Confiée au cabinet Atawao, cette étude intitulée "Intelligence artificielle, état de l'art et perspectives pour la France" a été lancée par la direction générale des entreprises (DGE), le Commissariat général à l'égalité des territoires (CGET) et le syndicat de professionnels du numérique Tech'In France afin d'"enrichir" la stratégie nationale en matière d'IA (lire dépêche du 30 mars 2018).

Elle constate que la santé est le secteur d'activité le plus impacté par l'IA en France, devant les industries manufacturières, les transports et les mobilités, et estime que "l'encouragement au développement de l'IA" dans ce domaine "représente un intérêt majeur" pour l'Hexagone.

Elle propose une "analyse sectorielle approfondie" listant les opportunités et les freins au déploiement de l'IA, le degré de digitalisation du secteur, les usages à développer en priorité et les besoins à prendre en compte.

Alors que l'accès à des données en volume et en qualité est "une clé de performance majeure" pour l'IA, le secteur de la santé en France souffre d'une situation paradoxale avec des données disponibles à la fois "très nombreuses par rapport à d'autres pays" et "plus difficilement accessibles pour les innovateurs du fait de la législation en vigueur", souligne le rapport d'étude.

Il fait état d'un "véritable parcours du combattant" vécu par les structures de recherche publique et les acteurs privés pour accéder aux données. "Selon les personnes interviewées: aux Etats-Unis, il faut en moyenne 72 heures à un organisme de recherche pour obtenir des données, contre plusieurs années en France avec un succès plus qu'incertain", est-il relaté.

Les auteurs du rapport regrettent que la législation ne permette pas de "fusionner facilement l'information médicale fragmentée résidant dans des référentiels divers" comme des systèmes d'information de laboratoire et d'imagerie ou des notes médicales alors que cette fusion est "indispensable pour comprendre des phénomènes de santé qui sont par nature multi-factoriels".

Ils estiment également que la législation "ne distingue pas suffisamment la phase de mise au point d'un service innovant qui devrait faciliter l'accès aux données, de la phase d'exploitation à grande échelle pour éviter effectivement tous les problèmes liés à l'exploitation des données personnelles".

Ils renvoient à l'initiative du Health Data Hub portée par le ministère des solidarités et de la santé (lire dépêche du 17 octobre 2018) pour "la construction d'une procédure légale, simple et rapide d'accès aux données de santé".

Parmi les freins au développement de l'IA en santé, l'étude du Pipame mentionne aussi la "difficulté d'explicabilité des résultats" obtenus par ces technologies, notamment en matière d'aide au diagnostic ou de choix d'un plan de traitement. Les auteurs font état de travaux de recherche portant actuellement sur le développement d'"algorithmes de justification" pour "expliquer le résultat d'un réseau de neurones" et "faire comprendre à un médecin comment l'algorithme a pris sa décision".

L'étude du Pipame assortit son analyse du développement de l'IA en santé de quatre recommandations sectorielles.

La première consiste à créer des "hôpitaux d'expérimentation numérique" qui disposeraient d'un "cadre administratif et légal particulier" pour tester des technologies, et bénéficieraient d'un investissement en infrastructure numérique (capteurs, réseaux, datacenters) pour permettre la fourniture de données. Le dispositif pourrait également s'appliquer à un réseau de soins de ville.

L'étude préconise la création d'un cadre légal d'expérimentation à partir de données visant à "rendre accessible plus rapidement et facilement" des données cliniques et biologiques des structures de santé pour tester des services innovants.

Elle recommande d'établir une liste des chercheurs et entreprises innovantes qui pourraient accéder à ces données pour une durée limitée et de confier sa création à l'Agence des systèmes d'information partagés de santé (Asip santé).

Parmi les autres défis à relever pour soutenir le développement de l'IA en santé, le rapport d'étude cite la création d'un "modèle économique d'innovation dans un pays de médecin gratuite".

Estimant que le remboursement des soins en France "ne favorise pas le développement de services payants indispensables au financement de start-up dans la durée", il recommande de "créer une législation motivant les structures de soins à réaliser une partie de leurs achats auprès de structures européennes de petite taille".

La création de "challenges de données" de santé "structurés par aires thérapeutique" et mettant à disposition d'industriels et d'acteurs de la recherche des jeux de données multidimensionnelles pour tester des algorithmes et résoudre une question médicale fait aussi partie des recommandations du rapport. Les auteurs invitent à s'inspirer du programme de recherche participatif Epidemium, ouvert par le laboratoire d'idée La Paillasse et le groupe pharmaceutique et de diagnostic Roche.

Au-delà de cet exemple, "les industriels en santé, notamment en France, démarrent depuis seulement quelques mois des premiers travaux de recherche et des collaborations avec des start-up en intelligence artificielle", est-il noté.

Intelligence artificielle - Etat de l'art et perspectives pour la France