Cancer : pourquoi le NHS peine à déployer les outils de détection par IA

Au Royaume-Uni, l’intelligence artificielle est souvent présentée comme l’un des leviers capables de soulager un National Health Service, le NHS, soumis à une forte pression. En cancérologie, la promesse est concrète : analyser plus vite une image médicale ou une photographie de lésion, aider un professionnel à identifier les cas les plus suspects et, potentiellement, éviter que des patients attendent inutilement un rendez-vous spécialisé. Pourtant, au 5 avril 2025, le principal obstacle n’est plus seulement technique. Il tient aussi à la capacité du système de santé à évaluer, financer et intégrer ces outils dans la pratique quotidienne.

Le débat est particulièrement visible dans le domaine des lésions cutanées suspectes. Des projets pilotes ont montré l’intérêt de systèmes d’IA capables d’assister l’évaluation de photographies de peau. Mais une démonstration dans un environnement contrôlé ne suffit pas à faire entrer une technologie dans tous les cabinets de médecine générale, tous les services de dermatologie et tous les hôpitaux. Entre le prototype et le soin courant, il faut répondre à des questions décisives : l’outil est-il suffisamment fiable ? Pour quels patients ? Avec quelles images ? À quel coût ? Et qui est responsable si une alerte importante n’est pas remontée ?

L’IA peut-elle réellement détecter un cancer plus tôt ?

L’IA utilisée en santé n’est pas un médecin autonome. Dans les usages évoqués pour le NHS, elle analyse principalement des données déjà recueillies par les soignants, par exemple des images de lésions cutanées, des mammographies ou d’autres examens. Un modèle informatique cherche alors des caractéristiques statistiquement associées à un risque de cancer et produit une estimation, un classement des cas prioritaires ou une alerte.

Son intérêt potentiel est double. D’une part, elle peut aider à traiter de grands volumes d’images et à réduire le temps consacré aux situations les moins inquiétantes. D’autre part, elle peut orienter plus vite les patients présentant des signes qui nécessitent l’avis d’un spécialiste. Dans un système saturé, cette fonction de tri clinique peut avoir une conséquence très concrète : raccourcir le délai entre une première consultation et la prise en charge adéquate.

Il faut toutefois distinguer plusieurs notions souvent confondues :

Cette précision est essentielle. Une IA peut contribuer à la détection précoce, mais elle ne garantit pas à elle seule qu’un cancer sera trouvé plus tôt. La qualité de la prise de vue, l’accès au rendez-vous, la disponibilité des spécialistes et la possibilité de réaliser rapidement une biopsie ou un examen d’imagerie comptent tout autant.

Pourquoi l’évaluation du NICE prend-elle du temps ?

Le National Institute for Health and Care Excellence, ou NICE, joue un rôle central dans l’adoption des innovations au sein du système de santé britannique. L’organisme ne vérifie pas uniquement qu’une technologie semble fonctionner. Il examine aussi son intérêt clinique, sa sécurité, les preuves disponibles, les conséquences organisationnelles et sa valeur au regard des dépenses de santé.

Dans le cas des outils d’IA destinés à aider la décision pour les personnes ayant une suspicion de cancer de la peau, une évaluation précoce de la valeur, ou EVA, a été engagée en octobre 2023. Cette procédure vise à déterminer si une technologie suffisamment prometteuse peut être utilisée dans des conditions encadrées, tout en recueillant les données qui manquent encore pour juger de son efficacité dans la vie réelle.

Pour les partisans d’une adoption accélérée, cette temporalité est difficilement acceptable. Ils soulignent que des outils déjà considérés comme sûrs pourraient réduire des consultations hospitalières inutiles, rassurer plus rapidement les patients et libérer du temps pour les personnes les plus à risque. Le constat est particulièrement sensible lorsque les listes d’attente et les retards de diagnostic pèsent sur le NHS.

Mais l’évaluation n’est pas une simple formalité administrative. Une technologie qui obtient de bons résultats dans un pilote peut produire des résultats différents une fois confrontée à des milliers de patients, à des appareils photo variés, à des conditions d’éclairage imparfaites ou à des pratiques locales différentes. Le NICE doit aussi s’assurer que les bénéfices ne profitent pas seulement aux établissements les mieux équipés.

Du projet pilote à l’hôpital : un parcours plus complexe qu’il n’y paraît

La généralisation d’un outil médical fondé sur l’IA exige bien davantage que l’installation d’un logiciel. Les professionnels doivent être formés à comprendre ce que l’outil indique, mais aussi ce qu’il ne peut pas conclure. Les résultats doivent s’intégrer aux dossiers médicaux et aux circuits d’orientation existants. Enfin, les établissements doivent disposer d’un protocole clair lorsqu’une IA signale un risque élevé ou, au contraire, classe une situation comme peu urgente.

Cette réalité explique le décalage entre les annonces technologiques et l’expérience des patients. Une IA peut produire une alerte en quelques secondes, mais le patient a encore besoin d’une consultation, parfois d’examens complémentaires, puis d’une décision médicale. L’outil ne supprime pas ces étapes. Son rôle est de rendre le parcours plus pertinent et, idéalement, plus rapide.

La dermatologue consultante Dr Julia Schofield fait partie des voix qui réclament une évolution des procédures afin de faciliter l’adoption d’outils d’IA lorsque leur sécurité a été établie. L’enjeu, selon cette ligne de pensée, est de ne pas laisser des innovations prometteuses attendre trop longtemps alors que les services sont sous tension et que la détection précoce peut modifier les chances de prise en charge.

Cela ne signifie pas qu’il faudrait abandonner les garde-fous. Cela signifie plutôt que les autorités sanitaires doivent être capables d’évaluer plus vite, avec des critères adaptés à des logiciels qui évoluent plus rapidement qu’un équipement médical classique. Une solution consiste à associer un accès encadré à une collecte rigoureuse de données réelles, afin de mesurer les effets sur les délais, le nombre de consultations spécialisées, les diagnostics confirmés et les éventuels risques.

Les retards de diagnostic ne se limitent pas à la technologie

Le cas de Jane Ghosh, atteinte d’un cancer colorectal avancé, rappelle que l’accès au dépistage et la sensibilisation du public restent des enjeux majeurs. Son témoignage met en lumière les difficultés que peuvent rencontrer certaines personnes âgées pour obtenir ou demander le matériel de dépistage approprié, malgré l’existence de recommandations et de dispositifs établis.

L’IA ne saurait résoudre seule cette situation. Un système de détection, même performant, ne peut aider que si les personnes concernées participent au dépistage, consultent en cas de symptôme et peuvent accéder à une prise en charge dans des délais raisonnables. Le parcours contre le cancer repose donc sur une chaîne entière : information du public, accès à la médecine de proximité, examens fiables, spécialistes disponibles et suivi coordonné.

C’est aussi pourquoi il serait trompeur de parler de « dépistage par IA » comme d’un bloc unique. Les cas mentionnés dans le débat britannique concernent notamment l’aide à la décision face à des lésions cutanées suspectes. Ils ne constituent pas, à eux seuls, une solution généralisée pour tous les cancers ni un substitut aux programmes de dépistage déjà existants.

Un projet développé par IBM est également cité pour son ambition de détecter des signaux liés au cancer du sein jusqu’à un an avant son apparition. Cette perspective illustre le potentiel de l’analyse automatisée des images médicales, mais elle doit être lue avec prudence : une promesse de recherche ou un résultat préliminaire ne vaut pas encore une adoption clinique à grande échelle. Pour passer de l’innovation au soin, il faut démontrer que l’outil apporte un bénéfice réel aux patientes dans les conditions ordinaires du système de santé.

Sécurité, biais et données : les conditions de la confiance

La rapidité ne doit pas se faire au détriment de la sécurité. En médecine, une erreur de l’IA peut avoir deux formes très différentes. Un faux positif peut générer de l’anxiété, des examens supplémentaires et une surcharge des services. Un faux négatif est potentiellement plus grave : un patient pourrait être rassuré à tort et voir son diagnostic retardé. C’est pourquoi les performances d’un modèle doivent être évaluées sur des populations diversifiées et dans des situations représentatives de la pratique clinique.

Le risque de biais mérite une attention particulière en dermatologie. Si un système a surtout été entraîné avec des images correspondant à certains types de peau, à certains appareils ou à certaines conditions de prise de vue, ses performances peuvent ne pas être identiques pour tous les patients. La qualité des données et la transparence des conditions d’utilisation sont donc des éléments de sécurité, pas de simples détails techniques.

La protection des informations de santé est un autre point incontournable. Les images médicales et les données associées sont particulièrement sensibles. Leur usage doit respecter des règles strictes de confidentialité, de sécurité informatique et de gouvernance. Les équipes du NHS doivent savoir quelles données sont utilisées, dans quel but, combien de temps elles sont conservées et qui peut y accéder.

Le gouvernement britannique pousse à accélérer l’adoption

La question s’inscrit dans une stratégie plus large. En janvier 2025, le gouvernement britannique a présenté un plan ambitieux consacré aux opportunités de l’intelligence artificielle. La santé y apparaît comme un domaine où une adoption mieux organisée pourrait améliorer les services publics et favoriser l’innovation.

Pour le NHS, l’enjeu ne se résume pas à acheter de nouveaux outils. Il s’agit de créer des processus capables de faire progresser rapidement les technologies qui apportent une valeur prouvée, tout en écartant celles dont les bénéfices restent incertains. Les appels à une modernisation du NICE et des procédures d’adoption traduisent cette tension : aller plus vite, sans laisser la pression politique ou médiatique remplacer les preuves médicales.

Les défenseurs d’une accélération estiment que les lenteurs actuelles ont un coût humain, car des diagnostics tardifs peuvent réduire les possibilités de traitement. Les responsables publics doivent, de leur côté, éviter d’engager massivement des fonds dans des systèmes incapables de démontrer qu’ils améliorent réellement les soins. C’est dans cet équilibre que se joue la crédibilité de l’IA médicale.

Ce qu’il faut surveiller dans les prochains mois

La première question sera la suite donnée par le NICE à son évaluation des technologies d’IA pour les lésions cutanées suspectes. Ses recommandations détermineront les conditions dans lesquelles ces solutions pourraient être proposées au sein du NHS, les données à recueillir et les limites de leur usage.

Il faudra ensuite observer les résultats concrets, et non seulement les démonstrations techniques. Un déploiement réussi devrait permettre de mesurer si les patients sont orientés plus vite, si les dermatologues disposent de davantage de temps pour les cas complexes, si le nombre d’examens inutiles diminue et si les performances restent équitables pour des populations diverses.

Enfin, l’IA ne sera réellement utile que si elle s’accompagne d’une amélioration du parcours global. Le dépistage du cancer dépend toujours de la capacité à informer le public, à inciter les personnes éligibles à participer, à accueillir les patients qui signalent des symptômes et à assurer une prise en charge rapide après une alerte. L’algorithme peut devenir un allié important, mais il ne remplace ni l’accès aux soins ni le jugement clinique.