Public attitudes toward sharing health data for artificial intelligence: Differences by data type and sector in the Health in Central Denmark cohort

Une étude menée auprès de près de 39 000 participants au Danemark révèle que l'acceptation du partage des données de santé pour l'IA dépend à la fois du type de données (les images médicales étant les plus partagées) et du secteur destinataire, avec une préférence marquée pour les institutions publiques plutôt que privées.

L'essentiel

🏥 Le grand sondage : Qui veut partager ses données de santé pour l'Intelligence Artificielle ?

Imaginez que votre dossier médical est une boîte à outils remplie d'outils précieux : vos radios (images), vos notes de médecin (texte), votre ADN (génétique) et même des enregistrements de vos conversations avec le docteur (audio).

Les chercheurs de cette étude au Danemark se sont demandé : « Si une Intelligence Artificielle (IA) voulait utiliser ces outils pour apprendre et devenir plus intelligente, seriez-vous d'accord ? »

Mais il y avait un gros détail : ils voulaient savoir si cela changeait selon qui tenait la boîte. Est-ce que vous la donneriez plus volontiers à :

1. L'État (les hôpitaux publics, le gouvernement) ?
2. Une entreprise privée (une société commerciale qui cherche à faire du profit) ?

Voici ce qu'ils ont découvert, en utilisant des images simples.

---

1. La règle d'or : "Mieux vaut le facteur de la mairie que le vendeur de la rue" 🏛️ vs 🏪

C'est la découverte la plus importante. Les Danois font beaucoup plus confiance aux institutions publiques qu'aux entreprises privées.

• L'analogie : Imaginez que vous devez confier un secret très important. Vous le confieriez plus volontiers à un notaire de confiance (le secteur public) qu'à un marchand ambulant (le secteur privé) qui pourrait essayer de revendre votre secret.
• Les chiffres : Les gens étaient 12 à 16 % plus enclins à partager leurs données avec le secteur public. Peu importe le type de données, la méfiance envers le "secteur privé" (souvent perçu comme cherchant le profit) est réelle.

2. Le tri des données : Ce qu'on accepte de donner facilement, et ce qu'on garde sous clé 🗂️

Les chercheurs ont testé quatre types de données. Voici comment les gens ont réagi, du plus facile au plus difficile :

• 🥇 Les Images Médicales (Radios, Scanners) : C'est le plus facile à partager (46 % d'accord).
  • L'image : C'est comme donner une photo de votre maison à un architecte pour qu'il apprenne à mieux construire. On voit bien ce que c'est, ça ne semble pas trop intime.
• 🥈 Les Textes (Dossiers médicaux) : Un peu plus réservé (39 %).
  • L'image : C'est comme montrer votre journal intime à un lecteur. On a un peu plus peur qu'on lise nos pensées.
• 🥉 L'ADN (Génétique) : Encore plus sensible (35 %).
  • L'image : C'est comme donner votre empreinte digitale universelle. Ça concerne toute votre famille, pas juste vous. C'est très intime.
• 🚫 Les Enregistrements Audio (Vos conversations) : C'est le plus difficile (27 %).
  • L'image : C'est comme filmer une conversation privée dans votre salon. C'est là où les gens sont les plus réticents. Ils ont peur d'être écoutés ou mal interprétés.

3. Le grand "Je ne sais pas" : Le brouillard 🌫️

Une chose a surpris les chercheurs : beaucoup de gens ne savaient pas quoi répondre. Environ un tiers des personnes ont dit "Je ne sais pas".

• Pourquoi ? L'IA est encore un peu mystérieuse pour le grand public. C'est comme si on vous demandait de donner vos clés à un robot que vous ne comprenez pas. Vous avez peur, mais vous ne savez pas exactement de quoi vous avez peur.
• Le message : Les gens ont besoin qu'on leur explique clairement pourquoi on utilise leurs données et comment on les protège. Sans explications, ils restent dans le brouillard.

4. La conclusion : La confiance est la clé 🔑

Cette étude nous dit deux choses essentielles pour l'avenir de la santé :

1. La transparence est vitale : Si on veut que les gens acceptent de partager leurs données pour faire avancer la médecine (trouver des remèges, améliorer les diagnostics), il faut être très clair. Il faut dire : "On utilise vos données pour ça, et voici comment on les protège."
2. Le rôle de l'État : Les gens font plus confiance aux hôpitaux publics. Si des entreprises privées veulent utiliser ces données, elles doivent travailler sous la surveillance stricte du public, comme un partenaire qui a besoin d'une autorisation spéciale.

En résumé :
Les gens sont prêts à aider la science, mais ils veulent savoir qui tient les rênes et quoi on fait avec leurs informations. Si l'IA veut devenir le meilleur ami de la médecine, elle doit d'abord gagner la confiance des gens, en étant transparente et en respectant leur intimité, surtout quand il s'agit de données très sensibles comme l'ADN ou la voix.

Résumé technique

Titre de l'étude

Attitudes du public envers le partage de données de santé pour l'intelligence artificielle : Différences selon le type de données et le secteur (Cohorte Health in Central Denmark)

---

1. Problématique

Le développement de l'intelligence artificielle (IA) dans le domaine de la santé repose sur l'accès à de vastes ensembles de données de haute qualité (dossiers médicaux, images, génétique, enregistrements audio). Cependant, la mise en œuvre de ces technologies se heurte à des défis éthiques et de gouvernance, notamment la protection de la vie privée, les biais algorithmiques et le manque de transparence ("boîte noire").

Bien que la confiance dans les institutions publiques soit généralement élevée, notamment dans les pays nordiques, il existe une incertitude croissante concernant l'utilisation des données de santé par des acteurs privés à des fins commerciales. L'étude vise à combler un manque de littérature en examinant spécifiquement les perceptions du public concernant le partage de différents types de données de santé (dossiers électroniques, images médicales, enregistrements audio, données génétiques) avec des entités du secteur public par rapport au secteur privé pour le développement de solutions d'IA.

2. Méthodologie

• Source de données : L'étude utilise les données de l'enquête Health in Central Denmark (HICD) menée en 2024.
• Population : 38 740 participants (sur 136 229 invités) âgés de 18 à 92 ans, résidant dans la région du Danemark central. L'échantillon a été pondéré pour représenter la population de fond d'environ 1 million d'habitants de la région, en ajustant l'âge, le sexe, le niveau d'éducation et le statut diabétique.
• Conception de l'étude :
  • Randomisation : Les participants ont été randomisés pour recevoir l'une des deux versions d'un scénario de question : soit l'IA était développée par une organisation publique, soit par une organisation privée. C'est la seule variable différente entre les deux groupes.
  • Variables dépendantes : Les participants devaient indiquer leur volonté de partager quatre types de données :
    1. Dossiers de santé électroniques (texte et données tabulaires).
    2. Images médicales (scanners, IRM, etc.).
    3. Enregistrements audio des consultations.
    4. Informations génétiques.
  • Réponses possibles : "Oui", "Non", "Je ne sais pas".
• Analyse statistique :
  • Utilisation de régression logistique multinomiale pour modéliser l'association entre le groupe de randomisation (secteur public vs privé) et l'attitude de partage, en prenant "Je ne sais pas" comme catégorie de référence.
  • Calcul des rapports de cotes (Odds Ratios - OR) avec intervalles de confiance à 95 %.
  • Pondération des résultats pour corriger les biais de non-réponse et généraliser les résultats à la population cible.

3. Contributions Clés

• Échelle et Design : Il s'agit de l'une des plus grandes études basées sur la population (n ≈ 39 000) se concentrant spécifiquement sur le partage de données pour l'IA, utilisant un design randomisé pour isoler l'effet du destinataire des données (public vs privé).
• Granularité des données : L'étude distingue non seulement les secteurs, mais aussi la sensibilité perçue de quatre modalités de données distinctes, y compris des données émergentes comme les enregistrements audio et les données génétiques.
• Mesure de l'incertitude : L'étude met en lumière l'ampleur significative de la catégorie "Je ne sais pas", suggérant un manque de connaissance ou d'engagement du public plutôt qu'un simple rejet.

4. Résultats

• Volonté globale de partage :
  • Les données les plus partagées sont les images médicales (46 % de "Oui" global).
  • Suivent les textes des dossiers patients (39 %).
  • Les données génétiques (35 %).
  • Les enregistrements audio sont les moins partagés (27 %).
• Effet du secteur (Public vs Privé) :
  • La volonté de partage est systématiquement plus élevée pour le secteur public que pour le secteur privé, avec une différence de 12 à 16 % selon le type de données.
  • Rapports de cotes (OR) : Pour répondre "Oui" au partage avec le secteur public par rapport au privé, les OR varient de 1,37 (données génétiques) à 1,78 (dossiers électroniques).
  • Pour répondre "Non", les OR varient de 0,51 à 0,67, indiquant une probabilité significativement plus faible de refus envers le secteur public.
• Niveau d'incertitude :
  • Une proportion élevée de participants a répondu "Je ne sais pas" (29 % à 36 %), indépendamment du type de données ou du destinataire.
  • L'incertitude est particulièrement marquée pour les données génétiques (36 %) et les enregistrements audio (34 %).
• Comparaisons internationales : Les taux de volonté de partage dans cette étude sont inférieurs à ceux observés dans des revues systématiques sur le partage de données pour la recherche générale (77 %), suggérant que le contexte spécifique de l'IA génère plus de scepticisme.

5. Signification et Implications

• Gouvernance et Confiance : Les résultats confirment que la confiance institutionnelle est un déterminant majeur. Le public fait davantage confiance aux institutions publiques, perçues comme agissant pour le bien commun, par opposition aux acteurs privés motivés par le profit.
• Sensibilité des données : La réticence accrue face aux données génétiques et aux enregistrements audio souligne la nécessité de mesures de protection proportionnées et de consentements spécifiques pour ces modalités sensibles.
• Défi de l'IA : Le niveau élevé d'incertitude ("Je ne sais pas") indique que le public manque de compréhension ou d'engagement concernant l'IA. Cela suggère que la simple régulation ne suffit pas ; une communication transparente sur les finalités, les mesures de sécurité et les bénéfices sociétaux est cruciale.
• Recommandations Politiques :
  • Ancrer le développement de l'IA dans des infrastructures publiques ou sous une surveillance publique stricte.
  • Mettre en place des cadres de gouvernance clairs (comme l'Espace européen des données de santé et l'AI Act) pour garantir la transparence et la responsabilité.
  • Améliorer la littératie numérique et la compréhension de l'IA par le public pour réduire l'incertitude et renforcer la confiance.

En conclusion, l'acceptation sociale de l'IA en santé dépend d'un équilibre subtil entre la nature sensible des données et la perception de l'intention de l'institution qui les utilise. Une gouvernance robuste et transparente est essentielle pour permettre une innovation durable.