Santé : Les projets d'IA échouent par méconnaissance des méthodes de développement

De nombreuses institutions de santé peinent à déployer l'intelligence artificielle car elles appliquent des méthodes de gestion de projet inadaptées, héritées du développement de logiciels traditionnels. Selon Fast Company, cette confusion conceptuelle constitue un obstacle majeur : contrairement au logiciel classique qui est déterministe et linéaire, l'IA est probabiliste et nécessite un processus de développement organique.

Le taux d'échec des projets d'IA dans divers secteurs, dont la santé, est élevé : 88 % des pilotes ne parviennent jamais au stade de la production. Dans le domaine médical, où les données sont fragmentées et les enjeux de sécurité cruciaux, cette approche rigide conduit souvent à des modèles fragiles. Les patients et les médecins, confrontés à ces lacunes, adoptent fréquemment des outils d'IA en dehors des cadres institutionnels pour pallier le manque de ressources cliniques.

Pour remédier à cette impasse, une méthodologie de "wayfinding" est préconisée. Cette philosophie consiste à accepter l'incertitude inhérente au développement de l'IA et à ajuster le cap tout au long de la formation des modèles. L'exemple d'un outil d'évaluation des risques de cancer du sein, autorisé par la FDA, illustre ce besoin : les ingénieurs ont dû corriger manuellement le modèle lorsqu'ils ont découvert qu'il utilisait des artefacts techniques liés aux scanners plutôt que des données cliniques pour effectuer ses diagnostics.

Réussir l'intégration de l'IA exige désormais que les organisations abandonnent les modèles de planification rigides au profit d'une culture de l'apprentissage continu, de la curiosité technique et de l'humilité face aux données.