En santé, l’heure n’est plus uniquement aux promesses de l’intelligence artificielle (IA), renvoyées à un futur lointain. En effet, malgré la désillusion de certaines grandes annonces, dont le fameux « docteur » Watson d’IBM (Strickland, 2019), les industriels commercialisent des applications intégrant ces technologies basées sur la mise en œuvre de l’apprentissage automatique sur des grands jeux de données – en témoignent les autorisations données dès 2017 aux États-Unis par l’agence de régulation Food and Drug Administration (FDA). La radiologie apparaît alors comme un des principaux secteurs touchés par ces transformations : elle est explicitement identifiée comme le domaine aux applications les plus matures (Villani, 2018 ; WHO, 2021) et des travaux commencent à s’intéresser à l’intégration de ces nouveaux dispositifs dans la pratique (Anichini et Geffroy, 2021). Dans l’espace public, la radiologie est mentionnée lorsqu’il s’agit de parler des conséquences de l’IA en santé, provoquant espoirs et peurs. En effet, l’arrivée de ces nouvelles solutions affichant le label « IA » provoque des inquiétudes sur les conséquences de ces technologies sur la profession et plus généralement sur le soin, avec en retour de nombreux appels à mieux les contrôler. Cet article propose de s’intéresser aux conditions de régulation de l’IA dans le domaine de la radiologie en France, en prenant comme point d’entrée le cas emblématique des solutions d’aide à la détection et au diagnostic.
La problématique de la régulation des innovations dans le secteur de la santé concerne tant l’étude des contraintes que les systèmes de santé imposent sur les nouveautés que les transformations que ces dernières apportent…