De l’engouement pour l’IA à des résultats en soins de santé : comment transformer l’innovation en retombées mesurables

Les organisations de santé et des sciences de la vie ne sont pas étrangères aux transformations. Aujourd’hui, elles doivent composer avec un environnement unique. Les avancées rapides en intelligence artificielle (IA), les pressions croissantes sur leur main-d’œuvre et leurs ressources ainsi que les attentes de plus en plus rigoureuses pour de meilleurs résultats pour les patients et le système créent de nouvelles occasions d’affaires.

L’objectif est clair. Le réaliser n’est pas si simple.

La véritable question est : « Qu’est-ce qui change réellement, et qu’est-ce qu’il faut pour passer de l’expérimentation à des retombées mesurables? »

L’innovation s’accélère quand l’IA génère des résultats concrets

L’IA peut bien faire toutes les manchettes, mais l’innovation d’aujourd’hui s’appuie sur des décennies de progrès. Les organisations de soins de santé ont longtemps utilisé les données, les analyses et l’apprentissage machine pour soutenir leur prise de décision. C’est l’accessibilité et la convivialité de ces capacités qui ont changé au fil du temps. Les interfaces en langage naturel et les modèles avancés d’aujourd’hui facilitent :

• l’extraction d’informations pertinentes à partir de données cliniques et narratives complexes;
• l’accélération des processus de diagnostic;
• l’accès au soutien décisionnel pour les cliniciens et les administrateurs.

Ce changement génère déjà des progrès mesurables. Voici quelques exemples :

• L’imagerie médicale propulsée par l’IA contribue déjà à la détection plus rapide de conditions telles que les hémorragies cérébrales ou les cancers.
• Les outils intelligents de transcription réduisent le fardeau administratif grâce à la documentation clinique automatisée.
• Les analyses avancées améliorent la recherche pharmaceutique et permettent d’offrir des approches de traitement plus personnalisées.

Le résultat est une innovation plus rapide et pratique qui peut être appliquée à grande échelle.

Le vrai défi : passer de projets pilotes à des résultats à grande échelle

Malgré le réel engouement, plusieurs organisations ne vont pas plus loin que la phase de projet pilote. Dans l’ensemble du secteur, elles ont beau mettre à l’essai des outils d’IA et élaborer des preuves de concept, mais les mettre à l’échelle dans des environnements de production demeure un défi.

Trois obstacles courants se démarquent.

1. Cadres de gouvernance et de gestion des risques flous – Les organisations répondent encore aux questions entourant la confiance, la transparence et l’usage sécuritaire de l’IA.
2. Écarts fondamentaux entre les données et l’infrastructure – Même les outils nécessitant peu de codage exigent des plateformes évolutives et rigoureuses de gestion des données afin de générer de la valeur à grande échelle.
3. Résistance culturelle et lassitude face au changement – Les équipes s’adaptent à de nouvelles méthodes de travail en questionnant ce que cela signifie pour leur rôle.

Ces obstacles ne sont pas de nature technologique. Ils relèvent de la gestion du changement et de l’exécution, ce qui nécessite une imputabilité, un alignement et des efforts continus clairement définis.

Résoudre les bons problèmes pour générer de véritables résultats

L’une des transitions les plus importantes qui ont lieu en ce moment consiste à s’éloigner de l’approche centrée sur l’IA. Les organisations de premier plan se posent une différente question : « Quel problème essayons-nous de résoudre? » Qu’il s’agisse de pénuries de main-d’œuvre, de l’inefficacité des parcours d’orientation ou de la hausse des coûts, l’attention se porte maintenant sur :

• Définir des cas d’utilisation de grande valeur;
• Utiliser les bons outils pour les résoudre;
• Mesurer les résultats au lieu de l’activité.

Par exemple, améliorer les parcours d’orientation avec une prise de décision fondée sur les données peut réduire les recommandations non pertinentes, écourter les délais d’attente des patients et accroître l’efficacité du système, sans augmenter les ressources. C’est là que l’IA génère une réelle valeur : lorsqu’elle est intégrée aux flux de travaux et alignée sur les résultats.

Approfondir l’expertise humaine pour générer de meilleurs résultats d’affaires

Au sein du secteur de la santé et des sciences de la vie, un principe demeure clair : l’IA a de meilleurs rendements lorsqu’elle soutient l’expertise humaine, et non lorsqu’elle la remplace. Dans les contextes cliniques, cela signifie que :

• les cliniciens demeurent responsables des décisions;
• l’IA offre des perspectives, une validation et un apprentissage supplémentaires;
• les flux de travaux évoluent afin de combiner le jugement humain à l’intelligence artificielle.

Par exemple, en nous associant avec Care Fertility, un groupe international de fertilité et le plus important fournisseur de services de fécondation in vitro au Royaume-Uni, nous avons conçu un outil fondé sur l’IA, en étroite collaboration avec des embryologistes. En combinant l’apprentissage profond à une expertise approfondie, nous avons atteint un niveau de performance humain en ce qui concerne la sélection d’embryons. En automatisant l’analyse d’images tout en permettant une supervision de la part des embryologistes afin d’examiner et de valider les résultats, la solution a transformé leur rôle ainsi que considérablement réduit les délais d’analyse, ce qui représente l’équivalent de six mois de travail d’experts par clinique chaque année.

Ce type d’approche renforce la confiance, facilite l’adoption et améliore les résultats au fil du temps. Il reflète également la réalité du secteur des soins de santé : des systèmes complexes, des décisions nuancées et une empathie essentielle.

Prochaines étapes : convertir les expérimentations en retombées durables pour l’entreprise

Dans les années à venir, plusieurs tendances orienteront la prochaine vague de transformation.

Une attention accrue sur la performance et la valeur – Les organisations n’évaluent pas seulement ce que l’IA peut accomplir, mais aussi son efficacité et sa fiabilité d’exécution, particulièrement en raison de la hausse des coûts et des enjeux.

Une croissance en IA appliquée et en refonte des flux de travaux – La tendance pointe vers l’intégration de l’IA au sein des activités quotidiennes afin de générer des résultats et de favoriser la productivité.

L’avènement de modèles propres à chaque secteur – Des modèles plus modestes et spécialisés, entraînés sur des données sectorielles, émergent à titre d’approche plus efficace pour les cas d’utilisation du secteur des soins de santé.

L’accélération de l’IA agentive – Des outils plus avancés permettent une automatisation en plusieurs étapes et d’aller au-delà de simples interactions afin de mettre en place des flux de travaux orchestrés.

Ensemble, ces tendances signalent la transition de l’expérimentation à la maturité opérationnelle.

Un changement de mentalité qui génère des résultats

La technologie seule ne peut pas réaliser une transformation. La réussite dépend de l’adoption d’une mentalité qui favorise l’efficacité tout en maintenant une approche fondée sur la pensée critique. L’utilisation de l’IA ne sert pas à remplacer l’effort humain, mais plutôt :

• d’améliorer la prise de décision;
• d’accélérer la production de perspectives;
• de libérer du temps pour des tâches de plus grande valeur.

Dans ce contexte, la véritable occasion d’affaires ne consiste pas seulement à faire les choses plus rapidement, mais à les faire mieux.

Transformer les perspectives en action

Les hauts dirigeants du secteur de la santé et des sciences de la vie font face à des pressions d’agir, et d’agir de manière éclairée. La voie à suivre ne se limite pas qu’aux projets pilotes ni à l’adoption de nouveaux outils. Elle nécessite un engagement clair axé sur les résultats. Pour progresser, les hauts dirigeants peuvent :

• mettre l’accent sur les problèmes de grande valeur;
• bâtir des fondements solides en matière de données et de gouvernance;
• mettre à l’échelle les initiatives à succès;
• soutenir les personnes clés lors de changements.

Dans le secteur des soins de santé, la transformation ne se mesure pas par le taux d’adoption de nouvelles technologies. Elle se mesure par ses retombées pour les patients, les fournisseurs et les communautés.