Longtemps cantonnée aux discours prospectifs, l’intelligence artificielle s’invite désormais dans les pratiques médicales. Des outils capables d’interpréter des images, de suivre des paramètres physiologiques en temps réel ou de synthétiser des dossiers cliniques s’intègrent progressivement à la pratique clinique. Au Royaume-Uni, le système public de santé a lancé en 2025 le plus grand essai clinique de dépistage du cancer du sein. Baptisé «Edith», il teste plusieurs systèmes d’IA sur des mammographies de près de 700’000 patientes. Un deuxième exemple significatif est le nombre exponentiel de dispositifs médicaux basés sur l’IA qui ont été approuvés par la Food and Drug Administration (FDA), l’agence fédérale américaine de santé publique qui fait référence dans le monde, soit un total d’environ 1450 dispositifs médicaux en mars 2026. «Des promesses, on est passé à la réalité», résume Douglas Teodoro, professeur au Département de radiologie et informatique médicale de la Faculté de médecine de l’UNIGE.

Si l’IA s’impose aussi vite, c’est parce que la médecine est devenue un domaine saturé de données. Imagerie, constantes vitales, analyses biologiques, parcours de vie et comptes rendus cliniques composent une information massive et fragmentée. C’est là que l’IA trouve sa place en venant compléter les capacités humaines. Deux projets menés à l’UNIGE explorent ce potentiel, l’un dans la polymédication, l’autre dans le suivi cardiovasculaire. Leur point commun est de viser une IA européenne respectueuse de la confidentialité.

Une médecine augmentée

«Sous l’angle de la science des données, la médecine est un domaine extrêmement complexe. On a du texte, des images, du son et de multiples données structurées, explique Douglas Teodoro. Et nous, humains, on a du mal à intégrer tout cela en même temps.» Les modèles actuels d’IA sont justement capables de traiter simultanément ces sources. «Concrètement, cela signifie que les systèmes peuvent combiner différents types d’informations médicales pour en tirer une lecture globale.» Le potentiel est majeur pour le diagnostic, les traitements et surtout la prévention.

C’est précisément ce que cherchent à démontrer Douglas Teodoro et sa collègue de l’UNIGE et des HUG, Elena Tessitore. Leur projet Argentic ambitionne d’analyser en continu les données physiologiques en cardiologie et réadaptation. Rythme cardiaque, pression artérielle ou oxygénation du sang visent à être interprétés en temps réel afin de détecter les premiers signes d’une dégradation. «On ne peut pas lire un électrocardiogramme pendant vingt-quatre heures. Une machine, oui, résume Douglas Teodoro. L’IA apporte cette dimension, pour atteindre une forme d’autonomie partielle. C’est comme un ou une pilote automatique: elle assiste, mais ne remplace pas.» Autrement dit, elle prend en charge des tâches répétitives tout en laissant la décision finale au personnel médical.

Le champ d’application du second projet du chercheur nommé «AIM-SAFE», pour lequel il collabore avec Caroline Samer de l’UNIGE et des HUG, est la sécurité des traitements médicamenteux. Dans les situations de polymédication, les interactions entre les molécules actives elles-mêmes et celles avec l’organisme sont nombreuses et difficiles à anticiper. Il existe bien des systèmes pour identifier les incompatibilités médicamenteuses, mais ceux-ci génèrent souvent trop d’alertes. «Les médecins finissent par les ignorer. On parle de fatigue des alertes», note le spécialiste. Ses travaux consistent à intégrer le contexte clinique afin de produire des alertes plus pertinentes, adaptées à la situation réelle des personnes. L’objectif est double, réduire les risques et limiter les prescriptions inutiles.

Parer les fuites

Pour développer ces outils d’IA, une des pierres angulaires est la nécessité d’«entraîner» les logiciels avec des données. Dès lors, le développement de tels outils est confronté à la problématique fondamentale de la confidentialité des données. C’est non seulement une question éthique et un prérequis juridique, mais c’est aussi là que se joue une grande partie de l’acceptabilité de l’IA en santé auprès de la population.

Pour gérer cette problématique, les solutions développées dans les projets de Douglas Teodoro reposent sur le principe de la non-circulation des données. «On envoie l’algorithme, car le cœur de l’IA est et reste un algorithme, vers les données et pas l’inverse», résume le chercheur. Concrètement, chaque hôpital participant aux projets nourrit l’IA avec ses propres données et conserve ainsi ses informations en interne. Les modèles d’IA sont donc entraînés localement, puis seuls les résultats de cet apprentissage sont partagés. Une approche appelée «apprentissage fédéré» qui garantit la souveraineté des données aux établissements de santé.

Derrière les algorithmes

Mais au-delà de cet apprentissage fédéré, comment fonctionnent concrètement ces systèmes? Ils s’appuient sur la combinaison de plusieurs briques technologiques. D’abord, les systèmes d’IA reposent sur des architectures dites «multi-agents». «Les agents sont des modules dédiés à des tâches spécifiques», explique Douglas Teodoro. Certains traitent uniquement du texte, d’autres des images et d’autres encore ne s’occupent que des informations physiologiques. Ensuite, ces agents sont mis en œuvre à l’aide de petits modèles de langage, les SLM. Similaires aux grands modèles de langage typiquement à la base de ChatGPT ou Claude, leur taille numérique restreinte permet de les déployer au sein des hôpitaux en évitant le partage de données et les contraintes matérielles. «Les SLM s’adaptent facilement à des tâches médicales complexes, mais aussi à différentes langues, ce qui revêt une importance particulière dans le contexte européen», précise le chercheur.

D’autres outils clés utilisés dans ces projets sont les jumeaux numériques. Il s’agit de modèles capables de simuler l’évolution d’un patient ou d’une patiente. «On peut, par exemple, tester virtuellement ce qui se passerait avec ou sans intervention médicale», illustre Douglas Teodoro. Ces simulations permettent d’anticiper des complications et de réagir en conséquence.

Les deux visages de la souveraineté

Autre enjeu clé: celui de la souveraineté. La majorité des modèles et des infrastructures est désormais développée aux États-Unis ou en Chine. «Aujourd’hui, on ne peut pas contrôler toute la chaîne puisqu’on est bien obligé-es d’utiliser ce qui existe, notamment en matière d’infrastructure informatique, comme les processeurs graphiques GPU, souligne Douglas Teodoro. En revanche, on peut garder une souveraineté sur les données et les modèles que nous développons à partir de cette ossature.» Car les systèmes existants ne sont pas neutres. «Ils intègrent une certaine vision du monde», dit-il. Ce qui sous-entend qu’ils peuvent être orientés, voire instrumentalisés selon les visions et les intérêts de celles et ceux qui les conçoivent. Des biais susceptibles d’influencer les diagnostics et les traitements, et donc la santé des personnes.

Pas question pour autant que l’IA remplace les médecins. «L’IA intervient là où l’humain atteint ses limites, dans l’analyse de volumes massifs de données ou la surveillance continue, insiste le chercheur. Elle ne remplace pas le ou la médecin, mais redéfinit son rôle dans certains contextes. Moins accaparé-e par la documentation et la recherche de l’information, il/elle pourra dès lors se concentrer sur l’interprétation et la relation avec le patient ou la patiente.»