Le Dr. Relwendé Aristide Yameogo. ©DR
Vous êtes docteur en informatique, mais également médecin. Pourriez-vous revenir sur votre parcours ?
Relwendé Aristide Yameogo : J’ai obtenu, en 2014, mon diplôme d’études spécialisées en cardiologie à Ouagadougou, au Burkina Faso. Je me suis intéressé au numérique durant ma spécialisation, à travers notamment un master en santé publique et informatique médicale à l’Université d’Aix-Marseille. Je souhaitais alors mieux comprendre comment les technologies numériques, particulièrement utilisées en cardiologie, pouvaient avoir un impact sur la pratique médicale. En 2014, à l’issue de ce master, j’ai exercé en tant que cardiologue au Burkina Faso pendant deux ans, avant de commencer une thèse en informatique à l’Université Le Havre Normandie.
IntituléeRisques et perspectives du big data et de l’intelligence artificielle : approche éthique et épistémologique, la thèse que vous avez présentée en septembre dernier offre une vision d’ensemble sur les changements qui s’opèrent actuellement dans le monde médical. Pourquoi ce sujet ?
Il avait été établi par mes directeurs de thèse, les Professeurs Joël Colloc et Béatrice Galinon-Mélénec, avant même mon arrivée. Mais j’ai immédiatement souhaité m’en emparer. La possibilité de réfléchir aux aspects éthiques et épistémologiques de ces technologies a grandement joué dans ce choix, puisqu’elle me permettait de dépasser la dimension purement technique pour travailler de manière plus transversale sur les sciences humaines et sociales. Pouvoir faire le lien avec différentes matières est ce qui m’a le plus plu à la lecture du sujet, d’autant qu’il s’agit là d’un enjeu majeur pour le développement de l’informatique médicale et, plus globalement, le domaine de la santé. Les données utilisées par l’Intelligence artificielle (IA) peuvent par exemple permettre de concevoir des systèmes d’aide à la décision médicale et mieux organiser la prise en charge. L’IA apportera donc beaucoup à la médecine, mais cela dépendra aussi de son mode d’intégration et de son positionnement dans le système de santé. En tout état de cause, l’IA ne remplacera pas le médecin, qui conservera ses missions d’information, d’aide à la prise de décision et de médiation. Et elle ne permettra pas aux patients d’être plus autonomes.
Vous avez d’ailleurs vous-même cherché à comprendre la perception qu’ont aujourd’hui les médecins des technologies numériques.
Effectivement, au cours des recherches pour ma thèse, j’ai mené une enquête auprès des médecins du Havre pour connaître la manière dont ils perçoivent l’informatique et l’IA appliquées à la médecine. Plusieurs constats en sont ressortis. Les médecins interrogés ne sont pas, globalement, contre le développement de ces outils, et le Dossier Patient Informatisé (DPI) est d’ailleurs bien intégré à leurs pratiques. Mais nombre d’entre eux ont signifié plusieurs problèmes : un manque de connexion entre les outils, un manque de visibilité sur leurs applications pratiques ou une dimension quelque peu chronophage.
Quels autres enjeux cette enquête a-t-elle mis en lumière ?
Les médecins interrogés se préoccupent beaucoup des problématiques de gestion des données et de respect du secret médical. Ils sont conscients de participer à la collecte d’informations personnelles et se demandent comment elles sont ensuite gérées. Beaucoup n’ont pas confiance et conservent ces données sur leurs ordinateurs et non sur un serveur déporté, afin de limiter les risques de classification des patients, et donc les inégalités et discriminations qui pourraient en découler.
Dans votre thèse, vous indiquez travailler sur la mise en place d’un Espace Vectoriel Flou Temporel (EVFT). De quoi s’agit-il, plus exactement ?
L’EVFT est avant tout une méthode utilisée pour poser un diagnostic en prenant en compte les imprécisions et les incertitudes. Le Pr. Joël Colloc et moi-même sommes d’ailleurs en train de tester cette capacité diagnostique sur la détection de l’embolie pulmonaire : à partir des symptômes, l’EVFT permet d’établir des probabilités sur la présence, ou non, d’une embolie. Cette technique passe en effet par des probabilités transitoires, c’est-à-dire qui ne sont pas définies comme totalement vraies ou totalement fausses. Pour l’illustrer on pourrait dire que sur un trajet Paris-Le Havre, quelqu’un se trouvant à Rouen est à peu près à 40 % à Paris, et à 60 % au Havre. Partant de cela, des variables apparaissent, créant ensemble un espace flou. L’un des avantages de l’EVFT est donc qu’elle prend en considération la dynamique temporelle des symptômes, pour diagnostiquer la maladie.
Vos travaux évoquent également les concepts d’« homme-trace » et de « corps-trace ». En quoi peuvent-ils aider à la compréhension des changements actuels ?
Béatrice Galinon-Mélénec, professeure émérite en sciences de l’information et de la communication, a développé le paradigme d’« homme-trace » dans ses travaux. Pour le résumer : l’appellation « homme-trace » renvoie à une approche de la condition humaine en tant qu’individu vivant dans un ensemble d’interactions multi-échelles, qui font de lui non seulement un producteur de traces, puisque ses actions produisent des conséquences/traces sur le milieu/l’environnement, mais aussi un construit de traces. Il n’a pas un corps. Il « est » son corps – entendu comme un corps non coupé de l’esprit. Ce corps, nommé « corps-trace », intègre les « conséquences-traces » de ses interactions avec le milieu, ces interactions fonctionnant en boucles de rétroactions qui se combinent entre elles. L’environnement et l’écosystème d’un individu, y compris les personnes qui l’entourent, sont ainsi des facteurs de l’homme présent.
Comment ces concepts s’appliquent-ils au numérique en santé ?
Dans le cadre du big dataet de l’IA, nous sommes partis du principe de traces numériques, soit les empreintes laissées par une personne, de manière volontaire ou pas, dans un environnement numérique. Prises en tant que telles, ces traces ne sont pas réellement une source d’informations. Il faut leur donner un sens, il faut des compétences pour les interpréter. Le schéma est le même dans le domaine médical : les traces laissées par une maladie nécessitent elles aussi une interprétation et sont à l’origine de plusieurs interactions, dans et hors du corps, d’où le terme de « corps-trace ». À travers notre thèse, nous montrons également que la trace numérique est une sous-catégorie et une partie de la trace utilisée en médecine ; et que la prise de décision à partir des traces numériques seules constituait un biais important d’interprétation avec des conséquences néfastes pour le patient, le médecin et la société.
Par exemple ?
Prenez la Covid-19. En termes d’interactions, on peut évoquer celle supposément survenue dans les premiers temps avec un animal extérieur, que ce soit un pangolin ou une chauve-souris. Cette crise a également montré que chaque nouvelle interprétation des traces laissées par la maladie a fait évoluer ses recommandations de prise en charge, de manière plus ou moins efficace. Cet exemple permet d’ailleurs d’introduire une autre notion importante, celle de la réalité voilée : l’humain ne peut pas connaître toute la réalité mais simplement une réalité interprétée.
Pour finir, quels sont les problèmes éthiques posés par l’intégration du big dataet de l’intelligence artificielle au monde de la médecine ?
La médecine est une discipline complexe car, comme nous l’avons déjà évoqué, elle travaille sur l’humain. Elle fourmille d’interactions et est donc quasiment impossible à modéliser. Mais la médecine s’inscrit également dans une double approche : la pratique clinique, centrée sur l’individu, et la santé publique, qui concerne toute une population. Ces deux volets sont pour moi les deux faces d’une même pièce, opposées mais complémentaires. Grâce au numérique, les données individuelles vont dorénavant constituer les données populationnelles. L’IA, le big datacréent donc là des ponts entre ces deux faces. Pour autant, il nous faut réfléchir à la manière dont nous pourrions protéger ces deux groupes l’un de l’autre. Il nous faut avant tout renforcer la confiance, des médecins comme des patients, pour les outils et les acteurs du numérique en santé. C’est d’ailleurs aujourd’hui l’un des plus gros freins à l’intégration de ces technologies en médecine. Il nous faut, en parallèle, développer les réflexions éthiques pour répondre à plusieurs questions.
Lesquelles ?
D’où viennent les données ? Sont-elles de qualité ? Quelles sont les couches de population prises en compte ? Qui va manipuler et traiter les informations recueillies ? De quelle manière ? Devons-nous collecter des données qui ne sont à ce jour pas (encore) nécessaires ? Ce n’est qu’un aperçu des points à cadrer. Pour y parvenir, mais aussi pour assurer la création d’outils efficaces et pertinents, répondant à des besoins réels, il faut intégrer tout l’écosystème sanitaire dès les premières phases de développement, faire appel à des médecins et des patients dans une démarche qui devra à terme être certifiée. L’établissement des responsabilités de chacun devra aussi être plus clairement défini. Une fois la confiance instaurée et l’ensemble des acteurs impliqués, l’intégration de l’IA et du big data en médecine sera grandement facilitée.
Relwendé Aristide Yameogo : J’ai obtenu, en 2014, mon diplôme d’études spécialisées en cardiologie à Ouagadougou, au Burkina Faso. Je me suis intéressé au numérique durant ma spécialisation, à travers notamment un master en santé publique et informatique médicale à l’Université d’Aix-Marseille. Je souhaitais alors mieux comprendre comment les technologies numériques, particulièrement utilisées en cardiologie, pouvaient avoir un impact sur la pratique médicale. En 2014, à l’issue de ce master, j’ai exercé en tant que cardiologue au Burkina Faso pendant deux ans, avant de commencer une thèse en informatique à l’Université Le Havre Normandie.
IntituléeRisques et perspectives du big data et de l’intelligence artificielle : approche éthique et épistémologique, la thèse que vous avez présentée en septembre dernier offre une vision d’ensemble sur les changements qui s’opèrent actuellement dans le monde médical. Pourquoi ce sujet ?
Il avait été établi par mes directeurs de thèse, les Professeurs Joël Colloc et Béatrice Galinon-Mélénec, avant même mon arrivée. Mais j’ai immédiatement souhaité m’en emparer. La possibilité de réfléchir aux aspects éthiques et épistémologiques de ces technologies a grandement joué dans ce choix, puisqu’elle me permettait de dépasser la dimension purement technique pour travailler de manière plus transversale sur les sciences humaines et sociales. Pouvoir faire le lien avec différentes matières est ce qui m’a le plus plu à la lecture du sujet, d’autant qu’il s’agit là d’un enjeu majeur pour le développement de l’informatique médicale et, plus globalement, le domaine de la santé. Les données utilisées par l’Intelligence artificielle (IA) peuvent par exemple permettre de concevoir des systèmes d’aide à la décision médicale et mieux organiser la prise en charge. L’IA apportera donc beaucoup à la médecine, mais cela dépendra aussi de son mode d’intégration et de son positionnement dans le système de santé. En tout état de cause, l’IA ne remplacera pas le médecin, qui conservera ses missions d’information, d’aide à la prise de décision et de médiation. Et elle ne permettra pas aux patients d’être plus autonomes.
Vous avez d’ailleurs vous-même cherché à comprendre la perception qu’ont aujourd’hui les médecins des technologies numériques.
Effectivement, au cours des recherches pour ma thèse, j’ai mené une enquête auprès des médecins du Havre pour connaître la manière dont ils perçoivent l’informatique et l’IA appliquées à la médecine. Plusieurs constats en sont ressortis. Les médecins interrogés ne sont pas, globalement, contre le développement de ces outils, et le Dossier Patient Informatisé (DPI) est d’ailleurs bien intégré à leurs pratiques. Mais nombre d’entre eux ont signifié plusieurs problèmes : un manque de connexion entre les outils, un manque de visibilité sur leurs applications pratiques ou une dimension quelque peu chronophage.
Quels autres enjeux cette enquête a-t-elle mis en lumière ?
Les médecins interrogés se préoccupent beaucoup des problématiques de gestion des données et de respect du secret médical. Ils sont conscients de participer à la collecte d’informations personnelles et se demandent comment elles sont ensuite gérées. Beaucoup n’ont pas confiance et conservent ces données sur leurs ordinateurs et non sur un serveur déporté, afin de limiter les risques de classification des patients, et donc les inégalités et discriminations qui pourraient en découler.
Dans votre thèse, vous indiquez travailler sur la mise en place d’un Espace Vectoriel Flou Temporel (EVFT). De quoi s’agit-il, plus exactement ?
L’EVFT est avant tout une méthode utilisée pour poser un diagnostic en prenant en compte les imprécisions et les incertitudes. Le Pr. Joël Colloc et moi-même sommes d’ailleurs en train de tester cette capacité diagnostique sur la détection de l’embolie pulmonaire : à partir des symptômes, l’EVFT permet d’établir des probabilités sur la présence, ou non, d’une embolie. Cette technique passe en effet par des probabilités transitoires, c’est-à-dire qui ne sont pas définies comme totalement vraies ou totalement fausses. Pour l’illustrer on pourrait dire que sur un trajet Paris-Le Havre, quelqu’un se trouvant à Rouen est à peu près à 40 % à Paris, et à 60 % au Havre. Partant de cela, des variables apparaissent, créant ensemble un espace flou. L’un des avantages de l’EVFT est donc qu’elle prend en considération la dynamique temporelle des symptômes, pour diagnostiquer la maladie.
Vos travaux évoquent également les concepts d’« homme-trace » et de « corps-trace ». En quoi peuvent-ils aider à la compréhension des changements actuels ?
Béatrice Galinon-Mélénec, professeure émérite en sciences de l’information et de la communication, a développé le paradigme d’« homme-trace » dans ses travaux. Pour le résumer : l’appellation « homme-trace » renvoie à une approche de la condition humaine en tant qu’individu vivant dans un ensemble d’interactions multi-échelles, qui font de lui non seulement un producteur de traces, puisque ses actions produisent des conséquences/traces sur le milieu/l’environnement, mais aussi un construit de traces. Il n’a pas un corps. Il « est » son corps – entendu comme un corps non coupé de l’esprit. Ce corps, nommé « corps-trace », intègre les « conséquences-traces » de ses interactions avec le milieu, ces interactions fonctionnant en boucles de rétroactions qui se combinent entre elles. L’environnement et l’écosystème d’un individu, y compris les personnes qui l’entourent, sont ainsi des facteurs de l’homme présent.
Comment ces concepts s’appliquent-ils au numérique en santé ?
Dans le cadre du big dataet de l’IA, nous sommes partis du principe de traces numériques, soit les empreintes laissées par une personne, de manière volontaire ou pas, dans un environnement numérique. Prises en tant que telles, ces traces ne sont pas réellement une source d’informations. Il faut leur donner un sens, il faut des compétences pour les interpréter. Le schéma est le même dans le domaine médical : les traces laissées par une maladie nécessitent elles aussi une interprétation et sont à l’origine de plusieurs interactions, dans et hors du corps, d’où le terme de « corps-trace ». À travers notre thèse, nous montrons également que la trace numérique est une sous-catégorie et une partie de la trace utilisée en médecine ; et que la prise de décision à partir des traces numériques seules constituait un biais important d’interprétation avec des conséquences néfastes pour le patient, le médecin et la société.
Par exemple ?
Prenez la Covid-19. En termes d’interactions, on peut évoquer celle supposément survenue dans les premiers temps avec un animal extérieur, que ce soit un pangolin ou une chauve-souris. Cette crise a également montré que chaque nouvelle interprétation des traces laissées par la maladie a fait évoluer ses recommandations de prise en charge, de manière plus ou moins efficace. Cet exemple permet d’ailleurs d’introduire une autre notion importante, celle de la réalité voilée : l’humain ne peut pas connaître toute la réalité mais simplement une réalité interprétée.
Pour finir, quels sont les problèmes éthiques posés par l’intégration du big dataet de l’intelligence artificielle au monde de la médecine ?
La médecine est une discipline complexe car, comme nous l’avons déjà évoqué, elle travaille sur l’humain. Elle fourmille d’interactions et est donc quasiment impossible à modéliser. Mais la médecine s’inscrit également dans une double approche : la pratique clinique, centrée sur l’individu, et la santé publique, qui concerne toute une population. Ces deux volets sont pour moi les deux faces d’une même pièce, opposées mais complémentaires. Grâce au numérique, les données individuelles vont dorénavant constituer les données populationnelles. L’IA, le big datacréent donc là des ponts entre ces deux faces. Pour autant, il nous faut réfléchir à la manière dont nous pourrions protéger ces deux groupes l’un de l’autre. Il nous faut avant tout renforcer la confiance, des médecins comme des patients, pour les outils et les acteurs du numérique en santé. C’est d’ailleurs aujourd’hui l’un des plus gros freins à l’intégration de ces technologies en médecine. Il nous faut, en parallèle, développer les réflexions éthiques pour répondre à plusieurs questions.
Lesquelles ?
D’où viennent les données ? Sont-elles de qualité ? Quelles sont les couches de population prises en compte ? Qui va manipuler et traiter les informations recueillies ? De quelle manière ? Devons-nous collecter des données qui ne sont à ce jour pas (encore) nécessaires ? Ce n’est qu’un aperçu des points à cadrer. Pour y parvenir, mais aussi pour assurer la création d’outils efficaces et pertinents, répondant à des besoins réels, il faut intégrer tout l’écosystème sanitaire dès les premières phases de développement, faire appel à des médecins et des patients dans une démarche qui devra à terme être certifiée. L’établissement des responsabilités de chacun devra aussi être plus clairement défini. Une fois la confiance instaurée et l’ensemble des acteurs impliqués, l’intégration de l’IA et du big data en médecine sera grandement facilitée.
Article publié dans le numéro de février d'Hospitalia à consulter ici.
En bref : les notions-clés au cœur de la thèse du Dr Yameogo
Présentée et soutenue le 28 septembre dernier, la thèse du Dr Relwendé Aristide Yameogo se penche principalement sur l’utilisation du big data et de l’IA dans le domaine de la santé, avec pour but d’évaluer leur utilisation « dans la pratique médicale, de découvrir les processus engendrés par les outils numériques en matière de santé et de souligner les problèmes d’éthique qu’ils posent », précise l’auteur. Il revient notamment sur l’usage actuel de ces technologies, qui passe principalement par le Dossier Patient Informatisé, les logiciels d’aide à la prescription et les objets connectés. « Ces usages soulèvent de nombreux problèmes pour les médecins conscients du risque encouru quant à la protection des données de santé des patients », ajoute le médecin qui, après avoir mené une étude auprès de ses confrères, s’est également penché sur la création d’un espace vectoriel flou temporel. Conduits sous la direction de Joël Colloc, professeur d’informatique et de Béatrice Galinon-Mélénec, professeure émérite en sciences de l’information et de la communication, les travaux du Dr Relwendé Aristide Yameogo intègrent aussi les notions d’« homme-trace », de « corps-trace » et de « traces numériques » qui, couplées aux précédentes études et à plusieurs réflexions éthiques, permettent à l’auteur d’imaginer des processus de développement du big dataet de l’IA respectueux des droits des personnes et des règles déontologiques et éthiques associés à leur appropriation.
- Risques et perspectives du big data et de l'intelligence artificielle : approche éthique et épistémologiqueest accessible à l’Université du Havre. Elle sera publiée en ligne le 28 septembre 2021 et disponible sur : www.theses.fr/2020NORMLH10.
- Risques et perspectives du big data et de l'intelligence artificielle : approche éthique et épistémologiqueest accessible à l’Université du Havre. Elle sera publiée en ligne le 28 septembre 2021 et disponible sur : www.theses.fr/2020NORMLH10.
Envoyer à un ami
Version imprimable
Partager