L'intelligence artificielle (IA) pour la promotion de la santé et la réduction de la maladie : Synthèse des connaissances

📜🔗LIEN vers la source

Capsules Audio de Pratiques en Santé 🎙️🎥 https://www.youtube.com/watch?v=s5eBRHjyRIM

1. RÉSUMÉ ANALYTIQUE

Un état des lieux mondial encore embryonnaire. Face aux maladies chroniques (41 millions de décès/an selon l'OMS, 45,1 % des Canadiens concernés en 2021), le rapport explore l'usage de l'IA pour promouvoir des modes de vie sains et prévenir la maladie dans les pays de l'OCDE (p. 3, 7). Il examine 22 études menées entre 2019 et 2023, très majoritairement états-uniennes (10/22), portant sur le comportement alimentaire, l'abandon du tabac, l'activité physique, la santé mentale et les soins préventifs (p. 6, 17). Les auteures soulignent un déficit majeur : très peu de recherches rigoureuses existent, ce qui fragilise toute décision d'appuyer des initiatives d'IA sur des bases solides (p. 3-4).

Un inventaire des effets, défis et conditions de réussite. Le document apporte une typologie claire des systèmes (applications mobiles 15/22, chatbots 9/22, sites web, logiciels, plateformes) et une cartographie des impacts, positifs mais souvent incertains (10 études) voire négatifs (3 études) (p. 17, 21). Sa vraie valeur réside dans le classement systématique des défis (8 sous-catégories), opportunités et suggestions (7 sous-catégories), et dans deux lignes directrices canadiennes de gouvernance de l'IA (p. 28-35). Il livre ainsi aux décideurs et praticiens une grille pour anticiper les conditions — techniques, éthiques, humaines — d'un déploiement réussi.

2. POINTS CLÉS DU DOCUMENT

1. Un corpus concentré et récent, mais géographiquement déséquilibré. 22 études (2019-2023), dont 7 pour la seule année 2023, majoritairement aux États-Unis (10), puis Australie (3), Japon (3), Royaume-Uni (2), Espagne (2), Canada (1), Italie (1). Le nombre de participants varie de 21 à 139 164. Aucune étude française (p. 17, 36).
2. L'application mobile et le chatbot dominent le paysage. Les applications mobiles (15/22) et les agents conversationnels (9/22) sont les principaux vecteurs, devant sites web (6/22), logiciels (5/22), appareils et plateformes (1/22 chacun). Six études combinent deux types de systèmes (p. 17, 37).
3. Des effets réels sur les comportements, mais fragiles dans le temps. Toutes les études rapportent des impacts positifs, mais 10 signalent des résultats incertains et 3 des résultats négatifs. Le sevrage tabagique est l'effet le plus solidement démontré (4 études statistiquement significatives) ; côté état de santé, 6 études montrent un effet sur la perte de poids, 2 sur la santé mentale, 1 sur la glycémie, 1 sur la pression artérielle — certains effets ne se maintenant pas dans la durée (p. 21).
4. Le besoin d'interaction humaine est un fil rouge. La frustration envers le chatbot, la baisse d'engagement dans le temps et le besoin de contact humain reviennent comme limites récurrentes ; plusieurs études concluent que l'IA seule ne suffit pas à installer un changement durable (p. 21, 28-29, 32).
5. Une gouvernance encore importée du soin, pas de la prévention. L'analyse de l'environnement ne dégage que deux lignes directrices, toutes deux canadiennes (Canada Health Infoway 2023 ; Healthcare Excellence Canada 2021), centrées sur les soins de santé généraux et non sur la promotion de la santé — d'où l'invitation à transposer prudemment leurs recommandations (p. 34-35).

3. PISTES D'ACTION POUR LES ACTEURS LOCAUX

1. Utiliser le classement des 8 défis (p. 28-29) comme grille de pré-évaluation avant d'adopter tout outil d'IA : efficacité à court terme, interaction humaine, besoins spécialisés, problèmes méthodologiques, participation interrompue, préoccupations des prestataires, limites techniques, données non fiables. Cela évite d'acheter une promesse non tenue.
2. Systématiser la place de l'humain dans le dispositif. Puisque l'IA seule s'essouffle, prévoir dès la conception un relais humain (professionnel, pair-aidant) pour soutenir l'engagement dans la durée (p. 21, 32).
3. Appliquer la grille de suggestions « considération de l'utilisateur final » (p. 31-32) : intégrer les publics (personnes âgées, jeunes, personnes en situation de précarité), prévoir des fonctionnalités de lisibilité et d'accessibilité adaptées, et associer les utilisateurs à la conception plutôt que de leur livrer un produit clé en main.
4. Vérifier la disponibilité et la langue réelles des solutions citées. Beaucoup d'outils sont anglophones ou limités à un pays (ex. CALO Mama Plus, édition japonaise non diffusable ailleurs, p. 29). Ne pas présumer qu'une solution documentée est mobilisable en contexte français.
5. S'inspirer des phases de mise en œuvre des guides canadiens (annexe 3, p. 49-50) — mise en place du leadership, conception/approbation, pilotage, durabilité — comme trame de conduite de projet, tout en gardant à l'esprit qu'ils visent le soin, pas la promotion de la santé.
6. Besoin non couvert à documenter localement : l'absence totale de données françaises et d'évaluation coût-efficacité (p. 39) impose, avant tout déploiement, une phase d'évaluation locale (acceptabilité, équité d'accès, littératie numérique du public visé).

4. RÉFÉRENCES COMPLÉMENTAIRES

1. HAS — Premières clefs d'usage de l'IA générative en santé (octobre 2025). Guide pédagogique pour les professionnels des secteurs sanitaire, social et médico-social, articulé autour des lignes directrices A.V.E.C. (Apprendre – Vérifier – Estimer – Communiquer), avec infographie de synthèse. Complément opérationnel français direct au présent rapport. 👉 https://www.has-sante.fr/jcms/p_3703115/fr/premieres-clefs-d-usage-de-l-ia-generative-en-sante
2. HAS — Intelligence artificielle en santé : bien l'utiliser et bien se protéger (guide usagers + FAQ, juin 2026). Réalisé avec France Assos Santé et la CNIL ; angle littératie et protection des données personnelles, côté grand public. Prolonge la dimension « considération de l'utilisateur final » du rapport. 👉 https://www.has-sante.fr/jcms/p_4092354/fr/intelligence-artificielle-en-sante-la-has-publie-des-reperes-pour-les-usagers
3. ANS / Délégation au numérique en santé — Guide d'implémentation d'une IA en santé éthique (concertation publique, mai-juin 2025). Critères éthiques opérationnels adossés aux phases de développement d'un système d'IA (conception, apprentissage, validation, mise en service, surveillance) et au Règlement européen sur l'IA (2024/1689). Répond directement au besoin de gouvernance éthique pointé par le rapport. 👉 https://esante.gouv.fr/actualites/intelligence-artificielle-en-sante-une-concertation-publique-pour-un-deploiement-ethique

5. FOIRE AUX QUESTIONS (FAQ)

1. L'IA est-elle efficace pour la promotion de la santé ? Partiellement. Des effets positifs sont rapportés dans tous les domaines, mais 10 études sur 22 donnent des résultats incertains et 3 des résultats négatifs (p. 21). L'efficacité la mieux établie concerne le sevrage tabagique (p. 21).
2. Quels types d'outils d'IA sont concernés ? Applications mobiles (majoritaires, 15/22), chatbots (9/22), sites web, logiciels, plateformes et appareils (p. 17).
3. Sur quels comportements l'IA agit-elle le plus ? Comportement alimentaire (10 études), abandon du tabac (6), activité physique (4), santé mentale (3), soins préventifs (3) (p. 6, 17).
4. Quelle est la principale limite de ces solutions ? La difficulté à maintenir l'engagement dans le temps et le besoin d'interaction humaine ; l'IA seule peine à installer un changement durable (p. 21, 28-29).
5. Ces résultats sont-ils transposables en France ? Prudence : aucune étude française, corpus dominé par les États-Unis, outils souvent anglophones ou limités à un pays (p. 17, 29). Une évaluation locale est nécessaire.
6. Existe-t-il des repères pour mettre en œuvre l'IA de façon responsable ? Oui : deux lignes directrices canadiennes de gouvernance sont analysées (p. 34-35, 49-50), mais elles portent sur les soins, pas sur la promotion de la santé.
7. Ce rapport est-il un guide pratique à appliquer directement ? Non. C'est une synthèse de connaissances préliminaire ; les auteures recommandent d'ailleurs une mise à jour annuelle vu la rapidité d'évolution du champ (p. 39).

6. RÉÉCRITURE EN FALC

Ce que dit ce rapport

Le rapport parle de l'intelligence artificielle. On dit aussi « IA ».

L'IA, ce sont des programmes informatiques. Ils peuvent aider à rester en bonne santé.

Par exemple : des applications sur le téléphone. Ou des robots qui discutent (des « chatbots »).

Les chercheuses ont lu 22 études. Ces études viennent surtout des États-Unis.

Les études parlent de manger sainement, arrêter de fumer, bouger plus.

Elles parlent aussi de la santé mentale.

Les résultats

L'IA aide un peu. Cela marche surtout pour arrêter de fumer.

Mais souvent, on n'est pas sûr des résultats.

Parfois, les gens arrêtent d'utiliser l'application. Ils s'en lassent.

Beaucoup de gens veulent parler à une vraie personne. L'IA seule ne suffit pas.

Ce qu'il faut retenir

On manque encore de preuves solides.

Il faut être prudent avant d'utiliser ces outils.

Il faut toujours garder l'aide d'une vraie personne à côté de l'IA.

7. ANALYSE TRANSVERSALE — VALEURS DE PRATIQUES EN SANTÉ

• Littératie : le document identifie le besoin de fonctionnalités de lisibilité et d'accessibilité adaptées (p. 31-32) mais ne fournit lui-même aucun outil de simplification.
• Empowerment : la conception participative est valorisée dans quelques études (implication des utilisateurs et thérapeutes, cocréation avec des personnes diabétiques), sans être généralisée (p. 23, 32).
• Participation : des mécanismes de co-construction sont décrits ponctuellement (design participatif, cocréation parties prenantes), mais restent l'exception plutôt que la règle (p. 32).
• Santé communautaire : la dimension collective est faible ; les interventions ciblent surtout l'individu (apps personnelles), même si le cadre affiche des « populations ou communautés » (p. 11, 17).
• Éthique : les biais de données (partialité des jeux de données) et la gouvernance éthique sont abordés via les guides canadiens (p. 35, 49-50), mais peu au niveau des interventions elles-mêmes.
• Droits humains : l'équité est posée comme principe (guides canadiens « axé sur l'équité », p. 49) et la prise en compte des ethnies et niveaux socio-économiques est recommandée (p. 32), sans analyse approfondie.
• Intersectorialité : la collaboration entre experts en IA, professionnels de santé, chercheurs et patients est recommandée pour réussir la mise en œuvre (p. 32).
• Partenariat : des modèles de collaboration existent surtout sous forme de cocréation dans le design et de partenariats institutionnels dans les guides analysés (p. 32, 34).
• Lutte contre les discriminations : le document mentionne la prise en compte de l'origine ethnique, du statut socio-économique, des déficiences visuelles et de l'âge (p. 32), et la non-discrimination figure dans la gouvernance (p. 50) ; le sujet reste toutefois peu développé sur le fond.

📉 LIMITES DU RAPPORT AU REGARD DE L'EUROPE (et de la France)

Le rapport est solide, mais sa transposabilité au contexte européen est fortement contrainte. Voici les limites précises, avec renvois aux pages.

1. Base empirique européenne très mince. Sur les 22 études incluses, seules 5 proviennent d'Europe : Royaume-Uni (2), Espagne (2), Italie (1). Aucune étude issue de France, d'Allemagne, des pays nordiques, du Benelux ou de la Suisse (p. 6, 17). L'essentiel de la preuve vient des États-Unis (10/22). Les enseignements sont donc largement calibrés sur un système de santé et une culture numérique non européens.

2. Aucune donnée francophone européenne, malgré une recherche ciblée. L'analyse de l'environnement a explicitement interrogé les domaines .fr, .be (français), .lu (français) et .ch (français), aux côtés de 14 autres pays européens (annexe 2, p. 47-48). Résultat : sur 5 000 références européennes et internationales criblées, seules 2 ont été retenues — et toutes deux canadiennes (figure 2, p. 15 ; tableau 7, p. 34). Le vivier européen de littérature grise a donc rendu un résultat nul dans ce rapport.

3. Gouvernance importée du Canada, pas de l'Europe. Les deux seules lignes directrices analysées émanent de Canada Health Infoway (2023) et Healthcare Excellence Canada (2021) (p. 34-35). Elles portent en outre sur les soins en général, pas sur la promotion de la santé (p. 35). Aucun cadre européen de gouvernance n'est mobilisé.

4. Angle mort réglementaire majeur : le droit européen de l'IA et des données. Le rapport ne mentionne ni le Règlement européen sur l'IA (RIA 2024/1689), ni le RGPD, ni l'Espace européen des données de santé (EHDS). Or l'analyse de l'environnement date du 18 juin 2024 (annexe 2, p. 47) et le rapport de juillet 2024 — soit avant l'entrée en vigueur du RIA (1er août 2024). Les défis « données non fiables » et « préoccupations des prestataires » (p. 29) ne sont donc pas lus à travers le prisme juridique contraignant qui s'impose désormais à tout déploiement d'IA en santé en France et dans l'UE.

5. Solutions peu transférables : langue, disponibilité, statut réglementaire. Les outils cités (Lark, January AI, Tess, OnTrack, Dejal@bot, Smoke-Free, CALO Mama Plus…) sont majoritairement anglophones ou verrouillés à un pays — le rapport signale lui-même que CALO Mama Plus, édition japonaise, ne peut être diffusé ailleurs (p. 29). Se pose en Europe la double question du marquage CE / statut de dispositif médical et de la disponibilité en français, non traitée.

6. Absence d'évaluation coût-efficacité et d'équité d'accès en contexte européen. Le rapport reconnaît le manque de données sur la rentabilité et les effets à long terme (p. 39) ; ces angles morts sont d'autant plus sensibles en Europe, où les logiques de financement public et d'accès universel diffèrent du modèle nord-américain dominant dans le corpus.

En synthèse : ce document vaut comme veille et cadrage international, pas comme référentiel européen. Pour un usage français, il doit impérativement être complété par les repères nationaux (HAS) et par le cadre juridique européen (RIA, RGPD, EHDS) — d'où l'intérêt des trois références complémentaires fournies plus haut.

8. ÉVALUATION DE LA FIABILITÉ DE LA RESSOURCE

Pertinence scientifique — solide sur la méthode, prudente sur la portée. La méthodologie est rigoureuse et transparente : revue rapide conforme aux lignes directrices Cochrane et PRISMA-P, cadre PCC du Joanna Briggs Institute, double évaluation indépendante via Covidence, organigrammes PRISMA (p. 11-14). L'institution (Obvia, U. Laval, ASPQ, financement FRQ) est crédible et les auteures déclarent aucun conflit d'intérêts (p. 2). En revanche, la valeur probante est limitée par le sujet lui-même : les auteures reconnaissent le peu d'études rigoureuses, le fort biais géographique (États-Unis), l'hétérogénéité des devis et des tailles d'échantillon, et des effets souvent à court terme (p. 3-4, 21). Les données s'arrêtent à 2023 et le rapport lui-même préconise une actualisation annuelle (p. 39).

Pertinence opérationnelle — indirecte pour le terrain français. Le document est un outil de veille et de cadrage, non une boîte à outils. Son contexte est québécois/OCDE, sans donnée française ; les solutions décrites sont fréquemment anglophones ou non diffusables hors de leur pays d'origine (p. 29). Sa force opérationnelle réside dans ses grilles (défis, opportunités, suggestions, phases de mise en œuvre), transférables comme trame de réflexion.

⚠️ Incohérences internes relevées (signalées, non corrigées) :

• Figure 1 (PRISMA, p. 13) : le total des publications exclues est indiqué à n = 35, alors que le détail (mesure de résultats incorrecte n = 9, intervention incorrecte n = 4, mauvais plan d'étude n = 17, population incorrecte n = 4) totalise 34. Écart de 1 non expliqué.
• Fenêtre temporelle : le résumé (p. 6) et la méthode évoquent des études « publiées entre 2019 et 2024 », tandis que les résultats précisent que les études incluses couvrent en réalité 2019-2023 (p. 17). La recherche documentaire, elle, a été menée en mars 2024.
• Aucune URL n'a pu être signalée comme morte : les deux liens de l'analyse de l'environnement (Infoway, Healthcare Excellence Canada) figurent en référence sans anomalie détectable dans le texte fourni.

10. HASHTAGS STRATÉGIQUES

#pratiquesensante #IAenSanté #PromotionSanté #PréventionSanté #SantéNumérique #LittératieSanté #ÉthiqueIA #DonnéesProbantes