usages quotidiens concourent à transformer les réflexivités et les modalités de production du jugement professionnel, notamment celles liées à la vision professionnelle que l'IA vient équiper.

Le déploiement de l'intelligence artificielle (IA) dans les organisations de santé ne se limite pas aux domaines de la recherche et du soin. Le codage de l'information médicale, étape administrative essentielle au fonctionnement hospitalier, en particulier dans le cadre de la tarification à l'activité, en est également le théâtre. À partir d'une enquête menée par entretiens et observations au sein d'un centre hospitalier français, nous analysons les modalités et effets de l'introduction de l'IA au sein d'un Département d'information médicale (DIM). Alors que l'IA n'a actuellement qu'un impact marginal sur les pratiques et modalités de communications professionnelles au sein de ce DIM, nous montrons que le motif principal d'intégration du dispositif est l'efficience financière du codage dans le cadre de la tarification à l'activité. L'article établit non seulement que l'IA ne réduit pas l'incertitude relative au codage mais aussi qu'elle est susceptible de générer des incertitudes inhérentes à la qualité des données produites, alors même que ces dernières constituent des ressources indispensables à la recherche médicale.

La statistique des causes de mortalité est une des plus anciennes statistiques médicales disponibles. Informations essentielles pour la connaissance générale des états de santé nationaux et instruments de comparaison internationale, les données de mortalité constituent également un enjeu croissant pour la gouvernance de la santé publique, particulièrement en situation de crise. À partir de l'étude d'un corpus documentaire issu des organismes régulateurs et producteurs de ces données, l'article examine la trajectoire sociotechnique du codage des causes de mortalité et analyse le contexte de recours à une méthode d'apprentissage profond pendant la période du COVID. Mobilisant une perspective théorique croisant la sociologie des sciences et des techniques et de la quantification, il interprète l'intégration de méthodologies issues de l'IA de type connexionniste dans le processus de codage comme une étape supplémentaire de la trajectoire technique de l'outil engagée avec l'automatisation. Il éclaire également le contexte institutionnel de recours aux réseaux de neurones et de la consolidation de leur usage, en les rapportant aux fonctions récentes des statistiques de mortalité dans la gouvernance des crises sanitaires et des enjeux de disponibilité et de rapidité de leur production.

Le déploiement d'outils d'aide à la décision basés sur des techniques d'intelligence artificielle a mis en lumière les enjeux d'explicabilité et de transparence dès lors que le traitement automatisé rend plus opaque le cheminement allant des données d'entrées aux résultats en sortie. À partir d'outils développés pour la prise en charge du cancer et de la sclérose en plaques, cet article propose de confronter la réflexion théorique des juristes et les préoccupations pratiques des professionnels de la médecine sur cette question. En s'appuyant sur la littérature juridique, d'un côté, et sur des entretiens et des fiches d'évaluation, de l'autre, l'analyse aboutit au constat d'une disjonction partielle : les professionnels se soucient bien davantage des données d'entraînement et des modalités de validation que de la « logique » interne de l'algorithme informatique et considèrent les options techniques plus ou moins explicables de manière complémentaire plutôt qu'alternative. L'adoption du nouveau Règlement européen sur l'IA offre toutefois des perspectives de convergence intéressantes susceptibles de soutenir l'effectivité des principes d'explicabilité et de transparence sous leurs diverses déclinaisons juridiques.