Awareness, adoption, and predictors of artificial intelligence use among public health researchers in Bo District, Sierra Leone: a cross-sectional study
Malgré une sensibilisation élevée à l'intelligence artificielle chez les chercheurs en santé publique du district de Bo, en Sierra Leone, l'adoption réelle demeure faible et n'est pas prédite de manière significative par des facteurs individuels tels que la formation ou l'expérience, ce qui suggère que les barrières structurelles et infrastructurelles sont les principaux déterminants de cet écart entre sensibilisation et adoption.
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
Dans le monde vaste et souvent silencieux de la recherche en santé publique, les scientifiques travaillent pour comprendre comment les maladies se propagent, pourquoi les gens tombent malades et comment maintenir les communautés en bonne santé. Pendant des décennies, ce travail s'est appuyé sur l'observation minutieuse, les enquêtes et l'analyse statistique pour transformer des chiffres bruts en connaissances salvatrices. Récemment, un nouvel outil puissant est entré en scène : l'intelligence artificielle. Il ne s'agit pas d'un robot qui pense comme un humain, mais plutôt d'un système informatique sophistiqué conçu pour trouver des modèles, apprendre des données et faire des prédictions bien plus rapidement qu'un être humain. Dans les pays riches, ces systèmes aident déjà les chercheurs à repérer précocement les épidémies et à concevoir de meilleurs traitements. Mais dans de nombreuses parties du monde, là où les ressources sont limitées et les connexions Internet peuvent être peu fiables, l'histoire est différente. La grande question pour les scientifiques de ces régions n'est pas seulement de savoir s'ils connaissent cette technologie, mais s'ils peuvent réellement l'utiliser pour améliorer leur travail.
Une étude récente s'est donné pour mission de répondre à cette question dans le district de Bo, en Sierra Leone, un centre majeur de recherche en santé dans le pays. Les chercheurs voulaient voir si les experts locaux en santé publique étaient informés de l'intelligence artificielle, s'ils avaient reçu une formation sur la façon de l'utiliser et s'ils l'appliquaient réellement dans leur travail quotidien. Ils voulaient également comprendre ce qui les empêchait d'utiliser ces outils, même lorsqu'ils savaient qu'ils existaient. L'équipe a interrogé deux cents personnes travaillant dans des universités, des hôpitaux, des bureaux gouvernementaux et des organisations à but non lucratif à travers le district. Il s'agissait des personnes directement impliquées dans la collecte de données de santé, l'analyse des tendances de maladies et la prise de décisions fondées sur des preuves.
Les résultats ont révélé un écart frappant entre la connaissance d'un outil et son utilisation. Près de trois chercheurs sur quatre dans le district ont déclaré être conscients de l'intelligence artificielle. Ils connaissaient le terme, comprenaient l'idée de base et en reconnaissaient le potentiel. Cependant, lorsque les chercheurs ont demandé qui utilisait réellement ces outils dans son travail, le chiffre a chuté de manière significative. Seulement environ un chercheur sur trois a déclaré utiliser l'intelligence artificielle. Plus révélateur encore était le constat sur la formation : seulement environ un quart des participants avait déjà reçu une instruction formelle sur la façon d'utiliser ces systèmes. Cela suggère que si l'idée de l'intelligence artificielle est parvenue à ces chercheurs, la capacité pratique de l'utiliser ne l'a pas été.
L'étude a examiné de près si le fait de suivre une formation faisait une différence dans l'utilisation de la technologie par une personne. C'est une hypothèse courante que si l'on enseigne à quelqu'un comment utiliser un nouvel outil, il l'utilisera. Dans ce groupe, ceux qui avaient reçu une formation étaient légèrement plus susceptibles d'utiliser l'intelligence artificielle que ceux qui ne l'avaient pas reçue. Cependant, la différence était suffisamment faible pour qu'elle puisse être due au hasard. Les données ont montré que la formation seule ne garantissait pas l'adoption. De même, les chercheurs ont vérifié si l'utilisation de ces outils donnait aux gens le sentiment que leur travail était meilleur. Ils ont constaté que l'utilisation de l'intelligence artificielle ne prédisait pas statistiquement si un chercheur estimait que son travail s'était amélioré. Certains utilisateurs estimaient que cela aidait, tandis que d'autres n'en étaient pas sûrs, et la même chose était vraie pour les non-utilisateurs.
L'étude a également examiné si le type de lieu de travail d'une personne — comme une université par rapport à un hôpital — ou le nombre d'années d'expérience influençaient son utilisation de la technologie. L'analyse n'a trouvé aucun lien clair entre ces facteurs et l'utilisation de l'intelligence artificielle. Cela pointe vers un problème plus profond. Les chercheurs ont conclu que les barrières à l'utilisation de l'intelligence artificielle dans ce contexte ne sont pas simplement un manque de connaissances ou de compétences individuelles. Au contraire, le problème semble être structurel. Dans un endroit où les connexions Internet peuvent être instables, où les ordinateurs peuvent être vieux ou lents, et où il peut ne pas y avoir de politiques officielles soutenant l'utilisation de nouvelles technologies, même un chercheur bien formé aura du mal à utiliser ces outils efficacement.
Les conclusions suggèrent que simplement sensibiliser ou organiser un atelier de formation ponctuel ne suffit pas pour intégrer l'intelligence artificielle dans l'usage courant dans des endroits comme le district de Bo. L'écart entre la connaissance de la technologie et son utilisation est large, et il est maintenu ouvert par l'environnement physique et organisationnel. Pour combler cet écart, les chercheurs soutiennent que l'investissement doit aller au-delà de l'enseignement de l'utilisation de logiciels. Il doit inclure la construction d'une infrastructure numérique fiable, la garantie d'un accès abordable aux outils nécessaires et la création de règles claires au sein des institutions qui soutiennent l'utilisation éthique et efficace de ces systèmes. Tant que ces pièces fondamentales ne seront pas en place, le potentiel de l'intelligence artificielle pour transformer la recherche en santé publique dans les contextes à faibles ressources restera largement inexploité, attendant que les conditions rattrapent les connaissances.
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.