Introduction
De tous les domaines où l’IA fait une différence concrète dans la vie humaine, la santé se distingue. En 2022, AlphaFold 2 de DeepMind a prédit la structure 3D de pratiquement toutes les protéines connues — soit environ 200 millions de structures. En 2023, un médicament découvert et conçu grâce à l’IA générative est entré en essais cliniques de Phase II, comprimant un processus qui prend habituellement une décennie en environ 30 mois. En 2026, les outils de diagnostic par IA sont intégrés aux flux de travail hospitaliers dans des dizaines de pays, la FDA a autorisé plus de 1 300 dispositifs médicaux alimentés par l’IA, et le marché mondial de l’IA dans la santé devrait dépasser 50 milliards de dollars.
La question qui se pose aux systèmes de santé n’est plus de savoir si l’IA peut aider, mais comment la déployer de manière sûre, équitable et à grande échelle.
L’effet AlphaFold : le problème des données biologiques résolu
Pour comprendre l’impact actuel de l’IA sur la santé, commençons par AlphaFold. Les protéines sont les machines moléculaires de la biologie, et leur forme tridimensionnelle détermine leur fonction. Déterminer la structure d’une protéine expérimentalement par cristallographie aux rayons X ou cryo-microscopie électronique prenait des années et coûtait des millions de dollars par protéine.
En juillet 2022, DeepMind et EMBL-EBI ont publié les prédictions d’AlphaFold 2 pour environ 200 millions de structures protéiques provenant d’un million d’espèces — la publication de données la plus significative de l’histoire de la biologie. La base de données s’est depuis élargie à plus de 214 millions d’entrées.
En mai 2024, AlphaFold 3 a étendu ses capacités à la prédiction de structures de complexes impliquant des protéines, de l’ADN, de l’ARN, des ligands, des ions et des petites molécules — ce qui signifie qu’il pouvait modéliser l’interaction de molécules médicamenteuses potentielles avec leurs cibles. Son code source a été rendu public en février 2025. Combiné aux modèles d’IA générative capables de concevoir de nouvelles molécules, cela a transformé la phase précoce de découverte de médicaments.
Les applications en aval sont considérables. En 2023, l’INS018_055 d’Insilico Medicine — un médicament découvert et conçu grâce à l’IA générative ciblant TNIK pour la fibrose pulmonaire idiopathique — est entré en essais cliniques de Phase II. En novembre 2024, les résultats positifs de la Phase IIa ont montré une amélioration dose-dépendante de la fonction pulmonaire. Recursion Pharmaceuticals a utilisé l’IA pour cartographier des milliers de milliards de relations biologiques et chimiques à travers 65 pétaoctets de données propriétaires. Isomorphic Labs, la spin-off de DeepMind dédiée à la découverte de médicaments, a signé des partenariats avec Eli Lilly et Novartis pour une valeur combinée de près de 3 milliards de dollars. L’ère de la découverte de médicaments native par IA est arrivée.
IA diagnostique : du benchmark au chevet du patient
L’IA médicale surpasse les médecins spécialistes sur les jeux de données de référence (benchmarks) depuis des années. Le défi le plus difficile — traduire les performances en laboratoire en déploiement clinique — est désormais abordé de manière systématique.
Radiologie : Les systèmes d’IA de Viz.ai, Aidoc et Enlitic sont intégrés aux flux de travail radiologiques des grands réseaux hospitaliers, signalant les résultats critiques pour un examen immédiat par le radiologue. La FDA a autorisé plus de 1 300 dispositifs médicaux alimentés par l’IA fin 2025, dont 295 nouvelles autorisations pour la seule année 2025 — environ 75 à 80 % en radiologie. L’IA de détection des AVC identifiant les occlusions de gros vaisseaux à partir de scanners CT, alertant les équipes d’intervention en moins de deux minutes, permettrait de sauver des milliers de vies chaque année.
Pathologie : Paige a obtenu la première autorisation de la FDA pour l’IA en pathologie en 2021, pour la détection du cancer de la prostate. PathAI a reçu l’autorisation de la FDA pour sa plateforme de pathologie numérique AISight Dx en 2025. L’avantage en termes de flux de travail est significatif : l’IA peut analyser une lame de tissu en quelques secondes ; un pathologiste examinant manuellement la même lame prend 10 à 20 minutes.
Dermatologie : DermaSensor a obtenu l’autorisation de la FDA en janvier 2024 en tant que premier dispositif alimenté par l’IA capable de détecter les trois cancers cutanés courants — mélanome, carcinome basocellulaire (CBC) et carcinome épidermoïde (CE) — grâce à la spectroscopie par diffusion élastique. Les applications photographiques comme SkinVision détiennent le marquage CE européen et desservent des populations aux Pays-Bas, au Royaume-Uni et en Australie, bien qu’elles n’aient pas encore reçu l’autorisation de la FDA.
Cardiologie : L’IA d’interprétation ECG d’AliveCor (avec 39 déterminations cardiaques autorisées par la FDA en janvier 2026), de Cardiologs, et les fonctionnalités intégrées aux Apple Watch et Samsung Galaxy Watch peuvent détecter la fibrillation auriculaire et l’allongement du QT avec une sensibilité de 95 % et une spécificité de 97 % pour la détection de la FA. Des programmes de dépistage ECG à l’échelle nationale utilisant des objets connectés grand public sont en cours au Japon, en Corée du Sud et dans plusieurs pays européens.
Documentation ambiante : la première catégorie phare de l’IA en santé
Le déploiement d’IA en santé le plus significatif sur le plan commercial est peut-être celui que le projet initial avait entièrement omis. Kaiser Permanente a déployé la solution de documentation ambiante d’Abridge dans 40 hôpitaux et plus de 600 cabinets médicaux — le plus grand déploiement d’IA générative de l’histoire de la santé. Les scribes cliniques ambiants (ambient clinical scribes) qui écoutent les conversations médecin-patient, génèrent des notes structurées et alimentent les dossiers de santé électroniques ont généré 600 millions de dollars de revenus en 2025, soit une croissance de 2,4 fois en glissement annuel.
Cette catégorie est importante car elle résout la principale plainte des médecins concernant la médecine moderne : la charge documentaire. Les études montrent systématiquement que les cliniciens consacrent près de deux heures de travail administratif pour chaque heure de soins aux patients. Les scribes ambiants par IA permettent de récupérer ce temps.
Advertisement
Chirurgie assistée par IA : le rôle croissant du robot chirurgien
La robotique chirurgicale remonte à la fin des années 1990 — le système chirurgical da Vinci a été lancé en 1999 en Europe et a reçu l’autorisation de la FDA en 2000 — mais l’intégration de l’IA aux robots chirurgicaux crée des capacités qui vont bien au-delà de la téléopération.
Le robot STAR de Johns Hopkins a démontré une anastomose intestinale laparoscopique autonome sur des modèles animaux, publiée dans Science Robotics en janvier 2022, avec des résultats égalant ou surpassant ceux de chirurgiens expérimentés. L’IA chirurgicale actuelle peut également fournir une navigation peropératoire — identifiant les structures anatomiques, signalant la proximité de nerfs critiques et superposant l’imagerie préopératoire sur les vues des tissus en direct.
La question de la responsabilité en chirurgie assistée par IA — qui est responsable lorsqu’un système autonome commet une erreur — reste juridiquement non résolue et constitue le principal frein au déploiement de systèmes à autonomie plus élevée.
IA en santé mentale : étendre l’accompagnement face à la crise
Avec plus d’un milliard de personnes vivant avec des troubles de santé mentale et une pénurie sévère de cliniciens formés, les outils de santé mentale alimentés par l’IA répondent à un besoin indéniable.
Wysa, qui détient le statut de Breakthrough Device de la FDA et a été validé dans plus de 15 publications évaluées par des pairs, et Limbic, un dispositif médical certifié Classe IIa utilisé par plus de 15 % des services du NHS, proposent une thérapie cognitivo-comportementale (TCC) fondée sur les preuves via conversation avec l’IA. Fait notable, Woebot — autrefois une application grand public de premier plan — a cessé son produit destiné aux consommateurs en juin 2025, pivotant entièrement vers un modèle entreprise au service des assureurs et des systèmes de santé. Ce pivot signale la maturation d’un marché où la viabilité nécessite des partenariats institutionnels plutôt que des abonnements grand public.
Les systèmes de détection des risques par IA analysant les schémas linguistiques, les niveaux d’activité et les données de sommeil des objets connectés peuvent identifier des signes précoces de dépression, d’épisodes maniaques et d’idéation suicidaire, plusieurs systèmes de santé pilotant la surveillance de patients à haut risque entre les consultations.
Les préoccupations relatives à la vie privée sont aiguës, et les réglementations émergentes de l’UE et du Royaume-Uni exigent désormais des voies d’escalade vers un humain dans les applications de santé mentale.
Essais cliniques réinventés
Les essais cliniques restent le goulet d’étranglement du développement de médicaments — estimé à 2,6 milliards de dollars en moyenne pour mettre un médicament sur le marché en 10 à 15 ans. L’IA s’attaque à ce problème sur plusieurs fronts : mise en correspondance des dossiers patients avec les critères d’essai 10 à 15 fois plus rapidement que l’examen manuel, génération de populations témoins synthétiques à partir de données réelles pour réduire la taille du bras placebo, et optimisation de plans d’essais adaptatifs bayésiens qui ajustent les paramètres en fonction des données accumulées.
Sur le plan réglementaire, les orientations provisoires de la FDA de janvier 2025 sur l’IA dans le développement de produits pharmaceutiques et biologiques ont établi un cadre d’évaluation de crédibilité en sept étapes pour les modèles d’IA. L’agence a également qualifié son premier outil d’essai clinique basé sur l’IA — l’AIM-MASH de PathAI pour le scoring de biopsies hépatiques — en décembre 2024. Parallèlement, le Règlement européen sur l’IA (AI Act) est entré en vigueur en août 2025, la plupart des obligations pour les systèmes d’IA médicale à haut risque devenant applicables en août 2026.
Le problème de l’équité : qui bénéficie de l’IA en santé ?
La plupart des IA médicales ont été entraînées principalement sur des données provenant de pays à revenu élevé. Ces modèles peuvent être nettement moins performants pour les patients issus de groupes démographiques sous-représentés. Une IA de radiographie thoracique entraînée sur des données américaines peut être moins précise pour des patients en Afrique subsaharienne, où les profils pathologiques diffèrent considérablement.
Le problème du dernier kilomètre est tout aussi profond. Les IA diagnostiques de pointe nécessitent un accès Internet fiable, des dossiers de santé numériques et des équipements compatibles — une infrastructure absente des régions où les besoins en santé sont les plus importants.
Des initiatives s’efforcent de combler l’écart. Google s’associe à Apollo Radiology International pour trois millions de dépistages gratuits du cancer en Inde. Lors de Google I/O 2025, Google a publié MedGemma et TxGemma — des LLM médicaux open source (modèles de langage à grande échelle) pour le langage clinique et le développement de médicaments — abaissant la barrière d’accès pour les systèmes de santé aux ressources limitées. L’Initiative mondiale de l’OMS sur l’IA pour la santé élabore des normes pour un déploiement équitable dans les pays à revenu faible et intermédiaire.
Advertisement
Radar décisionnel (Prisme Algérie)
| Dimension | Évaluation |
|---|---|
| Pertinence pour l’Algérie | Élevée — Le système de santé algérien fait face à des pénuries de médecins (particulièrement dans le Sud rural), de longs temps d’attente et des équipements d’imagerie médicale sous-utilisés en raison du manque de radiologues. Le diagnostic par IA et la documentation ambiante répondent directement à ces goulets d’étranglement. |
| Infrastructure prête ? | Partielle — Les grands hôpitaux d’Alger, d’Oran et de Constantine disposent d’équipements d’imagerie et de systèmes numériques, mais les établissements ruraux manquent de connectivité fiable, de dossiers de santé numériques et de matériel compatible nécessaires au déploiement de l’IA. |
| Compétences disponibles ? | Partielles — L’Algérie dispose de facultés de médecine établies et d’un nombre croissant de diplômés en informatique, mais l’expertise en IA biomédicale, en bio-informatique et en science des données de santé reste rare. Aucun centre de recherche dédié à l’IA médicale n’existe encore. |
| Horizon d’action | 12-24 mois — Des programmes pilotes de triage radiologique assisté par IA et de documentation ambiante dans les principaux CHU sont réalisables dans ce délai, tandis qu’un déploiement plus large nécessite des investissements en infrastructure. |
| Parties prenantes clés | Ministère de la Santé, directeurs des CHU, doyens des facultés de médecine, CERIST et agences de recherche, startups de technologies de santé, fabricants pharmaceutiques (Groupe Saidal), opérateurs télécoms soutenant les projets pilotes de télémédecine |
| Type de décision | Stratégique — Nécessite une planification au niveau national pour intégrer l’IA dans l’infrastructure de santé, assurer la conformité avec les exigences de la loi 18-07 en matière de protection des données de santé, et construire des filières de formation pour les spécialistes en IA médicale. |
Synthèse : La pénurie de médecins en Algérie et son infrastructure de santé centralisée en font un candidat idéal pour le diagnostic assisté par IA et la documentation clinique — précisément les catégories connaissant l’adoption mondiale la plus rapide. L’opportunité immédiate réside dans le déploiement d’IA radiologique autorisée par la FDA dans les CHU où l’équipement d’imagerie existe déjà mais où la disponibilité des radiologues constitue le facteur limitant. Toutefois, la réalisation de ce potentiel nécessite des cadres réglementaires pour la gouvernance des données de santé au titre de la loi 18-07, des investissements dans l’infrastructure de santé numérique au-delà des grandes villes, et des programmes de formation en IA médicale dans les universités algériennes.
Conclusion
L’IA dans la santé n’est pas une révolution à venir — c’est une transformation en cours qui sauve déjà des vies, accélère la découverte de médicaments et élargit l’accès au diagnostic. Plus de 1 300 dispositifs d’IA autorisés par la FDA, un marché de 50 milliards de dollars, des médicaments conçus par IA affichant des résultats positifs en Phase II, et des scribes ambiants déployés à l’échelle de systèmes de santé — les preuves ne sont plus spéculatives.
Les institutions qui investiront dans l’infrastructure, la formation et les cadres de gouvernance nécessaires pour déployer ces outils de manière responsable obtiendront des résultats mesurables et supérieurs dans la prochaine décennie. Pour les décideurs politiques, le défi est de garantir que cette promesse extraordinaire se concrétise de manière équitable.
Sources et lectures complémentaires
- AlphaFold 200 million protein structures — Nature
- AlphaFold Database expansion — EMBL-EBI
- AlphaFold 3 — Nature (2024)
- AlphaFold 3 — Isomorphic Labs
- Insilico Medicine Phase II — Insilico Blog
- Insilico Phase IIa positive results — Insilico
- Recursion Pharmaceuticals platform
- Isomorphic Labs pharma partnerships
- FDA AI-Enabled Medical Devices list
- 2025 FDA AI device clearances — Innolitics
- Paige FDA clearance for prostate cancer — MobiHealthNews
- PathAI AISight Dx FDA clearance
- DermaSensor FDA clearance
- AliveCor FDA clearances — HCPLive
- Smartwatch AFib detection — JACC Advances
- STAR robot autonomous surgery — Johns Hopkins
- STAR robot — Science Robotics
- WHO mental health data (2025)
- Wysa clinical evidence
- Limbic — NHS partnerships
- Drug development costs — PatentPC
- FDA AI guidance for drug development (Jan 2025) — DLA Piper
- FDA AI drug development analysis — IntuitionLabs
- Google Health AI research
- WHO Global Initiative on AI for Health
- AI in healthcare market size — Fortune Business Insights
- Da Vinci Surgical System history
Advertisement