Le Dr Vladimir Makarov, responsable de la communauté IA à The Pistoia Alliance, souligne qu’en dépit de la volonté de l’industrie des sciences de la vie d’intégrer l’intelligence artificielle (IA), l’intégrité des données demeure un enjeu crucial à relever pour assurer une intégration réussie de cette technologie en rapide évolution.
Selon une étude de GlobalData, l’intégration de l’IA dans les secteurs des sciences de la vie et de la santé se renforce, avec un tiers des professionnels de la santé considérant la protection des données comme le principal obstacle. Ces professionnels évoquent des défis tels que « la nécessité de protections robustes, l’intégration des flux de travail et l’acceptation par les parties prenantes » pour garantir une mise en œuvre éthique et durable de l’IA.
Ces préoccupations coexistent avec les avantages promis par cette technologie, comme « l’amélioration de l’efficacité, l’amélioration des résultats pour les patients, et la réponse à des défis critiques tels que le manque de personnel. Toutefois, le chemin vers une mise en œuvre réussie est semé d’embûches, notamment en ce qui concerne la confidentialité des données, l’intégration des flux de travail et l’acceptation par les patients et les médecins », a déclaré Sachin Gharat, Responsable de projet associé chez GlobalData.
Quel impact le cycle de hype de l’IA aura-t-il sur la R&D dans les sciences de la vie ?
[Pour] l’utilisation de l’IA dans la R&D des sciences de la vie… 2025 marquera l’entrée de l’industrie sur le « plateau de l’illumination ».
L’utilisation de l’IA dans la R&D des sciences de la vie a désormais traversé la plupart des étapes majeures du cycle de hype de Gartner et 2025 marquera une ère où l’industrie atteindra le « plateau de l’illumination ». Cela signifie que les technologies d’IA sont largement utilisées, bien que les meilleures pratiques et applications continuent d’être découvertes et documentées. Les forces et faiblesses de l’IA sont généralement bien comprises par l’industrie des sciences de la vie, entraînant des investissements plus rationnels et des cas d’utilisation spécifiques. Pourtant, l’IA demeure la première priorité d’investissement pour les deux prochaines années, d’après 62 % des répondants au rapport 2024 Lab of the Future de Pistoia.
Comment les attitudes envers l’IA évoluent-elles parmi les chercheurs d’entreprises dans les secteurs pharmaceutiques et des sciences de la vie ?
Des ensembles de données de faible qualité et mal organisés représentent le principal frein à la mise en œuvre de l’IA (cité par 52 %)
Une volonté générale existe chez les chercheurs d’utiliser l’IA, avec 68 % des professionnels des sciences de la vie l’utilisant en 2024, contre 54 % en 2023. Cependant, 28 % des chercheurs estiment encore que l’IA n’est pas digne de confiance, fiable ou responsable. Cette perception est en partie alimentée par les défis liés à la qualité des contenus utilisés pour entraîner l’IA. Les ensembles de données de faible qualité et mal organisés demeurent le principal obstacle à la mise en œuvre de l’IA (cité par 52 %).
Les chercheurs sont très conscients que des entrées de mauvaise qualité peuvent entraîner des sorties d’IA inexactes et biaisées, avec des conséquences importantes dans des domaines tels que le développement de médicaments, où la santé des patients est en jeu. En 2025, l’industrie devra collaborer pour surmonter ces défis de données, permettant ainsi aux encadrants qui s’y opposent toujours d’utiliser l’IA de manière sécurisée et confiante.
Quel est le besoin persistant de systèmes d’IA fiables et de données dans un monde où tout le monde a accès à des outils d’IA ?
Pour que l’IA réussisse dans le développement de médicaments et d’autres domaines du secteur pharmaceutique, deux exigences cruciales existent : des systèmes d’IA dignes de confiance et des données que l’on peut trouver, accéder, interopérer et réutiliser (FAIR).
Une IA digne de confiance repose sur la transparence des données saisies dans les modèles, l’explicabilité des résultats et la confidentialité des données sensibles. Ces concepts sont au cœur des nouvelles réglementations sur l’IA, telles que l’ordonnance exécutive américaine sur l’IA de 2023 et l’Acte sur l’IA de l’UE, qui exigent des applications à haut risque qu’elles soumettent des évaluations de conformité pour prouver leur transparence et leur fiabilité.
Les données FAIR sont la base de tout bon modèle d’IA
Parallèlement, les données FAIR constituent la base de tout bon modèle d’IA. Respecter les principes FAIR garantit que les données peuvent circuler plus librement dans l’environnement de recherche, permettant ainsi de débloquer une plus grande valeur sur de plus longues périodes, y compris en favorisant une réutilisation secondaire plus efficace.
Cependant, d’après les retours de nos membres, des progrès restent à faire avant que l’industrie puisse cocher les cases de FAIR et de transparence. Toutefois, 38 % continuent de citer des données non FAIR comme un obstacle à l’IA.
En 2025, les organisations devront se concentrer sur la résolution des défis liés à l’intégrité des données. Apprendre des erreurs et des succès des autres sera essentiel pour faire avancer l’adoption de l’IA. The Pistoia Alliance a depuis longtemps été un pionnier des données FAIR, et nous incitons les organisations à explorer certaines des ressources que nous avons développées avec l’industrie, comme notre document de 2024 sur les bonnes pratiques en matière d’apprentissage machine ou notre boîte à outils FAIR.
Bon à savoir
- L’IA a le potentiel d’améliorer non seulement la recherche clinique, mais aussi les processus administratifs dans le secteur de la santé.
- La collaboration entre les différentes parties prenantes du secteur est essentielle pour garantir une mise en œuvre éthique de l’IA.
- Les retours d’expérience accumulés par les professionnels peuvent aider à façonner de futures lignes directrices sur l’utilisation de l’IA dans les sciences de la vie.