L'industrie des soins de santé connaît une transformation majeure, sous l’impulsion de l’intelligence artificielle (IA), de sa sous-catégorie l’IA générative (GenIA) et de la modernisation des données. Bien que l’IA ait longtemps été un mot à la mode, son adoption dans le secteur de la santé gagne du terrain depuis quelques années. Ce changement vise non seulement à améliorer l’efficacité opérationnelle, mais aussi à optimiser les résultats pour les patients. Des grands réseaux hospitaliers aux petits prestataires, les organisations explorent comment intégrer l’IA dans leurs flux de travail. Mais à mesure que ces technologies évoluent, les organisations de santé font face à la fois à des opportunités prometteuses et à d’importants défis lors de la mise en œuvre de solutions basées sur l’IA.

L’appétit croissant pour l’IA dans les soins de santé

Les organisations de soins de santé reconnaissent de plus en plus l’importance de l’IA et de la GenIA pour transformer leurs opérations. Beaucoup d’entre elles étaient auparavant sceptiques quant au rôle de l’IA dans les soins de santé, la jugeant souvent trop complexe ou inadaptée à leurs besoins. Cependant, à mesure que la technologie a gagné en maturité et montré des avantages concrets—en particulier avec l’ascension fulgurante de la GenIA en novembre 2022—, ce scepticisme diminue rapidement.

« Aujourd’hui, l’IA et la GenIA sont des priorités majeures pour les organisations de soins de santé du monde entier, dont beaucoup mettent déjà en place des solutions propulsées par l’IA afin d’améliorer tout, des opérations administratives aux prises de décision clinique », confirme Shantanu Baruah, vice-président, Santé chez HCLTech.

Le changement est visible dans toutes les tailles d’organisations de santé. Les plus grands systèmes hospitaliers, notamment ceux dotés de départements de recherche, tendent à être plus avancés dans l’adoption de l’IA. À l’inverse, les petits prestataires et cliniques en sont encore aux premiers stades d’exploration des cas d’utilisation de l’IA.

Peu importe leur niveau de maturité, toutes les organisations de soins de santé font face à un défi commun : préparer leurs données pour l’IA.

Modernisation des données : la base essentielle pour l’IA

L’un des défis majeurs auxquels font face les organisations de santé dans leur parcours d’IA est la modernisation de leur infrastructure de données.

« Beaucoup de prestataires de soins de santé fonctionnent encore sur des systèmes patrimoniaux qui ne sont pas adaptés aux exigences de l’IA. Ces systèmes stockent souvent les données dans des silos, rendant l’accès et l’utilisation des données difficile pour des applications d’IA. Par conséquent, les organisations se concentrent de plus en plus sur la modernisation des données pour s’assurer que leurs données sont prêtes pour l’IA », explique Dr. Sandesh Prabhu, chef mondial – Pratiques Sciences de la vie et Santé chez HCLTech.

La modernisation des données implique plusieurs stratégies clés :

1. Gouvernance et qualité des données : De nombreuses organisations établissent ou renforcent leurs programmes de gouvernance des données pour assurer des données fiables et de haute qualité. Ceci est essentiel pour que l’IA fonctionne de façon optimale, car les modèles d’IA s’appuient sur des données propres, précises et bien structurées.
2. Élimination des silos de données : Les organisations de santé s’efforcent de briser les silos entre les différents systèmes, comme les dossiers de santé électroniques (DSE), et veiller à ce que leurs données puissent être intégrées entre plateformes.
3. Exploiter les nouvelles technologies : Des organisations comme Databricks s’imposent comme des ressources précieuses pour permettre la modernisation des données des organisations de santé. Ces plateformes peuvent aider à stocker, gérer et préparer les données pour des applications d’IA.

L’IA dans les soins de santé : cas d’usage internes vs orientés patient

À mesure que les organisations de santé approfondissent l’adoption de l’IA, une tendance claire apparaît : elles débutent par des cas d’usage internes avant d’étendre l’IA au volet patient. Cette approche favorise des gains rapides, l’amélioration de l’efficacité opérationnelle et la minimisation des risques. Les cas d’utilisation internes courants incluent :

• Efficacité opérationnelle : L’IA sert à automatiser des tâches administratives courantes telles que la planification, la facturation et la gestion de la chaîne d’approvisionnement.
• RH et gestion des effectifs : L’IA est aussi utilisée pour optimiser le recrutement, la formation et l’établissement des horaires du personnel.

Toutefois, les organisations de santé réalisent rapidement le potentiel de l’IA dans des applications orientées vers les patients. Ces cas d’usage commencent souvent modestement, mais portent la promesse de transformer l’expérience patient :

• Soutien à la décision clinique : L’IA assiste les professionnels de la santé dans la prise de décisions éclairées grâce à l’analyse des données des patients et à la recommandation d’options thérapeutiques.
• Navigation et prise de rendez-vous pour les patients : Des robots conversationnels et assistants virtuels propulsés par l’IA aident les patients à planifier des rendez-vous, à naviguer dans les systèmes de soins de santé et à obtenir des réponses à leurs questions courantes.
• Éducation des patients : L’IA sert aussi à générer du matériel éducatif personnalisé pour aider les patients à mieux comprendre leurs affections et traitements.

Bien que ces applications orientées patients n’en soient qu’à leurs débuts, elles devraient se développer rapidement à mesure que les organisations de santé reconnaîtront leur potentiel pour améliorer la qualité des soins et la satisfaction des patients.

Le défi d’une mise en œuvre sécuritaire et responsable de l’IA

L’un des aspects les plus cruciaux de l’adoption de l’IA dans les soins de santé est de garantir que les systèmes d’IA soient sécuritaires, éthiques et transparents. Les organisations doivent réfléchir à la mise en œuvre responsable de l’IA, en particulier compte tenu de la sensibilité des données médicales.

L’IA responsable implique :

• Mise en place de structures de gouvernance : Beaucoup d’organisations en sont encore aux premiers stades d’élaboration de structures officielles de gouvernance de l’IA. Ceci inclut la création de comités d’éthique de l’IA, la désignation de responsables de l’IA, ainsi que l’établissement de politiques et lignes directrices sur l’utilisation de l’IA.
• Transparence et reddition de comptes : Les organisations doivent s’assurer que leurs systèmes d’IA sont transparents et responsables. Cela implique de rendre les modèles d’IA explicables et de pouvoir les surveiller pour détecter biais et erreurs.
• Gestion des risques : Les organisations de santé portent aussi leur attention sur la gestion des risques liés à l’IA, notamment la sécurité des données et la sûreté des patients.

« Alors que le paysage de l’IA continue d’évoluer, les organisations de soins de santé doivent rester vigilantes face à ces enjeux éthiques pour préserver la confiance et éviter les conséquences négatives », précise Baruah. 

Préparation à l’IA : l’importance de la formation et de l’éducation

Comme l’IA occupe une place de plus en plus importante dans le domaine de la santé, il est essentiel que les organisations investissent dans la formation et l’éducation de leur personnel. La littératie en IA devient aussi importante que la formation en cybersécurité, et les organisations de santé commencent à prendre conscience de la nécessité de programmes de formation robustes à l’IA.

Les étapes clés pour bâtir une compréhension de l’IA au sein des organisations de santé incluent :

• Développer des programmes d’éducation à l’IA : Ces programmes devraient viser tant le personnel technique que non technique afin de s’assurer que tous comprennent le fonctionnement de l’IA et son impact sur leur travail.
• Adhésion de la direction : Pour assurer le succès des initiatives IA, les équipes de direction doivent maîtriser le sujet et son potentiel. Cela exige une formation continue des dirigeants et décideurs.
• Apprentissage continu : Alors que la technologie de l’IA évolue rapidement, les organisations doivent instaurer une culture d’apprentissage continu pour tenir leurs équipes informées des dernières avancées.

Le rôle des partenaires stratégiques dans l’adoption de l’IA en santé

Les partenaires stratégiques jouent un rôle crucial pour aider les organisations de soins de santé à naviguer les complexités de l’adoption de l’IA. Des entreprises comme HCLTech peuvent les accompagner de plusieurs façons :

• Conseil en IA : Soutenir les organisations dans la sélection des bons cas d’utilisation de l’IA, l’élaboration de leur stratégie d’IA et l’identification des fournisseurs adaptés.
• Modernisation des données : Aider les organisations à moderniser leur infrastructure de données afin de la rendre compatible avec l’IA.
• Fournir des environnements de test (“sandbox”) : Créer des environnements sécurisés où les organisations peuvent tester des solutions d’IA avant de les déployer à grande échelle.

« Les organisations de soins de santé recherchent de plus en plus des partenaires capables d’offrir des solutions d’IA de bout en bout, de la modernisation des données à la mise en œuvre et à la gouvernance », déclare Prabhu.

Un avenir axé sur l’IA dans les soins de santé

L’industrie des soins de santé se trouve à un moment charnière sur la voie de l’IA. Bien que de nombreuses organisations en soient encore aux premiers stades d’adoption, le potentiel transformateur de l’IA dans le secteur est immense. La modernisation des données et la préparation à l’IA sont essentielles pour permettre aux organisations de tirer pleinement parti du potentiel de l’IA. À mesure que le secteur gagne en maturité, les pratiques responsables deviendront de plus en plus déterminantes. Les partenaires stratégiques capables d’aider les organisations à relever ces défis seront clés pour assurer une mise en œuvre réussie et améliorer les résultats pour les patients.

À mesure que l’IA et la GenIA évoluent, l’industrie des soins de santé devra rester agile, investir dans la formation et accorder la priorité aux enjeux éthiques afin d’assurer la réalisation des bénéfices de l’IA tout en préservant la confiance et la sécurité des patients.