De la recherche fondamentale à la pratique clinique, en passant par les politiques publiques : Promouvoir une IA responsable dans le système de santé canadien

L’intelligence artificielle (IA) est devenue une force transformatrice dans le domaine de la santé, avec des applications allant du diagnostic prédictif aux recommandations de traitements personnalisés. Le Canada, qui abrite des centres de recherche en IA de renommée mondiale, est idéalement placé pour façonner l’avenir de la médecine assistée par l’IA. Toutefois, malgré les progrès technologiques constants, la mise en application de ces innovations en pratique clinique demeure limitée. Ce retard n’est pas uniquement dû à la maturité technologique, mais aussi à l’absence d’une politique scientifique et d’innovation cohérente et tournée vers l’avenir.

Le potentiel de l'IA dans le domaine de la santé est manifeste dans de nombreux secteurs, notamment la radiologie, l'anatomopathologie, la génomique et la santé mentale. Les outils basés sur l'IA peuvent aider les cliniciens à diagnostiquer les maladies plus tôt, à prédire les réponses aux traitements et à optimiser les flux de travail. Cependant, malgré des études pilotes prometteuses et un intérêt commercial certain, son adoption à grande échelle est freinée par une combinaison de facteurs : ambiguïté réglementaire, préoccupations éthiques, infrastructures limitées pour la validation et le déploiement, et incertitudes quant à la responsabilité juridique et à la sécurité des patients.

Pour exploiter pleinement le potentiel de l’IA dans le domaine de la santé, le Canada doit se doter d’un cadre politique national favorisant une innovation responsable. Ce cadre devrait concilier progrès scientifique et valeurs sociales, garantissant ainsi que les technologies d’IA soient sûres, efficaces, équitables et fiables. Les politiques doivent faire le lien entre l’innovation et son impact, facilitant non seulement le développement des outils d’IA, mais aussi leur déploiement éthique, inclusif et durable.

1. Concevoir des systèmes d'IA éthiques et responsables

Les systèmes d'IA dans le domaine de la santé sont souvent entraînés sur des données qui reflètent des biais, des lacunes et des inégalités existants. Si ces biais ne sont pas pris en compte, ils peuvent être perpétués, voire amplifiés, par les modèles d'apprentissage automatique, entraînant des résultats inéquitables. Une politique d'IA responsable doit imposer une conception éthique et une responsabilisation tout au long du cycle de vie de l'IA. Cela implique de faire respecter des normes d'explicabilité, de transparence et de provenance des données.

Les organismes de réglementation canadiens devraient appuyer la création de comités d’éthique spécialisés en intelligence artificielle et habiliter les comités d’éthique de la recherche (CER) à évaluer les modèles d’apprentissage automatique non seulement en termes de sécurité et de performance, mais aussi d’équité et d’impact sociétal. De plus, les développeurs d’IA devraient être encouragés à divulguer les hypothèses de leurs modèles, leurs sources de données d’entraînement et leurs limites, afin de permettre aux cliniciens et aux patients de prendre des décisions éclairées.

2. Investir dans l'infrastructure translationnelle

Les politiques publiques doivent également combler le fossé entre la recherche et sa mise en œuvre. De nombreux modèles d'IA prometteurs ne dépassent pas le stade de la validation de principe faute d'environnements de test concrets et de cadres de partage de données. La mise en place d'infrastructures de transfert de connaissances – telles que des plateformes de données fédérées, des bancs d'essai cliniques d'IA et des pôles d'innovation – peut favoriser un déploiement sûr et progressif des outils d'IA dans le secteur de la santé.

Les investissements fédéraux et provinciaux devraient privilégier les plateformes qui facilitent la collaboration entre les chercheurs universitaires, les professionnels de la santé, les partenaires industriels et les communautés de patients. Ces partenariats sont essentiels à la conception conjointe de solutions d’IA adaptées au contexte et pertinentes sur le plan clinique. Les modèles de financement devraient encourager non seulement le développement de nouveaux algorithmes, mais aussi l’évaluation, l’intégration et le suivi rigoureux des outils d’IA dans divers environnements de soins de santé.

3. Promouvoir l'équité et l'inclusion dans l'élaboration des politiques

L’équité en santé doit être un pilier central de la politique canadienne en matière d’IA. Les populations marginalisées – notamment les communautés autochtones, les résidents des régions rurales et les groupes racialisés – risquent d’être exclues des avantages de l’IA en raison de leur sous-représentation dans les données, des disparités technologiques et des préjugés systémiques. L’élaboration de politiques inclusives exige une collaboration étroite avec ces communautés tout au long du processus de développement et de déploiement de l’IA.

Le Canada devrait établir des lignes directrices favorisant l’inclusion de données issues de populations diversifiées dans les ensembles de données d’entraînement et exiger des audits d’équité des outils d’IA avant leur adoption clinique. De plus, les cadres stratégiques devraient garantir que les droits de propriété intellectuelle et les structures de gouvernance des données respectent la souveraineté des communautés autochtones et des autres groupes historiquement exclus. Cela comprend le respect des principes de l’OCAP® (Propriété, Contrôle, Accès et Possession) dans toute initiative relative aux données impliquant les Premières Nations.

4. Garantir la préparation et le renforcement des capacités de la main-d'œuvre

L’intégration réussie de l’IA dans le secteur de la santé repose non seulement sur la technologie et les politiques, mais aussi sur les personnes. Les professionnels de santé doivent être dotés des compétences nécessaires pour interpréter, évaluer et utiliser les outils d’IA de manière responsable. De même, les développeurs d’IA doivent appréhender les enjeux éthiques, cliniques et humains liés au déploiement de leurs modèles.

Les politiques nationales devraient soutenir les programmes de formation favorisant une culture interdisciplinaire, notamment en matière d'éthique de l'IA, de conception centrée sur l'humain et de validation clinique. Les initiatives de formation collaborative entre les écoles d'ingénieurs, les facultés de médecine et les programmes de santé publique peuvent contribuer à former une main-d'œuvre capable de gérer la complexité des soins de santé pilotés par l'IA.

5. Renforcer la coordination entre les juridictions

Au Canada, la santé relève de la compétence provinciale, mais les implications de l’IA dépassent les frontières provinciales. Une approche pancanadienne est essentielle pour harmoniser les normes, partager les pratiques exemplaires et éviter le dédoublement des efforts. Le leadership national devrait favoriser la coordination interprovinciale en matière d’interopérabilité des données, d’harmonisation réglementaire et de cadres d’évaluation des modèles.

Le gouvernement fédéral, par l’intermédiaire d’institutions comme les Instituts de recherche en santé du Canada (IRSC) et Innovation, Sciences et Développement économique Canada (ISDE), peut jouer un rôle de rassembleur en lançant des initiatives de financement conjointes, des registres nationaux pour les outils d’IA et des voies de certification qui garantissent la sécurité et la confiance à l’échelle du pays.

Conclusion : un appel à l'action

L’IA est sur le point de révolutionner les soins de santé, mais son succès dépendra de bien plus que des algorithmes. Le Canada doit saisir l’occasion de jouer un rôle de chef de file mondial dans la définition du développement, de l’évaluation et du déploiement de l’IA, en accord avec ses valeurs d’équité, d’inclusion et de confiance du public. Les politiques scientifiques sont essentielles à cette fin.

Le Centre canadien de politiques scientifiques (CCPS) est bien placé pour faciliter le dialogue et l’action en réunissant les intervenants des milieux universitaires, gouvernementaux, industriels et de la société civile. Face aux demandes croissantes qui pèsent sur notre système de santé, l’IA responsable offre une voie vers l’innovation non seulement efficace, mais aussi éthique et équitable. L’élaboration des politiques aujourd’hui déterminera comment ces outils façonneront la santé des Canadiens demain.