IA d'une personne saine - ForkLog

# IA saine

Comment l'intelligence artificielle transforme la médecine

Malgré le battage médiatique, les spéculations et les prévisions alarmistes, rares sont les spécialistes qui doutent : l'intelligence artificielle va réellement changer le monde. Mais qui bénéficiera de ces changements et quel prix faudra-t-il payer – ce sont encore des questions ouvertes.

L'histoire montre que les percées technologiques, avec leurs opportunités, apportent presque toujours des crises, obligeant la société à rechercher un nouvel équilibre. Mais il existe un domaine où l'utilité du progrès technologique semble presque incontestable depuis des décennies. C'est la médecine.

ForkLog a examiné comment, dès aujourd'hui, l'application de l'intelligence artificielle accélère la création de nouveaux médicaments, optimise les processus de laboratoire, améliore la précision du diagnostic et modifie les approches de traitement des maladies.

Développement de médicaments

La plupart des médicaments agissent en interagissant avec des protéines réceptrices – des structures moléculaires qui régulent le fonctionnement des cellules et participent à presque tous les processus de l'organisme.

Les systèmes d'intelligence artificielle sont capables d'analyser la structure des protéines réceptrices et de prédire quels composés pourront interagir avec elles de la manière la plus efficace et avec le moins d'effets secondaires. Grâce à cela, des tâches qui nécessitaient auparavant des années de recherche en laboratoire sont de plus en plus souvent résolues en quelques mois.

Selon les estimations des experts de l'Organisation mondiale de la santé (OMS), dans les années à venir, la majorité des nouveaux médicaments pharmaceutiques seront développés d'une manière ou d'une autre à l'aide de l'IA.

AlphaFold et Isomorphic Labs

En 2024, le prix Nobel de chimie a été décerné à David Baker, Demis Hassabis et John Jumper. Les deux derniers travaillent chez Google DeepMind, ils ont été récompensés pour le développement de méthodes de prédiction de la structure des protéines, notamment AlphaFold, basé sur l'apprentissage automatique.

En 2018, AlphaFold a pris la première place du « concours » de prédiction moléculaire Critical Assessment of Structure Prediction (CASP), démontrant son efficacité dans les catégories les plus difficiles. Deux ans plus tard, au CASP suivant, une nouvelle version – AlphaFold 2 – a gagné.

En 2021, Google DeepMind a publié en libre accès le code d'AlphaFold2 et une base de données de structures protéiques prédites. C'est à peu près à ce moment-là que Hassabis a fondé Isomorphic Labs, une filiale d'Alphabet qui développe l'IA pour la découverte de médicaments.

En 2024, Isomorphic Labs a conclu des partenariats avec Eli Lilly et Novartis. Les accords prévoyaient un financement des recherches en IA de l'entreprise à hauteur de 1,7 milliard de dollars et de 1,2 milliard de dollars respectivement. En 2026, Isomorphic Labs a également annoncé un partenariat avec Johnson & Johnson.

En février 2026, Isomorphic Labs a présenté un environnement universel de développement de médicaments, Drug Design Engine (IsoDDE), construit sur les technologies d'AlphaFold.

Actuellement, Isomorphic Labs travaille sur des solutions en oncologie et en immunologie. Malgré l'accélération du développement grâce à l'IA, les projets en sont encore au stade des études précliniques. L'entreprise espère commencer les premiers essais sur l'homme dans les années à venir.

Exscientia et Recursion Pharmaceuticals

Fondée en 2012, Exscientia est devenue l'une des premières entreprises à appliquer systématiquement l'apprentissage automatique au développement de médicaments.

En 2020, le médicament DSP-1181 pour le traitement des TOC est devenu le premier produit créé à l'aide de l'IA à atteindre le stade des essais cliniques. Le développement a été mené conjointement avec la société pharmaceutique japonaise Sumitomo Dainippon Pharma, qui a pris en charge la synthèse et les tests en laboratoire, en se basant sur les résultats théoriques d'Exscientia.

En 2023, l'entreprise avait 8 molécules candidates prêtes, développées « beaucoup plus rapidement » que la moyenne de l'industrie.

En 2024, la société Recursion Pharmaceuticals a racheté Exscientia dans le cadre d'un accord de 688 millions de dollars. Une partie des programmes de recherche a été fermée.

À ce moment-là, plusieurs médicaments étaient parvenus à la deuxième phase des essais cliniques – vérification de l'efficacité et des effets secondaires sur un groupe de 100 à 300 patients.

La fusion avec Recursion Pharmaceuticals a permis d'utiliser les systèmes d'IA d'Exscientia en combinaison avec un complexe de laboratoire automatisé pour les tests. De plus, Recursion a construit son propre supercalculateur d'IA, BioHive-2, basé sur NVIDIA H100, pour former des modèles spécialisés.

L'entreprise a également participé au développement du modèle génératif ouvert Boltz-2, destiné à prédire la structure tridimensionnelle des protéines.

En 2025, Recursion Pharmaceuticals a concentré ses efforts sur quatre programmes en oncologie et deux liés aux maladies rares. Plusieurs médicaments se trouvent déjà à la phase de transition entre la première et la deuxième phases d'essais :

• REC-4881 pour le traitement de la polypose adénomateuse congénitale – une maladie augmentant le risque de cancer colorectal ;
• REC-617 – pour le traitement des tumeurs malignes de l'ovaire ;
• REC-1245 pour lutter contre le lymphome et d'autres formes de tumeurs malignes.

Le médicament REC-3565, destiné au traitement de la leucémie lymphoïde chronique, est en première phase d'essais cliniques.

Insilico Medicine

Fondée en 2014, Insilico Medicine est un autre acteur important dans le développement de médicaments par l'IA.

En 2017, Insilico Medicine a été classée parmi les 5 meilleurs projets en termes d'impact social selon Nvidia.

L'entreprise utilise l'intelligence artificielle à toutes les étapes du cycle de développement :

• le système PandaOmics est responsable de la recherche de « cibles » biologiques – des molécules qui doivent être « désactivées » ou régulées dans le cadre de la thérapie ;
• Chemistry42 assure la conception générative de composés appropriés ;
• InClinico optimise la prédiction des essais cliniques.

L'une des premières réalisations de l'IA d'Insilico Medicine est le médicament Rentosertib (ISM001-055), lié au traitement de la fibrose. Le développement a pris 18 mois de la découverte de la cible par le système d'IA à l'obtention de la molécule candidate. En 2025, Rentosertib est en deuxième phase d'essais cliniques.

De plus, en 2024, le médicament immunomodulateur ISM3312 développé par l'IA pour la COVID-19 et d'autres infections virales a passé la première phase d'essais. ISM3091, lié au traitement des cancers, a été autorisé pour des tests sur des patients.

Diagnostic et recherche

Selon les estimations des spécialistes, environ 90 % de toutes les informations médicales sont présentées sous forme d'images comme les radiographies et les tomographies. Ces données sont essentielles au diagnostic, mais leur analyse est une tâche laborieuse et non triviale.

Les méthodes d'apprentissage automatique, en particulier les réseaux de neurones convolutifs, sont bien adaptées à la reconnaissance de motifs visuels complexes. De manière similaire à la vision humaine, ces systèmes sont capables de distinguer les bords contrastés, les formes et les textures sur une image. Cela permet de détecter avec une grande confiance les tumeurs, les hémorragies et autres anomalies.

Pour entraîner les modèles d'IA, des données de qualité sont disponibles – des ensembles d'images documentées avec des commentaires d'experts.

En 2024, des chercheurs de la Harvard Medical School ont présenté le modèle d'IA Chief, capable de détecter plusieurs formes de cancer. Selon les développeurs, la solution détectait correctement les signes de la maladie sur des images numériques dans 94 % des cas.

En 2025, la Food and Drug Administration (FDA) américaine a accordé le statut de « dispositif révolutionnaire » au modèle Damo Panda de Damo Academy, la division de recherche du groupe Alibaba.

Selon les développeurs, le système est capable de détecter les signes du cancer du pancréas sur des tomographies avant même l'apparition des symptômes, ce qui est particulièrement important pour cette forme de la maladie.

En 2026, une avancée significative dans le diagnostic par l'IA a été le système REDMOD, développé par l'organisation américaine à but non lucratif Mayo Clinic.

Le modèle, également destiné à détecter le cancer du pancréas, a surpassé les spécialistes dans le diagnostic précoce de la maladie. Selon les déclarations des chercheurs, le système trouvait des changements pathologiques sur les tomographies en moyenne 475 jours avant le diagnostic.

Initiatives de Google

Google est l'un des principaux fournisseurs d'IA pour le diagnostic et la recherche médicale.

L'entreprise propose une gamme de modèles ouverts pour l'analyse de textes médicaux, d'images et d'audio, MedGemma, basée sur Gemma 3.

Via Health AI Developer Foundations, les développeurs ont accès à des ensembles de poids ouverts et à des outils d'IA.

Google collabore avec un certain nombre de cliniques et d'organisations de recherche, en se concentrant sur le développement de technologies fondamentales.

En 2019, l'entreprise a présenté un modèle pour la détection et la prédiction du cancer du poumon. Le modèle a montré des performances égales ou supérieures à celles d'un groupe de six radiologues certifiés.

En 2020, dans le cadre d'une collaboration avec Northwestern Medicine, des chercheurs ont démontré un système d'analyse de mammographies capable de détecter le cancer au niveau d'un spécialiste.

En 2024, Google Cloud et la société pharmaceutique allemande Bayer ont annoncé le lancement d'une plateforme de dépistage des radiographies. Le système analyse l'historique des images et les données des antécédents médicaux, formant des hypothèses sur les pathologies possibles.

Robots radiologues NVIDIA et GE HealthCare

Le géant technologique Nvidia et la société américaine de technologies médicales GE HealthCare, qui produit des équipements de radioscopie, développent leur propre système d'IA pour l'acquisition autonome d'images.

Contrairement aux modèles qui analysent des images déjà prêtes, cette solution vise à réduire la charge de travail de routine des spécialistes et à rendre le diagnostic plus standardisé.

Dans un premier temps, le système fonctionnera avec des radiographies et des images échographiques.

GE HealthCare prévoit également d'utiliser NVIDIA Isaac for Healthcare – une plateforme de développement de systèmes médicaux autonomes, notamment des robots chirurgicaux.

Plateforme de diagnostic PathAI

Fondée en 2016, la société PathAI a développé une « plateforme numérique de pathologie » AISight Dx, destinée au diagnostic primaire en milieu clinique.

Le système offre un environnement de travail avec des images médicales, avec la possibilité d'intégrer des algorithmes tiers pour l'analyse des données.

La prise en charge d'un ensemble de solutions certifiées CE-IVD basées sur l'IA est annoncée, notamment des « plugins » pour le diagnostic oncologique :

• DeepDx Prostate permet de mettre automatiquement en évidence les tissus sur l'image et de souligner les zones potentiellement importantes pour le diagnostic ;
• Histotype Px Colorectal, basé sur les images, établit des pronostics d'évolution de la maladie, évalue l'opportunité d'une chimiothérapie et propose des recommandations thérapeutiques ;
• Visiopharm détecte et quantifie les biomarqueurs pour diverses formes de cancer.

La plateforme dispose de ses propres fonctions d'analyse automatique d'images, d'aide à la formulation du diagnostic et de rédaction de rapports, mais elles sont actuellement destinées « exclusivement à des fins de recherche » et ne sont pas autorisées à être utilisées dans un contexte clinique.

AISight Dx propose également des outils d'IA intégrés :

• ArtifactDetect – pour la recherche d'artefacts de numérisation et d'autres erreurs sur les images ;
• Case Priority – pour la priorisation des cas cliniques sur la base de l'analyse tissulaire ;
• AIM-Tumor Cellularity – pour l'évaluation de la composition cellulaire des tumeurs.

En 2022, la solution a reçu l'approbation de la FDA américaine sous la forme 510(k) et le marquage de qualité européen CE, attestant de la sécurité du produit pour les consommateurs et l'environnement.

En 2025, PathAI a annoncé un partenariat avec le centre de cancérologie Moffitt en Floride, aux États-Unis, pour intégrer AISight Dx dans les processus de diagnostic. En 2026, la société a conclu un accord similaire avec l'hôpital universitaire de Zurich.

En mai 2026, la société pharmaceutique suisse Roche a annoncé l'acquisition de PathAI dans le cadre d'une transaction d'un montant de plus de 750 millions de dollars.

Problèmes et limites

Comme dans d'autres secteurs, l'application de l'IA en médecine exacerbe les problèmes systémiques et en crée de nouveaux.

Les assistants IA, en particulier ceux basés sur les LLM, ne sont pas à l'abri des hallucinations.

Dans un article de recherche de Google sur le modèle Med-Gemini, une erreur a été trouvée : le modèle a « inventé » une région cérébrale inexistante appelée noyaux basilaires.

L'hallucination a été formée à partir de deux noms anatomiques réels : les noyaux gris centraux et l'artère basilaire. Les développeurs ont évoqué une faute de frappe, mais plusieurs spécialistes ont qualifié l'incident d'exemple inquiétant des risques liés à l'intégration d'assistants IA en médecine.

Des chercheurs de l'Université de Stanford ont découvert que les modèles d'IA sont capables de diagnostiquer de manière convaincante des maladies à partir d'images médicales sans avoir accès aux images elles-mêmes.

L'un des systèmes analysés a montré « à l'aveugle » des résultats élevés à un test de radiologie. Les modèles GPT-5, Gemini 3 Pro et Claude Opus 4.5 « décrivaient avec assurance des détails visuels » sur des images inexistantes.

Selon une étude publiée en juin de la même année, dans un contexte médical, 7,1 % des réponses de GPT-4 aux questions des patients étaient incorrectes et auraient pu causer un préjudice significatif. Dans un cas sur 156, l'erreur présentait un risque vital.

Selon les données de 2025, les outils de rédaction automatique de documentation à partir des dialogues avec les patients introduisaient des erreurs dans 70 % des notes cliniques. Les modèles ajoutaient des faits faux à la transcription de la conversation, omettaient des arguments et confondaient des concepts.

Outre le fait que les LLM inventent des organes, ils souffrent d'une opacité logique, ce qui rend difficile pour l'homme l'analyse de la manière dont certaines conclusions sont obtenues.

Le manque de représentativité dans les ensembles de données peut créer des préjugés et un ancrage à des corrélations erronées dans les modèles formés.

En outre, les problèmes typiques des assistants IA que sont la dépendance cognitive des utilisateurs et la confidentialité des données ne font que s'aggraver dans le contexte des soins de santé.

Les spécialistes de l'OMS classent l'application de l'intelligence artificielle en médecine comme un domaine à haut risque.

Dans le cadre de la loi européenne sur l'IA (AI Act), à partir d'août 2026, les systèmes d'IA de cette catégorie devront respecter un certain nombre d'exigences spéciales liées à la gestion des risques, aux rapports et au contrôle humain.

Malgré les difficultés et les risques potentiels de mise en œuvre, l'OMS considère favorablement les perspectives de l'intelligence artificielle en médecine, sous réserve de règles appropriées et d'un contrôle de la part des autorités étatiques.

La FDA américaine s'exprime également avec optimisme sur les perspectives de l'IA médicale, tout en reconnaissant que la réglementation actuelle est obsolète. Formellement, aux États-Unis, ces systèmes sont classés comme logiciels dans la catégorie Software as a Medical Device.

En 2025, la FDA a publié un ensemble de recommandations relatives au cycle de vie des produits d'IA, à la gestion des risques et au marketing.