Enterprise AI Readiness in Healthcare: Development and Preliminary Evaluation of a Five-Domain Survey Framework

Les hôpitaux et les systèmes de santé se tournent de plus en plus vers l'intelligence artificielle, la branche de l'informatique qui permet aux machines d'apprendre à partir de données et de prendre des décisions. Ces outils promettent d'aider les médecins à diagnostiquer les maladies plus rapidement, à gérer les ressources hospitalières plus efficacement et à réduire la charge administrative du personnel. Cependant, le simple fait d'acheter ou de tester un nouveau programme logiciel ne signifie pas qu'un hôpital est prêt à l'utiliser efficacement dans l'ensemble de ses opérations. Il existe une différence significative entre posséder une technologie et posséder la capacité organisationnelle de l'utiliser de manière sûre, équitable et à grande échelle. Tout comme une voiture nécessite non seulement un moteur mais aussi un conducteur, du carburant, des routes et des règles de circulation pour fonctionner, un système d'intelligence artificielle a besoin d'un environnement favorable pour réussir. Sans un leadership adéquat, une qualité de données rigoureuse, un personnel formé et des règles claires, même les outils les plus avancés peuvent échouer ou causer des dommages.

Une étude récente d'Ajmal Aminee, de l'Université d'État de Californie, explore cet écart en développant une nouvelle façon de mesurer la « préparation à l'IA en entreprise » (Enterprise AI Readiness). Au lieu de compter le nombre de projets d'intelligence artificielle qu'un hôpital a entamés, le chercheur a demandé aux dirigeants d'évaluer la préparation globale de leur organisation à travers cinq domaines spécifiques. L'étude a interrogé 150 dirigeants d'hôpitaux, de centres médicaux et d'entreprises technologiques, suivis d'entretiens approfondis avec 28 d'entre eux. L'objectif était de déterminer si la préparation d'un hôpital dans ces domaines est réellement liée à la manière dont il implémente l'intelligence artificielle, à la facilité avec laquelle il peut étendre son utilisation et s'il en retire de réels bénéfices. Les résultats suggèrent que, bien que de nombreuses organisations soient solides sur le papier en ce qui concerne leurs stratégies et leur gouvernance, elles éprouvent souvent des difficultés avec le travail pratique de formation du personnel et d'intégration de ces outils dans les soins quotidiens aux patients.

Le chercheur a construit un cadre basé sur cinq piliers de préparation interconnectés. Le premier est le leadership et la stratégie, qui examine si les cadres disposent d'un plan clair et des connaissances nécessaires pour guider les efforts d'intelligence artificielle. Le deuxième est les données, la technologie et l'infrastructure, qui examine si l'hôpital dispose de données propres et accessibles ainsi que des systèmes informatiques nécessaires pour faire fonctionner ces outils. Le troisième pilier est la préparation de la main-d'œuvre et de l'organisation, qui se concentre sur la compréhension de la technologie par les médecins, les infirmiers et les administrateurs, ainsi que sur leur sentiment d'être préparés à l'utiliser. Le quatrième domaine est la gouvernance, la sécurité et l'intelligence artificielle responsable, qui vérifie si l'organisation dispose de règles pour protéger la vie privée des patients, prévenir les biais et assurer la responsabilité. Le dernier pilier est l'intégration clinique et l'évaluation, qui mesure si les outils s'intègrent harmonieusement dans les flux de travail des patients et si l'hôpital peut suivre si ces outils améliorent réellement les résultats.

Lorsque le chercheur a analysé les réponses au sondage, il a constaté que la préparation n'était pas répartie uniformément dans ces cinq domaines. La préparation stratégique et le leadership ont reçu les scores les plus élevés, avec une note moyenne de 3,89 sur 5. Cela suggère que les cadres hospitaliers sont généralement conscients de l'importance de l'intelligence artificielle et ont commencé à formuler des stratégies. La gouvernance et la sécurité ont également obtenu des scores relativement bons à 3,71, indiquant que de nombreuses organisations ont établi des comités et des politiques pour superviser ces technologies. Cependant, les scores ont chuté de manière significative pour les aspects plus pratiques de la mise en œuvre. La préparation de la main-d'œuvre a atteint une moyenne de 3,34, et l'intégration clinique et l'évaluation ont reçu le score le plus bas, soit 3,29. Ce schéma révèle une tendance commune : les hôpitaux sont bons pour planifier et établir des règles, mais ils sont moins préparés à former leur personnel et à tisser ces outils dans le flux complexe et en temps réel des soins aux patients.

L'étude a également examiné si ces scores de préparation importaient pour le succès réel. Les données ont montré un lien fort entre la préparation globale et trois résultats clés : le succès de l'implémentation de l'intelligence artificielle, la facilité avec laquelle elle pouvait être étendue à d'autres départements et si l'organisation estimait en retirer une réelle valeur. Les organisations qui ont obtenu des scores plus élevés dans les cinq domaines ont fait état d'un plus grand succès dans le déploiement de ces outils et dans leur mise à l'échelle. Plus précisément, la préparation stratégique et le leadership avaient la connexion indépendante la plus forte avec le succès de l'implémentation, suivis de près par la capacité d'intégrer les outils dans les flux de travail cliniques. Cela indique qu'avoir une vision claire venant d'en haut est crucial, mais que cela ne suffit pas à lui seul ; les outils doivent également être utilisables par les personnes sur le terrain.

Pour mieux comprendre les chiffres, le chercheur s'est entretenu avec les dirigeants ayant répondu au sondage. Les entretiens ont confirmé les résultats du sondage tout en apportant un contexte important. De nombreux dirigeants ont admis que, bien qu'ils aient des stratégies ambitieuses et des comités formels, la réalité quotidienne était souvent plus difficile. Ils ont décrit des défis liés à des systèmes de données fragmentés qui ne communiquent pas entre eux, un manque de formation spécifique pour le personnel et la difficulté de faire en sorte que les nouveaux outils s'intègrent aux routines existantes des patients sans causer de perturbations. Un dirigeant a noté que passer d'un petit projet pilote à un système à pleine échelle exigeait bien plus que de simplement prouver que la technologie fonctionnait ; cela exigeait des données fiables, une propriété claire et un soutien soutenu. Un autre a souligné que la gouvernance s'arrêtait souvent à l'étape de l'approbation, avec moins d'attention portée à la surveillance des outils après leur déploiement ou à la responsabilisation des personnes pour leurs performances.

L'étude conclut que devenir « prêt pour l'IA » n'est pas un événement unique, mais un processus continu de construction et d'alignement des capacités. Il ne suffit pas qu'un hôpital adopte une nouvelle technologie ; il doit également s'assurer que son personnel est formé, que ses données sont propres, que ses règles sont appliquées et que ses flux de travail sont adaptés. La recherche suggère que de nombreuses organisations de santé sont actuellement en avance sur la stratégie et la gouvernance, mais accusent un retard dans le travail humain et opérationnel requis pour faire fonctionner l'intelligence artificielle en pratique. Bien que l'étude fournisse un cadre utile pour identifier ces lacunes, l'auteur avertit que les résultats sont basés sur des perceptions auto-déclarées et nécessitent des tests supplémentaires au fil du temps. Néanmoins, les conclusions offrent un message clair pour les dirigeants de la santé : pour réaliser le plein potentiel de l'intelligence artificielle, ils doivent regarder au-delà de la technologie elle-même et se concentrer sur la construction d'une organisation de soutien, capable et intégrée.