The current roles of Artificial Intelligence in public health: A scoping review
Cette revue de portée sur les pratiques de santé publique des pays à revenu élevé de 2020 à 2025 révèle une pénurie significative de preuves concernant la mise en œuvre réelle et l'efficacité mitigée des outils d'IA, soulignant le besoin urgent d'une évaluation rigoureuse et de la dissémination des résultats pour guider l'adoption future.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le monde de la santé publique comme une immense et très occupée bibliothèque. Les bibliothécaires (les professionnels de la santé publique) essaient de maintenir la communauté en bonne santé, mais ils sont souvent en sous-effectif, avec un budget serré et noyés sous la paperasse. Entrez l'Intelligence Artificielle (IA), un nouvel assistant robotique super rapide qui promet de faire le gros du travail, de ranger les étagères et même de discuter avec les visiteurs.
Ce document est une « revue de la portée » (scoping review), ce qui est essentiellement une immense chasse au trésor. Les auteurs voulaient savoir : « Comment ces assistants robots sont-ils réellement utilisés dans la bibliothèque en ce moment ? » Ils ne se sont pas contentés de demander ce que les robots pourraient faire ; ils ont cherché des preuves de ce qu'ils font réellement sur le terrain.
Voici ce qu'ils ont trouvé, résumé simplement :
Les résultats de la chasse au trésor
L'équipe a fouillé quatre énormes bibliothèques numériques (bases de données) à la recherche d'histoires sur l'utilisation de l'IA en santé publique entre 2020 et 2025. Ils ont passé au crible 5 400 indices potentiels et lu 155 histoires complètes, mais au final, ils n'ont trouvé que 8 rapports montrant l'IA réellement utilisée dans des contextes de santé publique du monde réel.
C'est comme chercher un type spécifique d'oiseau rare dans une forêt de la taille d'un continent, pour n'en trouver que huit observations. Les auteurs ont réalisé que, bien que tout le monde parle de l'IA, il y a très peu de preuves écrites de son fonctionnement réel dans les tâches quotidiennes de la santé publique.
Les huit histoires trouvées
Les huit rapports trouvés sont comme huit outils différents dans une boîte à outils, chacun utilisé pour un travail spécifique :
- Le guide utile (Le chatbot WIC) : Aux États-Unis, un chatbot nommé « Maya » a aidé des mères à trouver des programmes alimentaires locaux et à signaler la perte de cartes. Les gens l'ont apprécié parce que c'était plus rapide que d'appeler une ligne d'assistance. Verdict : Utile.
- Le bibliothécaire confus (Le chatbot de l'OMS) : L'Organisation mondiale de la Santé a testé un chatbot nommé « S.A.R.A.H » pour lutter contre les fausses informations. Malheureusement, il donnait souvent de mauvaises réponses, ignorait les préoccupations des utilisateurs ou semblait robotique. Il était si inefficace que l'OMS l'a finalement désactivé. Verdict : Une menace potentielle pour la confiance.
- Le trieur rapide (Logiciel de revue de preuves) : Au Canada, un outil appelé « DAISY » a aidé des chercheurs à trier des milliers d'articles scientifiques pour trouver ceux concernant la COVID-19. Il était incroyablement précis, trouvant des articles que les humains avaient manqués. Verdict : Très utile pour le tri.
- L'appelant amical (CareCall) : En Corée du Sud, une IA appelée « CareCall » passait des appels téléphoniques à des personnes âgées isolées pour vérifier si elles allaient bien. Cela a bien fonctionné pour atteindre plus de personnes, mais cela a créé un nouveau problème : lorsque l'IA ne parvenait pas à joindre quelqu'un, les travailleurs humains devaient quand même les appeler, ce qui ajoutait à leur charge de travail. Verdict : Un bilan mitigé entre bonne portée et travail supplémentaire.
- Le prévisionniste météo (Apprentissage automatique) : Au Royaume-Uni, l'IA a été utilisée pour prédire quand les hôpitaux seraient inondés d'enfants malades (spécifiquement avec des toux et des bronchites). Elle était assez bonne pour prédire les moments de « pic », aidant ainsi les hôpitaux à se préparer. Verdict : Utile pour la planification.
- Le vérificateur de symptômes (Chatbot COVID) : Au Canada, un chatbot nommé « Chloe » aidait les gens à vérifier s'ils présentaient des symptômes de la COVID. Il était correct pour répondre aux questions, mais il n'est plus actif. Verdict : Précision mitigée, désormais retiré.
- Le chercheur de doublons (Outils de revue) : Au Royaume-Uni, des outils d'IA ont aidé les chercheurs à supprimer les fichiers en double lors de la revue de preuves. Cela a permis de gagner beaucoup de temps, même s'il en a manqué quelques-uns. Verdict : Un gain de temps.
- Le détective d'images (Application Mpox) : À Singapour, une application examinait des photos d'éruptions cutanées pour voir s'il s'agissait de la variole du singe (Mpox). Elle était assez précise pour détecter l'éruption. Verdict : Efficace pour la détection d'images.
La grande conclusion : « Le fossé entre le battage médiatique et la réalité »
La leçon principale de ce document est que nous n'avons pas encore assez de preuves.
Considérez l'IA en santé publique comme un nouveau moteur coûteux pour une voiture. Tout le monde parle de la vitesse à laquelle elle pourrait rouler. Mais cette revue a constaté que très peu de personnes ont réellement conduit la voiture sur une vraie route et ont consigné le kilométrage.
- Le bon : Certains outils (comme ceux qui trient les articles ou prédisent l'affluence hospitalière) semblent bien fonctionner.
- Le mauvais : Certains outils (comme le chatbot de l'OMS) ont tellement échoué qu'ils ont réellement fait perdre la confiance des gens envers l'organisation.
- Le laid : Parfois, utiliser l'IA crée de nouveaux problèmes, comme rendre le travail des humains plus difficile parce qu'ils doivent corriger les erreurs de l'IA.
Pourquoi est-ce un problème ?
Les auteurs soulignent que la plupart de ces rapports proviennent de grandes organisations bien financées (comme l'OMS ou les agences nationales de santé). Les plus petites équipes de santé locales — qui pourraient pourtant avoir le plus besoin d'aide — utilisent peut-être aussi l'IA, mais elles n'en écrivent pas de rapports.
Parce qu'il y a si peu de preuves, il est difficile pour une équipe de santé publique de savoir : « Dois-je acheter cet outil d'IA ? Va-t-il me faire économiser de l'argent ? Va-t-il réellement aider les gens ? »
La conclusion
Le document se termine par un conseil simple : N'achetez pas le nouveau robot brillant simplement parce qu'il est tendance.
Si une équipe de santé publique veut utiliser l'IA, elle doit d'abord la tester pour s'assurer qu'elle fonctionne réellement et qu'elle ne cause pas de tort. Et si elle la teste, elle doit partager ses résultats avec tout le monde, afin que nous puissions enfin construire un véritable « manuel d'utilisation » pour l'IA en santé publique. D'ici là, nous volons principalement à l'aveugle.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.