Je pense donc je suis (une IA)
Présente aujourd’hui dans quasiment tous les secteurs, l’intelligence artificielle se fait peu à peu sa place dans le domaine de la santé. Mais quelles (r)évolutions se cachent derrière ces 2 lettres ?
Un domaine qui ne date pas d’hier
Le terme d’intelligence artificielle (IA) peut sembler récent mais il n’en est rien puisqu’il date des années 50 avec un objectif déjà clairement affiché : faire produire des tâches humaines par des machines mimant l’activité du cerveau. Au fil des années et des méthodes d’apprentissage développées, la définition a évolué et continuera à s’ajuster dans les années à venir.
Si l’IA a longtemps été associée voire résumée à l’algorithme, elle se définit aujourd’hui comme la capacité d’une machine (agissant par elle-même ou sous le contrôle de l’homme) à reproduire des actions ou des fonctions qui sont habituellement celles des êtres humains. Le développement du deep learning1 a beaucoup contribué à faire évoluer la machine de la reproduction d’actions vers un comportement de plus en plus intelligent.
Bien loin de la simple robotisation
Il existe deux types d’IA :
- l’IA faible qui vise à reprendre le plus fidèlement possible, à l’aide d’algorithmes, le résultat d’un comportement spécifique prévu à l’avance. Cette technologie effectue donc uniquement des tâches programmées ;
- l’IA forte va plus loin car la machine est capable de produire et comprendre un comportement intelligent voire à en tirer de nouveaux apprentissages.
La robotisation utilisée parfois, à tort, comme un synonyme de l’IA constitue donc une vision simpliste. La robotisation correspond en effet à l’automatisation d’un processus : une machine exécute des tâches que l’homme lui ordonne d’accomplir. Elle s’améliore grâce aux nouveaux programmes intégrés par l’homme. Son niveau d’autonomie est donc nul.
L’IA s’appuie sur un processus d’apprentissage autonome : la machine exécute des tâches en imitant celles réalisées par l’homme. Elle développe seule son modèle, en apprenant de ses erreurs. Plus une machine enregistre de données, plus elle peut s’adapter à son environnement et prendre des décisions semblables à celles d’un être humain.
Des investissements encouragés
Le développement de l’intelligence artificielle est un enjeu d’avenir. Tous les secteurs sont concernés. Dans son plan de relance présenté en septembre 2020, le gouvernement en a fait un axe fort. Premier objectif : accroître massivement l’accès à l’intelligence artificielle et développer les formations.
L’intelligence artificielle est évidemment au cœur des enjeux de notre futur système de santé et de recherche, notamment pour diagnostiquer des maladies ou compartimenter l’usage de nos données. Deux milliards d’euros du plan de relance seront ainsi consacrés au numérique dans la santé.
Une présence qui s’affirme dans le secteur médical
Élaboration de diagnostics, prévention, traitements, suivi et recherche… l’IA permet d’aider le corps médical à rendre l’expérience patient plus personnalisée, agile, collaborative et continue.
Les applications de l’IA en santé sont nombreuses. En voici quelques exemples :
- l’aide au diagnostic, en croisant des données ou en analysant des images ;
- la chirurgie robotique (même si elle reste majoritairement à la main de l’homme) ;
- l’exploitation de données dans la recherche ;
- les tests génétiques pour prédire les risques et taux de survie de certaines pathologies ;
- la réalité virtuelle avec par exemple des lunettes 3D qui peuvent être portées par les patients pour des actes de chirurgie éveillée ou par les chirurgiens pour modéliser le patient et gagner en précision ;
- les objets connectés qui donnent la possibilité aux patients de s’impliquer davantage dans leur propre prise en charge et au soignant d’assurer un suivi plus régulier et approfondi ;
- les imprimantes 3D pour réaliser rapidement des dispositifs médicaux sur-mesure.
1. Le deep learning ou apprentissage profond est un type d’intelligence artificielle dérivé du machine learning (apprentissage automatique) où la machine est capable d’apprendre par elle-même, contrairement à la programmation où elle se contente d’exécuter à la lettre des règles prédéterminées. Le deep learning s’appuie sur un réseau de neurones artificiels s’inspirant du cerveau humain.
