AI and Healthcare: Building the Foundations of Intelligent Health Systems

Dr. Tantawy décrit AI Share comme une initiative développée par le Centre d'innovation appliquée d'Égypte pour permettre aux pays du Sud de partager et de co-développer des solutions de santé basées sur l'IA, plutôt que de dupliquer les efforts. La plateforme fonctionne comme un « répertoire de solutions » où les entités peuvent contribuer avec des outils qu'elles ont développés, permettre à d'autres de les utiliser et de les affiner, et également signaler des problèmes pour lesquels elles ont besoin d'aide. Ce modèle collaboratif est conçu pour maximiser les ressources limitées à l'échelle de la région.

Dr. Tantawy a expliqué que les pays du Sud disposent de ressources limitées et développent souvent de manière indépendante des solutions pour les mêmes problèmes, ce qui rend la collaboration indispensable . Il a décrit la plateforme comme un référentiel partagé où les propriétaires de solutions conservent le contrôle tout en mettant leurs outils à la disposition d'autres pour utilisation ou adaptation, et où les pays peuvent également solliciter le co-développement de solutions qu'ils ne peuvent pas se permettre d'acquérir commercialement .

Dr. Tantawy souligne que l'IA dans le domaine de la santé n'est pas un concept unique et monolithique, mais plutôt un ensemble d'applications très différentes, chacune ayant ses propres exigences et défis. Il cite le diagnostic, l'aide à la décision clinique, le soutien administratif, la saisie structurée de données par les médecins et la recherche comme des domaines distincts. Les traiter de manière uniforme serait une erreur, car chacun doit être abordé différemment.

Dr. Tantawy a explicitement énuméré les différents domaines de l'IA dans le secteur de la santé, notant que les présentations des entreprises en démarrage lors de la session illustraient clairement cette diversité . Il a insisté sur le fait que ces domaines sont très différents et doivent être envisagés de manière très différente .

Dr. Tantawy expose une série de défis pratiques qui se posent lors du déploiement de solutions de santé basées sur l'IA, en commençant par la question technique des biais et de la représentativité des données, puis en abordant la puissance de calcul, l'adéquation opérationnelle avec les structures hospitalières existantes, la formation du personnel et le coût élevé des modèles de tarification par patient pour les pays du Sud. Il soutient que l'aspect technique est en réalité le plus facile à résoudre, tandis que les défis opérationnels et financiers sont souvent sous-estimés.

Dr. Tantawy a noté que les solutions développées dans un pays peuvent être peu performantes dans un autre en raison de données non représentatives, mais que l'ajustement fin avec des données locales peut porter la précision à 95-99 % . Il a également souligné que la puissance de calcul est nécessaire pour améliorer à la fois la précision et la rapidité , que l'intégration opérationnelle dans des hôpitaux établis de longue date est fréquemment négligée , et que des coûts par patient d'un ou deux dollars seulement peuvent être prohibitifs pour de nombreux pays du Sud .

Dr. Tantawy soutient que lorsque l'IA est intégrée dans un système de santé, des garanties doivent exister pour qu'elle reste disponible et ne puisse pas être retirée ou utilisée de manière abusive au détriment des patients. Il présente cela comme une question de résilience nationale et humanitaire, distincte d'un simple achat technologique ordinaire. Il appelle à une réglementation qui traite l'IA en santé comme un bien humanitaire plutôt que comme un produit commercial standard.

Dr. Tantawy a averti que l'introduction d'une solution d'IA dans un système de santé crée une dépendance, et que personne ne devrait pouvoir « la retirer et causer du tort aux personnes » . Il a suggéré que cette question relève du cadre réglementaire en cours d'élaboration par l'ONU et d'autres instances, et que l'IA en santé devrait être traitée comme relevant du domaine humanitaire plutôt que comme une technologie dans le secteur bancaire ou d'autres secteurs .

Le Dr Tantawy s'appuie sur son expérience directe pour démontrer que les modèles d'IA développés ailleurs sont souvent peu performants lorsqu'ils sont appliqués à une population différente, mais qu'un ajustement fin à partir de données locales peut améliorer considérablement les résultats. Cela démontre que les ensembles de données représentatifs au niveau local ne sont pas simplement souhaitables, mais essentiels pour un déploiement de l'IA en santé à la fois efficace et sûr.

Le Dr Tantawy a rapporté qu'en Égypte, des solutions développées dans d'autres pays avaient été testées et que leur précision, spécificité et sensibilité s'étaient révélées insuffisantes, mais qu'après un ajustement fin avec des données locales, les performances avaient atteint 95, 96, voire 99 % . Il a également souligné l'importance de représenter différentes tranches d'âge et différents genres au sein des données .

Chitose Noguchi décrit le rôle du PNUD comme celui d'un facilitateur de la coopération Sud-Sud, axé sur l'échange de connaissances, d'approches et de solutions plutôt que sur le simple transfert de produits finis. Elle souligne que les pays du Sud partagent des défis, des priorités et des problématiques liées aux données communs, ce qui rend cet échange particulièrement précieux. Le PNUD a œuvré à mettre en relation des décideurs politiques et des régulateurs de haut rang dans plusieurs pays sur la gouvernance responsable de l'IA.

Noguchi a cité une initiative spécifique menée avec la GSMA et le Ministère des communications et des technologies de l'information (NCIT), qui a réuni des décideurs politiques et des régulateurs de haut rang d'Égypte, de Libye, du Soudan, de Tanzanie et de Jordanie pour travailler sur la gouvernance responsable de l'IA . Elle a également noté que la facilitation assurée par le PNUD se concentre sur les priorités communes et la recherche de solutions adaptées aux contextes locaux .

Noguchi décrit le AI Hub for Sustainable Development comme un mécanisme concret par lequel le PNUD facilite la coopération Sud-Sud en soutenant les entrepreneurs en IA à travers l'Afrique. Bien que physiquement situé en Italie, le hub est conçu pour servir les pays africains et leurs innovateurs. La participation de l'Égypte au conseil consultatif reflète l'importance des voix du Sud dans l'orientation du hub.

Noguchi a expliqué que le AI Hub for Sustainable Development est hébergé en Italie mais mis en place et facilité par le PNUD, avec pour objectif d'aider les pays africains à adopter l'IA ou à soutenir les entrepreneurs développant des solutions d'IA à travers le continent . L'Égypte siège au conseil consultatif du hub .

Noguchi soutient que pour que l'IA soit adoptée de manière responsable dans le domaine de la santé, les pays doivent disposer de cadres de gouvernance et de politique solides intégrant les principes de transparence, de responsabilité et d'éthique. Elle insiste sur le fait que le secteur de la santé est un domaine où les enjeux sont particulièrement élevés, car les décisions prises par l'IA affectent directement la vie des personnes. Sans de tels cadres, les risques de préjudice et d'inégalité sont considérables.

Noguchi a fait référence au Rapport sur le développement humain 2025 du PNUD et à un rapport connexe sur l'IA et les inégalités, qui soulignent tous deux que sans politiques et institutions de gouvernance adéquates, l'IA risque d'accentuer les inégalités . Elle a souligné que les cadres de gouvernance doivent être particulièrement rigoureux dans le domaine de la santé, compte tenu de son impact direct sur la vie des personnes .

Noguchi soutient que la capacité institutionnelle est un prérequis à l'adoption responsable de l'IA, ce qui signifie que les organismes publics doivent être dotés non seulement de technologies, mais aussi de l'expertise nécessaire pour évaluer, acquérir et superviser les systèmes d'IA. Le PNUD a activement renforcé cette capacité en Égypte et dans la région à travers des programmes de formation et des partenariats institutionnels, notamment avec le Centre égyptien pour une IA responsable et l'Autorité nationale de régulation des télécommunications.

Noguchi a décrit les travaux du PNUD avec le Ministère des communications et des technologies de l'information visant à renforcer la gouvernance et la capacité institutionnelle, notamment par la formation des décideurs politiques . Elle a également mentionné la collaboration avec le Centre égyptien pour une IA responsable et la NTRA (National Telecommunications Regulatory Authority) dans le cadre de cet effort de renforcement des capacités .

Noguchi identifie la gouvernance des données comme un pilier fondamental pour une IA responsable dans le domaine de la santé, en soutenant que la qualité de l'IA dépend entièrement des données sur lesquelles elle repose. Elle souligne que l'interopérabilité et le partage responsable des données — en particulier transfrontalier — sont essentiels pour permettre le type de collaboration interrégionale évoqué tout au long de la session. Sans ces fondements, un déploiement équitable et durable de l'IA ne peut être atteint.

Noguchi a affirmé que la gouvernance des données, l'interopérabilité et le partage responsable des données sont essentiels, notamment pour la collaboration et les partenariats transfrontaliers . Elle a également fait référence aux points soulevés par Dr. Amy Berk et Dr. Tantawy concernant la qualité des données comme condition préalable à une IA efficace .

Noguchi aborde la dimension environnementale du déploiement de l'IA, en soulignant que les systèmes d'IA consomment des quantités importantes d'énergie et que cet aspect est souvent négligé dans les discussions sur la santé numérique. Elle soutient que la durabilité doit être intégrée dès le départ dans l'infrastructure de l'IA, notamment par le développement de centres de données écologiques. Le PNUD collabore avec le ministère égyptien sur cette question.

Noguchi a indiqué que le PNUD travaille avec le ministère sur des centres de données écologiques, car l'IA consomme beaucoup d'énergie, et que le lien entre l'IA et l'impact environnemental n'est pas toujours explicitement établi, mais est bien réel .

Noguchi conclut sur le principe fondamental selon lequel l'IA doit être centrée sur l'humain et répondre aux besoins des personnes, plutôt que de devenir une fin en soi. Elle avertit que, sans politiques et gouvernance appropriées, l'IA risque d'aggraver les inégalités existantes entre les pays plutôt que de les réduire. Cette préoccupation est étayée par les propres recherches et rapports du PNUD.

Noguchi a fait référence au Rapport sur le développement humain 2025 du PNUD, consacré à l'IA, ainsi qu'à une publication connexe intitulée « The Next Great Divergence: Why AI May Widen Inequality Between Countries », qui mettent toutes deux en évidence le risque que l'IA aggrave les inégalités en l'absence d'une gouvernance solide . Elle a conclu que l'IA doit être au service des personnes, et non l'inverse .

Darlington Akogo présente Moremi AI comme un système d'IA complet à modèle unique, conçu pour traiter un large éventail de tâches médicales et biologiques, plutôt que d'être étroitement spécialisé. Le système couvre plusieurs modalités d'imagerie, soutient la prise de décision clinique, assiste dans le triage des patients et s'étend à la recherche en sciences de la vie grâce à un assistant de recherche basé sur l'IA. Cette polyvalence le distingue des outils diagnostiques à vocation plus restreinte.

Akogo a décrit Moremi AI comme couvrant plusieurs modalités radiologiques, notamment les radiographies, la tomodensitométrie, les mammographies et l'échographie, ainsi que l'oncologie, les soins maternels et néonatals, la dermatologie et l'orthopédie . Il a démontré son utilisation pour la génération de rapports médicaux couvrant 30 modalités d'imagerie , la détection du cancer du sein par analyse de mammographies et d'échographies , l'aide à la décision clinique pour réduire les erreurs médicales , le triage des patients à l'aide du système de notation ESI , ainsi qu'un assistant de recherche en sciences de la vie appelé Moremi Co-Researcher, capable d'effectuer des analyses de bout en bout en génomique, transcriptomique et protéomique . Le projet a bénéficié d'un financement initial de la Gates Foundation .

Mina Shawky décrit Clinidoo comme une plateforme d'accompagnement en santé qui résout le problème des patients ne sachant pas où chercher des soins, notamment dans les communautés mal desservies en Égypte et en Afrique. La plateforme utilise un algorithme basé sur les symptômes pour orienter les patients vers la bonne spécialité et la modalité de soins adaptée, et prend en charge la saisie vocale pour rendre le service accessible aux personnes âgées et à celles qui ne peuvent pas taper. Elle a déjà servi plus d'un million de patients.

Shawky a expliqué que de nombreux patients en Égypte ne savent pas où aller lorsqu'ils ont besoin de soins, ce qui entraîne des diagnostics erronés, des coûts inutiles et des problèmes non résolus . Clinidoo y répond en recommandant la spécialité et le type de soins appropriés en fonction des symptômes saisis par le patient, y compris par saisie vocale . La plateforme a servi plus d'un million de patients avec l'aide d'environ 15 000 prestataires de soins de santé et 300 hôpitaux .

Shawky soutient que la prolifération des outils de santé basés sur l'IA risque d'être guidée par la technologie plutôt que par les problèmes à résoudre, et que c'est une erreur fondamentale. Il insiste sur le fait que le point de départ doit toujours être le véritable problème de santé, et non la technologie. Il souligne également que l'expérience utilisateur est primordiale — la technologie doit être invisible et parfaitement intégrée dans le parcours du patient.

Shawky a explicitement déclaré que « l'IA n'est pas la destination » et que « résoudre le vrai problème de santé l'est », décrivant cela comme l'approche directrice de Clinidoo . Il a également souligné que pour les patients, ce qui compte, c'est l'expérience, et que la technologie doit être invisible et intégrée de manière fluide .

Dr. Reis soutient que sans une coopération Sud-Sud délibérée, l'introduction de l'IA dans le domaine de la santé risque d'aggraver les inégalités existantes, les pays à revenu faible et intermédiaire ayant historiquement été désavantagés dans l'accès aux nouvelles technologies. Il identifie deux risques spécifiques en matière d'équité : le colonialisme des données, par lequel des acteurs du Nord extraient des données des pays du Sud sans partage équitable des bénéfices, et les biais algorithmiques, par lesquels des outils entraînés sur des données du Nord produisent des résultats médiocres ou préjudiciables dans des contextes du Sud. Les initiatives Sud-Sud ne sont donc pas simplement bénéfiques, elles sont indispensables.

Dr. Reis s'est appuyé sur des précédents historiques tels que les médicaments contre le VIH et les vaccins contre la COVID pour illustrer comment les pays à revenu faible et intermédiaire sont systématiquement désavantagés dans l'accès aux nouvelles technologies, avertissant que l'IA pourrait aggraver les inégalités en matière de santé si elle n'est pas gérée avec soin . Il a expressément mentionné le colonialisme des données - par lequel les pays du Nord extraient des données sans restituer de bénéfices équivalents - et les biais liés à l'utilisation de données du Nord pour développer des outils destinés aux populations du Sud comme des risques concrets .

Dr. Reis explique que l'OMS est activement engagée dans l'éthique et la gouvernance de l'IA en santé depuis plus d'une décennie, ayant créé en 2019 un groupe d'experts officiel chargé d'élaborer des cadres éthiques et des garde-fous. Ces travaux sont guidés par le mandat fondateur de l'OMS en faveur de la santé pour tous depuis 1948 et par la reconnaissance que les nouvelles technologies ont historiquement contourné les pays à revenu faible et intermédiaire. L'IA représente à la fois une grande promesse et un risque significatif d'aggraver ces inégalités.

Dr. Reis a noté que l'OMS a créé un groupe d'experts sur l'éthique et la gouvernance de l'IA en santé en 2019 , et que la préoccupation de l'OMS pour l'équité est ancrée dans son mandat depuis 1948 . Il a cité les médicaments contre le VIH et les vaccins contre la COVID comme exemples historiques de pays à revenu faible et intermédiaire désavantagés dans l'accès aux nouvelles technologies .

Dr. Reis présente un ensemble complet de risques associés à l'utilisation des grands modèles de langage (LLM) dans le domaine de la santé, allant des risques cliniques tels que les hallucinations et les résultats inexacts aux risques systémiques incluant la déqualification des professionnels de santé, les vulnérabilités en matière de cybersécurité et le coût environnemental considérable du fonctionnement de ces systèmes. Il soutient que ces risques doivent être activement gérés par des cadres de gouvernance.

Dr. Reis a décrit le risque d'hallucination - où les systèmes d'IA génèrent des informations fausses ou inventées - comme particulièrement dangereux dans des contextes de santé impliquant des maladies graves . Il a également identifié le risque de déqualification, par lequel les professionnels de santé dépendent excessivement des LLM et perdent progressivement leur propre jugement clinique . Il a en outre mentionné les risques de cybersécurité liés au piratage des systèmes hospitaliers , l'empreinte carbone et hydrique importante des LLM , ainsi que des préoccupations relatives au respect des lois existantes sur la protection des données .

Dr. Reis soutient que les cadres éthiques mondiaux pour l'IA en santé sont nécessaires mais insuffisants ; ils doivent être transposés dans les contextes régionaux et nationaux à travers des lois, des réglementations et des garde-fous éthiques spécifiques. Sans cette localisation, les principes mondiaux restent abstraits et ne parviennent pas à protéger les populations dans des contextes variés. L'OMS soutient ce processus à travers des ateliers régionaux.

Dr. Reis a noté que l'OMS a organisé des ateliers régionaux sur l'éthique et la gouvernance de l'IA, notamment un au Caire il y a environ trois ans, réunissant l'ensemble des pays arabes et les pays de la région Emerald . Il a déclaré que des lois, des réglementations et des cadres éthiques doivent être élaborés dans chaque pays, et qu'il ne suffit pas de disposer uniquement de cadres mondiaux .

Dr. Shakweer présente le moment actuel comme un point d'inflexion critique où l'IA a dépassé la phase expérimentale et est activement déployée au sein des systèmes de santé, tandis que la gouvernance, les systèmes de données et les capacités institutionnelles nécessaires pour garantir qu'elle soit sûre et équitable sont encore en construction. Cela crée à la fois un défi et une opportunité, notamment pour les pays du Sud mondial, de façonner la conception et la gouvernance de ces technologies.

Dr. Shakweer a cité des données probantes à l'échelle mondiale montrant que l'IA est déjà utilisée dans les systèmes de santé pour le diagnostic, la surveillance des maladies et l'aide à la décision clinique, avec une expansion supplémentaire attendue en raison des pénuries de main-d'œuvre et de la demande croissante . Elle a également fait référence au Moniteur mondial de la santé numérique de l'OMS, qui montre que la plupart des pays se situent encore à un niveau intermédiaire de maturité en matière de santé numérique et que seuls quelques-uns disposent de systèmes pleinement intégrés .

Dr. Berk soutient que le point d'inflexion actuel dans la santé numérique est caractérisé par un changement fondamental : on passe de la simple numérisation des informations dans des dossiers de santé électroniques à une utilisation et à une optimisation des données par l'IA pour générer des connaissances cliniques significatives. Cette évolution est rendue possible par des normes émergentes telles que FHIR pour l'échange de données et le Clinical Quality Language (CQL) pour l'aide à la décision clinique déterministe. Il en résulte un passage d'une standardisation passive à une intelligence pilotée par la sémantique.

Dr. Berk s'est appuyée sur son expérience d'infirmière ayant été témoin de l'adoption précoce des DSE pour opposer l'ère précédente de numérisation passive à l'ère actuelle d'utilisation des données pilotée par l'IA . Elle a expressément cité FHIR comme norme d'échange de données et CQL (Clinical Quality Language) comme facteur permettant une aide à la décision clinique et une amélioration de la qualité plus déterministes et plus efficaces .

Dr. Berk soutient que la qualité et la gouvernance des données constituent le prérequis fondamental pour une IA efficace dans les soins de santé, et que l'IA ne peut pas être performante si les données sous-jacentes sont mal comprises, mal gouvernées ou mal appliquées. Elle présente la compréhension des données comme la première étape indispensable avant que l'IA puisse y être superposée. Ce principe s'applique à tous les cas d'usage de l'IA dans le domaine de la santé.

Dr. Berk a déclaré explicitement que « l'IA en elle-même ne vaut que ce que valent les données, car l'IA est ancrée dans les données », et que la manière dont les données sont utilisées, comprises et appliquées est le préalable à toute mise en œuvre . Elle a également décrit la nécessité de comprendre les données de manière sémantique et de superposer l'IA à cette compréhension afin d'optimiser l'infrastructure d'IA .

Dr. Berk intervient pour renforcer le propos sur la déqualification en établissant un parallèle avec l'adoption antérieure des dossiers de santé électroniques, lors de laquelle des mises en garde similaires avaient été émises contre une dépendance excessive à la technologie. Elle soutient que l'IA, tout comme les DSE avant elle, est un outil et un facilitateur, et non un substitut au jugement clinique humain. Cette leçon tirée de l'ère des DSE devrait guider la manière dont l'IA est introduite et gouvernée dans les systèmes de santé.

Dr. Berk a souligné que lors de l'adoption des DSE, des mises en garde explicites avaient été formulées pour éviter que les DSE ne se substituent à la réflexion des cliniciens, et que le même principe s'applique à l'IA . Elle a insisté sur le fait que l'IA ne remplace pas le jugement humain ni la pensée critique .

Dr. Berk soutient que la transition des projets pilotes d'IA vers un déploiement en production à grande échelle constitue un défi majeur qui repose sur trois facteurs interdépendants : la confiance entre toutes les parties prenantes, des incitations partagées qui rendent l'IA significative et applicable à des problèmes concrets, et des normes communes garantissant cohérence et évolutivité. Elle réaffirme que l'IA doit être guidée par les problèmes plutôt que par la technologie, rejoignant ainsi le point de vue exprimé par d'autres intervenants.

Dr. Berk a décrit le travail réalisé par Microsoft sur la numérisation des mesures de qualité comme un cas d'usage concret ancré dans des normes partagées, soulignant que les mesures de qualité concernent tout le monde et que l'IA peut servir de facilitateur pour les déployer à grande échelle . Elle a insisté sur le fait que le passage du pilote à la production nécessite de gagner la confiance, d'établir des incitations partagées et de s'assurer que l'IA est porteuse de sens et de finalité . Elle a également souligné l'importance des technologies open source ainsi que de la validation et de l'étalonnage pour garantir l'évolutivité .