Diabète : IBM et Roche misent sur l’IA pour anticiper la glycémie

Vivre avec un diabète implique souvent de prendre des décisions au fil de la journée, en fonction des repas, de l’activité physique, du traitement et des valeurs mesurées. Or une donnée isolée ne dit pas tout : savoir si le glucose est stable, en hausse ou sur le point de baisser peut changer la manière d’anticiper une situation à risque. C’est sur cette dimension prédictive qu’IBM et Roche veulent intervenir avec l’application Accu-Chek SmartGuide Predict.

Annoncée dans le cadre de leur collaboration, cette solution associe les données d’un capteur de surveillance continue du glucose de Roche à des algorithmes d’intelligence artificielle. Son objectif n’est pas seulement de montrer une valeur de glycémie à un instant donné, mais de fournir une estimation de son évolution prochaine. L’application est, au 3 juin 2025, disponible en Suisse.

Pourquoi anticiper la glycémie change la gestion du diabète

La glycémie désigne la concentration de glucose dans le sang. Chez les personnes vivant avec un diabète, son suivi est central, car des valeurs trop basses comme trop élevées peuvent entraîner des difficultés immédiates ou, à long terme, des complications. La surveillance continue du glucose repose sur un capteur qui recueille régulièrement des mesures et permet de visualiser les évolutions au cours de la journée et de la nuit.

Cette surveillance apporte déjà davantage d’informations qu’une mesure ponctuelle. Mais elle reste, par nature, largement fondée sur l’observation de ce qui se produit ou de ce qui vient de se produire. L’ambition d’Accu-Chek SmartGuide Predict est de faire passer une partie de cette gestion d’une logique réactive à une logique d’anticipation : estimer une trajectoire possible afin de laisser à l’utilisateur le temps de réagir.

L’intérêt est particulièrement clair face à l’hypoglycémie, c’est-à-dire une baisse trop importante du taux de glucose. Elle peut être source d’inconfort, de malaise et d’inquiétude. Pouvoir être prévenu avant une baisse attendue ne fait pas disparaître le risque, mais peut aider la personne concernée à prendre une décision avant que la situation ne devienne critique.

Comment fonctionne Accu-Chek SmartGuide Predict ?

L’application fonctionne avec le capteur de surveillance continue de glucose de Roche. Les données recueillies sont analysées afin de donner à l’utilisateur une indication sur les variations futures de son taux de glucose. IBM et Roche mettent en avant trois fonctions complémentaires, qui n’ont pas le même horizon temporel ni le même objectif.

La fonction Glucose Predict constitue le socle de l’application. Elle applique des algorithmes pour visualiser les fluctuations de glucose anticipées au cours des deux heures suivantes. Pour une personne utilisant un capteur en continu, cette projection ajoute une lecture orientée vers la suite, plutôt qu’une simple consultation du niveau mesuré à présent.

L’enjeu n’est pas de remplacer la mesure, mais de l’interpréter dans le temps. Une valeur peut être semblable à deux moments de la journée tout en recouvrant des situations différentes : elle peut rester stable, monter rapidement ou diminuer. La capacité à représenter une évolution probable est donc le point central de cette approche fondée sur l’IA.

Des alertes ciblées face au risque d’hypoglycémie

La deuxième fonctionnalité, Low Glucose Predict, est spécifiquement conçue pour détecter un risque de glucose bas. Selon les informations présentées par les partenaires, elle peut prévenir l’utilisateur d’une éventuelle hypoglycémie jusqu’à une demi-heure en avance.

Ce délai est significatif dans la vie quotidienne. Il vise à créer une fenêtre de réaction avant une baisse annoncée, plutôt qu’à attendre qu’elle soit constatée. Dans la gestion du diabète, les besoins varient cependant d’une personne à l’autre, selon le type de diabète, le traitement suivi, les objectifs glycémiques fixés avec l’équipe soignante et les circonstances du moment.

La troisième fonction, Night Low Predict, s’intéresse à un moment qui peut être particulièrement anxiogène : la nuit. Avant de se coucher, l’utilisateur reçoit une évaluation du risque d’hypoglycémie nocturne. L’application peut ainsi indiquer la nécessité de consommer une collation avant le sommeil. L’idée est d’apporter un repère supplémentaire à la personne concernée au moment où elle ne pourra plus suivre activement ses données.

Cette attention à la période nocturne répond à une difficulté concrète de la surveillance glycémique : le sommeil limite la capacité à constater rapidement des symptômes ou une évolution indésirable. Une alerte préventive ne garantit pas qu’aucun épisode ne surviendra, mais elle peut contribuer à une gestion plus sereine et plus préparée.

Ce que l’intelligence artificielle apporte réellement ici

Dans ce projet, l’intelligence artificielle n’est pas présentée comme un outil qui poserait un diagnostic de diabète ou déciderait d’un traitement. Son rôle est plus précis : traiter les données de glucose issues du suivi continu afin d’en extraire des tendances et de produire des prévisions utiles à court terme.

Ce type d’usage illustre une application concrète de l’IA en santé. Les algorithmes sont capables d’analyser rapidement un flux de données et de repérer des configurations qui peuvent être difficiles à évaluer au premier regard. Pour l’utilisateur, la valeur potentielle réside dans la transformation d’une succession de chiffres en informations plus directement actionnables : une évolution attendue, un risque de baisse ou une vigilance particulière avant la nuit.

La qualité d’une telle solution dépend toutefois de plusieurs éléments : la fiabilité des données du capteur, la manière dont les prévisions sont présentées, la compréhension des alertes et leur place dans le parcours de soins. Une interface claire est essentielle, car un outil conçu pour rassurer ne doit pas ajouter de confusion à une gestion déjà exigeante.

IBM watsonx mobilisé aussi pour la recherche clinique

Le partenariat ne concerne pas uniquement l’application destinée aux personnes vivant avec le diabète. IBM et Roche ont également développé un outil s’appuyant sur la plateforme d’IA watsonx d’IBM pour exploiter des données issues d’études cliniques.

Cet outil a pour fonction de faciliter la numérisation, la traduction et la catégorisation de jeux de données anonymisés. Il établit aussi des liens entre les analyses glycémiques et les activités quotidiennes des participants aux études. Autrement dit, il doit aider les chercheurs à rapprocher des variations observées dans les données de glucose de ce que les personnes faisaient au cours de leur journée.

L’objectif est d’identifier plus rapidement des modèles et des corrélations significatifs, tout en réduisant le poids de l’analyse manuelle des données cliniques. Les études sur le diabète peuvent générer de nombreuses mesures et observations. Les organiser, les traduire et les comparer représente un travail important, qui peut ralentir l’exploration des données.

Cette partie moins visible du partenariat pourrait compter autant que l’application elle-même à long terme. Une meilleure exploitation des données anonymisées peut aider la recherche à comprendre plus finement les relations entre le glucose, les habitudes quotidiennes et les situations rencontrées par les participants. Elle ne remplace pas l’expertise des chercheurs, mais peut accélérer l’étape de repérage des signaux à étudier.

Une alliance entre expertise médicale et capacités informatiques

La collaboration rapproche deux compétences différentes. Roche apporte son expérience dans le domaine de la santé et de la gestion du diabète, tandis qu’IBM met à disposition ses capacités en informatique et en intelligence artificielle. Ce type de partenariat répond à une réalité de la santé numérique : un algorithme n’a d’utilité clinique que s’il est intégré à des dispositifs, à des données et à des usages compris par les patients comme par les professionnels de santé.

Moritz Hartmann, responsable des solutions d’information chez Roche, souligne que cette coopération illustre le potentiel de l’innovation entre secteurs pour répondre à des besoins médicaux qui ne sont pas encore suffisamment couverts et faire progresser la santé.

Au-delà de cette déclaration, le projet montre surtout que l’IA médicale se joue à plusieurs niveaux. Elle peut être intégrée à un produit utilisé au quotidien, comme une application associée à un capteur. Elle peut aussi opérer en arrière-plan, dans les processus de recherche clinique et d’analyse de données. Les deux usages sont distincts, mais se rejoignent dans la volonté de mieux exploiter l’information disponible.

Pourquoi le lancement commence par la Suisse

Accu-Chek SmartGuide Predict est pour l’instant accessible uniquement en Suisse. Cette disponibilité limitée permet une phase de test et de perfectionnement avant un éventuel déploiement élargi. Dans le domaine de la santé, la diffusion d’un outil numérique implique en effet de vérifier son efficacité dans l’usage réel, sa bonne intégration avec les dispositifs concernés et sa compréhension par les utilisateurs.

Pour les professionnels de santé, l’enjeu sera notamment d’observer la valeur pratique de ces prévisions : permettent-elles aux utilisateurs de mieux anticiper leurs fluctuations glycémiques ? Les alertes sont-elles pertinentes et compréhensibles ? L’outil s’insère-t-il de manière utile dans le suivi existant ? Ces questions sont déterminantes pour évaluer l’intérêt d’une technologie au-delà de sa promesse technique.

La compatibilité annoncée est centrée sur les capteurs de glucose en continu de Roche. L’application ne doit donc pas être comprise comme une solution universelle, indépendante de tout dispositif, mais comme un élément d’un écosystème associant capteur, données et logiciel de prévision.

Ce qu’il faut surveiller

L’étape suisse donnera des indications sur la manière dont cette approche prédictive est reçue par les utilisateurs et les professionnels. Un éventuel élargissement géographique dépendra de la capacité des partenaires à démontrer l’utilité de l’outil dans la gestion quotidienne, tout en conservant une expérience simple et fiable.

Le partenariat entre IBM et Roche pourrait aussi servir de référence pour d’autres maladies chroniques, lorsque des données régulières permettent d’envisager une détection précoce de changements ou de risques. Il ne suffit toutefois pas de disposer d’un grand volume de données pour améliorer les soins. Les prédictions doivent être pertinentes, compréhensibles et adaptées à la réalité des personnes qui les utilisent.

Pour le diabète, la promesse est claire : offrir davantage de visibilité sur les heures à venir. Si cette promesse se vérifie dans les usages, l’IA pourrait contribuer à alléger une partie de la charge mentale liée à la surveillance constante de la glycémie, sans se substituer au suivi médical ni aux décisions prises par les patients avec leurs soignants.