IA en santé : choisir un cas d’usage et mesurer sa valeur

Partir d’une décision, pas d’un modèle

L’IA en santé recouvre des produits différents : aide à la documentation, classement administratif, prévision opérationnelle et aide à la décision clinique. Les preuves obtenues pour un produit ne démontrent ni la valeur ni la sécurité d’un autre. Définissez la décision soutenue, la personne responsable et la conduite à tenir si le résultat est erroné ou indisponible.

Le cadrage doit nommer l’utilisateur, les données d’entrée, le résultat attendu, l’action autorisée et le processus de revue. Décrivez aussi le parcours actuel pour disposer d’une comparaison concrète.

Distinguer les usages administratifs et cliniques

Cas d’usage	Questions d’évaluation	Contrôle humain
Rédiger un brouillon documentaire	Les faits sont-ils étayés ? Quelles omissions ou erreurs d’attribution ?	Une personne autorisée vérifie et approuve le brouillon
Orienter des demandes administratives	Le classement respecte-t-il les règles ? Quand faut-il escalader ?	Le personnel peut corriger et récupérer une demande mal orientée
Prévoir la demande opérationnelle	Les résultats restent-ils valables selon le site, la saison et le parcours ?	Les équipes examinent l’incertitude et peuvent modifier la décision
Soutenir une décision clinique	Quelle finalité médicale et quel cadre réglementaire ?	La gouvernance clinique définit la validation et les usages permis

Un benchmark générique ne démontre pas une baisse de mortalité, un bénéfice diagnostique ou une économie. Ces affirmations demandent des preuves adaptées au produit et au contexte.

Définir le contrat de données

Recensez les systèmes sources, identifiants, horodatages, terminologies et limites d’autorisation. Définissez le traitement des données tardives, manquantes ou corrigées. Séparez les jeux de test des données de production et documentez la conservation et les accès.

Pour le DSE, les vérifications FHIR de capacité et d’autorisation font partie de l’intégration. Un service de modèle ne contourne pas les règles de l’hôpital. Le guide des parcours cliniques présente les points d’intégration ; leur pertinence dépend toujours du parcours choisi.

Évaluer avant le déploiement

Constituez des exemples représentatifs, utilisés avec les autorisations nécessaires, et documentez la méthode de référence. Incluez les cas courants, les ambiguïtés, les données absentes et les pannes. Mesurez la performance et le temps de revue : un brouillon rapide ne fait pas gagner de temps si sa correction dépasse la tâche initiale.

Pour un texte généré, recherchez les affirmations sans source, les omissions, les erreurs d’identité et la possibilité de remonter aux données utilisées. Pour une prédiction, examinez la calibration, les sous-groupes pertinents et l’évolution dans le temps. Fixez les critères avec les experts responsables.

Piloter avec une solution de repli

Commencez sur un parcours limité et supervisé. Consignez la version du modèle et du prompt, le résultat de la revue et les erreurs opérationnelles sans recopier inutilement des données sensibles. Conservez une procédure manuelle et désignez qui peut désactiver la fonction.

Comparez le pilote à la situation initiale avec les mêmes définitions de cas. Mesurez le temps, les corrections, les escalades, la disponibilité et le coût. Les résultats cliniques relèvent d’une évaluation distincte.

Vérifier le périmètre avant d’étendre

La finalité médicale, le pays et le rôle de l’organisation déterminent les exigences applicables. Les guides logiciel dispositif médical et règlement européen sur l’IA aident au cadrage ; les obligations actuelles restent à valider avec les spécialistes responsables.

Étendez l’usage lorsque les preuves le justifient. Continuez à suivre la dérive, la charge de travail et les incidents. Réduire ou arrêter un usage peut être le bon résultat de l’évaluation.

Discutons de votre projet pour cadrer les données, l’intégration et l’évaluation avant de choisir une solution.