Logiciels d'aide à la décision : quel enjeux pour l'accès au marché
Notice bibliographique
Résumé
L’intelligence artificielle comprend des technologies multiples, nees dans la seconde moitie du XXeme siecle, qui se fondent sur la mise en place d’algorithme. La question de l’IA dans le debat public a debute en janvier 2015 avec la signature par plus de 700 chercheurs et entrepreneurs d’une lettre ouverte afin d’alerter sur les dangers potentiels de ces technologies. La lettre est notamment signee par le directeur de la recherche de Microsoft Eric Horvitz, le directeur de l'IA chez Facebook Yann LeCun, plusieurs responsables de l'IA chez Google (dont l'ingenieur francais Laurent Orseau), le fondateur de Tesla et SpaceX Elon Musk, ou encore par Stephen Hawking.Dans le secteur de la sante, les systemes d’aide a la decision sont des technologies de sante (logiciels) qui par un apprentissage via des jeux de donnees elaborent des algorithmes. En 2016, a Toronto, Geoffrey Hinto, pionniers dans le secteur de l’IA dans le domaine de l’imagerie medicale affirmait que « d’ici cinq ans, le deep learning (« apprentissage profond ») fera mieux qu’un radiologue » et Alain Livartowski, oncologue et directeur des donnees de l’Institut Curie a Paris soulignait que les outils avec de l’IA vont changer la medecine de demain « mais ne remplaceront jamais la decision du medecin ». Ces technologies doivent apporter une aide a la decision a des fins diagnostics ou therapeutiques pour une decision finale laissee au jugement humain du medecin. Ces technologies de sante, par leur nature et leur fin medicale rentrent sous une reglementation europeenne creee a la fin des annees 90. La reglementation europeenne a donne un cadre juridique permettant aux autorites de sante et aux industriels la mise sur le marche de ces produits. Cette mise sur le marche en Europe est liee au respect des exigences essentielles materialise par le « Marquage CE ». Par la suite, l’acces au remboursement se traduit par une evaluation non obligatoire et dependante des systemes de sante nationaux par des agences de Health Technology assessment (HTA). L’emergence de ces produits souleve plusieurs questions : Le cadre reglementaire est-il clairement defini ? Quel niveau de preuve clinique attend-on de ces derniers ? Quel sont les difficultes rencontrees par les instances publiques/privees dans la mise en oeuvre des nouvelles exigences requises?
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,013 | 0,018 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».