La difficile triangulation de l’IA appliquée à la médecine

Par Yann MOULIER-BOUTANG, Professeur émérite en sciences économiques, Alliance Sorbonne Université, Président du Conseil Scientifique de l’Institut des Hautes Etudes de la Transition Numérique
(IHETN)

Pour répondre au besoin de l’éthique médicale, l’IA doit s’approcher des décisions humaines tranchant sur du complexe. Contrairement au compliqué, le complexe n’est ni codifiable, ni exécutable par un programme. L’IA doit donc imiter l’intelligence humaine. Celle-ci est définie comme la capacité de répondre insolitement à une question dont la solution n’a pas été programmée. Pour acquérir cette faculté, l’Homme a expérimenté trois systèmes d’apprentissage fondamentaux. Le premier est relatif aux informations sensori-motrices. Le deuxième permet l’acquisition de la raison logique par l’apprentissage rationnel et par imitation des plus âgés. Et le troisième est l’apprentissage de l’inhibition cognitive. Actuellement, les réseaux de neurones miment seulement les deux premiers systèmes.

À ce jour, l’IA reste donc le couronnement de l’automatisation de l’emploi. Dans le domaine de la santé, cette industrialisation des services a des causes spécifiques :

  • la tendance à considérer que la qualité de vie des populations est une clé concrète du développement ;
  • la croissance du rôle de la médecine préventive ;
  • le coût du vieillissement de la population.

Actuellement, deux visions s’affrontent sur l’incidence de l’IA sur l’emploi. La première, optimiste, défend le fait que l’automatisation de l’emploi équivaut à une « destruction créatrice » aboutissant à un retour à l’équilibre grâce à l’émergence de nouveaux postes répondant aux nouveaux besoins. La seconde, plus pessimiste, explique que la destruction d’emploi n’est pas totalement compensée : de nouveaux postes se créent mais ils ne sont, ni aussi nombreux, ni de même nature que ceux détruits.
Nous risquons alors un travail dévalorisé et déqualifié pour la majorité de la population et à l’inverse, une surqualification d’une infime partie de la population travaillant sur les tâches complexes. D’un point de vue économique, les prix des travaux automatisés sont en baisse et la part du capital s’accroît au détriment de la part des salaires.

Pour utiliser l’IA à bon escient, nous avons donc un long chemin à parcourir : trancher sur les questions sociétales et continuer la recherche pour rendre les logiciels d’IA plus explicables et robustes.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.