L’intelligence artificielle progresse en recherche médicale, mais reste quasi absente des pratiques hospitalières. Faute d’infrastructures numériques et de données unifiées, sa promesse peine à se concrétiser dans le quotidien des soignants. De nombreuses solutions d’intelligence artificielle existent dans le domaine des maladies infectieuses, mais qu’en est-il concrètement de ses apports sur le terrain clinique ? Afin d’enrichir son étude sur les apports de l’IA dans le domaine des maladies infectieuses avec un retour de terrain, H&TI s’est entretenu avec Nathan Peiffer-Smadja, médecin au Service de Maladies infectieuses et tropicales à l’Hôpital Bichat Claude-Bernard de l’Assistance publique des hôpitaux de Paris (AP-HP).
Une révolution encore majoritairement hors des murs hospitaliers
Dans les services de maladies infectieuses, l’intelligence artificielle (IA) peine encore à s’ancrer dans la pratique quotidienne. « On est loin de l’IA, on pratique avec des outils anciens », résume le clinicien Nathan Peiffer-Smadja, décrivant une réalité hospitalière où les technologies avancées côtoient encore le stylo et le papier. Si le numérique s’est imposé dans l’infrastructure, son usage reste fragmenté : « les urgences et les réanimations prescrivent encore sur papier », ajoute-t-il. Cette persistance analogique rend difficile tout traitement automatisé de l’information. Faute de systèmes unifiés et de données cohérentes, l’intelligence artificielle demeure confinée à la théorie ou réservée à des projets pilotes. Dans les faits, l’outil principal du médecin n’est pas encore l’algorithme, mais des logiciels parfois anciens.
L’IA plus présente dans la recherche
Le décalage entre recherche et pratique clinique est au cœur du constat. M. Peiffer-Smadja évoque « deux grands mondes : la recherche, où l’IA a beaucoup à dire, et la pratique clinique, où elle est absente ». Dans les laboratoires de microbiologie, les outils d’apprentissage automatique innovent dans la découverte de molécules antivirales, l’analyse du microbiote et la modélisation génétique. Le séquençage d’ADN, qui nécessitait plusieurs jours, se réalise aujourd’hui en quelques minutes. Ces avancées s’appuient sur une puissance de calcul importante et des volumes massifs de données biologiques. Pourtant, ces avancées ne franchissent pas les portes des services hospitaliers. L’absence de passerelle entre l’expérimentation et la médecine quotidienne empêche une transposition directe. « Ce qu’on voit, ce sont des progrès spectaculaires en laboratoire, mais rien n’a changé dans les diagnostics de routine », observe-t-il. Un constat qui illustre le retard des hôpitaux français face à l’industrialisation de la donnée médicale.
Données patients : un historique fragmenté
La masse documentaire produite par l’hôpital illustre le paradoxe numérique de la médecine moderne. « Quand j’ouvre un dossier patient, il y a entre 200 et 500 PDF à lire si je veux connaître son parcours », confie l’interviewé. Les systèmes informatiques accumulent comptes rendus, prélèvements, résultats d’imagerie et bilans biologiques sans hiérarchie d’importance ni format standard. Ce désordre documentaire, aggravé par l’absence d’interopérabilité entre services, nuit à l’efficience des soins. Des solutions d’IA peuvent classer, résumer et prioriser ces informations, mais elles se heurtent généralement à la qualité hétérogène des données et à la multiplicité des logiciels existants. « En pratique clinique, les données ne sont pas toujours cohérentes, complètes et de qualité », ajoute-t-il.
L’image médicale, exception technologique
Face à cette inertie, l’imagerie médicale apparaît comme le champ d’expérimentation le plus mûr pour l’IA. « Sur une radio de thorax, il y a maintenant un petit carré qui s’affiche pour indiquer ‘peut-être une pneumonie, peut-être une fracture’ », décrit le docteur Peiffer-Smadja. Ces outils, capables d’analyser automatiquement des images, assistent les radiologues dans la détection des anomalies évidentes. Ils permettent de combler le manque de spécialistes et de sécuriser le diagnostic en temps réel, tout en respectant la supervision médicale. Pour l’instant, ces aides ne concernent que des cas simples, mais elles symbolisent un changement d’échelle dans la collaboration entre humains et machines. Cela tient à la nature même des données — les images — particulièrement adaptées à l’usage de l’IA.
Des innovations sobres, des usages concrets
Des applications plus modestes, issues du terrain, prouvent pourtant que l’intelligence artificielle peut s’intégrer de façon pragmatique dans les soins. L’exemple cité est celui d’Antibiogo, une application développée par Médecins Sans Frontières qui permet de photographier une boite de Petri pour obtenir un antibiogramme et générer automatiquement un résultat. « C’est de la low-tech, mais c’est génial », s’enthousiasme le clinicien. Cette solution, accessible via un simple smartphone, offre un diagnostic fiable dans des contextes où les ressources techniques sont limitées. En démocratisant l’analyse de résistance bactérienne, Antibiogo illustre la puissance d’une IA pensée pour être utile avant d’être spectaculaire. Loin des promesses d’automatisation globale, elle remplit une fonction clinique concrète — faire gagner du temps tout en limitant les erreurs humaines. Une voie réaliste, selon le praticien, pour « intégrer l’intelligence artificielle sans la survendre ».







