IA et santé, l'âge des possibles
Notice bibliographique
Résumé
Depuis l’arrivée fulgurante à l’automne 2022 de ChatGPT sur nos ordinateurs, l’intelligence artificielle générative est à portée de main. L’IA sous toutes ses formes s’invite partout, peut tout faire, ou presque. Elle relève surtout d’une économie de la promesse, qui repose sur un modèle spéculatif où la frontière entre ce qui est en projet et ce qui est disponible se brouille. Elle mélange et fusionne le présent, le futur et le conditionnel. Fortement médiatisée, l’IA en santé incarne cette projection vers une médecine du futur, davantage préventive et personnalisée. Entre fantasmes et réalité, l’IA demeure encore très largement au seuil des services et des établissements de santé pourtant friands d’innovations. Dans cette enquête menée parallèlement en France et au Québec, Olivier Cousin et Andy Smith montrent que les logiques propres à l’IA ne cadrent pas avec les normes et les références du secteur de la santé, et révèlent la faible mobilisation des acteurs pour y remédier. L’écart constaté tient moins aux potentialités de l’outil qu’aux règles de fonctionnement du monde médical, notamment hospitalier. L’intelligence artificielle en santé en reste à l’âge des possibles, freinée dans son élan par un monde institutionnalisé.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,030 |
| Communication savante | 0,027 | 0,020 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,009 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,007 |
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 ».