Un outil d’intelligence artificielle peut accélérer une recherche médicale sans simplifier les responsabilités qui l’accompagnent. Le 21 septembre 2026, l’Organisation mondiale de la Santé organise la présentation publique de son rapport consacré à l’examen éthique et au contrôle de la recherche en santé liée à l’IA. Le document, publié en juillet, analyse les difficultés que ces méthodes posent aux chercheurs, aux comités d’éthique, aux régulateurs, aux financeurs et aux revues scientifiques. Le webinaire ne crée pas une loi mondiale et n’homologue aucun produit. Il met en discussion des recommandations pratiques pour éviter que la vitesse d’analyse ou la puissance d’un modèle ne devienne un raccourci autour du consentement, de l’équité et de la responsabilité.
Trois formes de recherche à ne pas confondre
L’OMS distingue trois catégories. La première est la science des données de santé utilisant l’IA, par exemple lorsqu’un algorithme explore de grands ensembles d’informations pour faire émerger des associations. La deuxième regroupe les recherches menées avec des outils d’IA, lorsque la technologie intervient dans la méthode de travail. La troisième porte directement sur les outils et technologies d’IA appliqués à la santé. Ces situations peuvent se recouper, mais elles ne soulèvent pas toujours les mêmes questions. Évaluer un modèle expérimental, utiliser un assistant pour analyser des documents et réexaminer des dossiers médicaux ne demandent ni les mêmes preuves ni le même niveau d’accès aux données.
Cette classification aide les comités d’éthique à poser des questions plus précises. Qui est une personne participante lorsque la recherche réutilise des données collectées auparavant ? Quel consentement a été obtenu, et permet-il réellement le nouvel usage ? Un modèle entraîné dans un pays ou un hôpital peut-il être étudié ailleurs sans reproduire des inégalités ? L’IA ne fait pas disparaître les principes de la recherche en santé ; elle rend parfois leur application plus difficile parce que les données, le code, les fournisseurs techniques et les décisions sont répartis entre plusieurs acteurs. Le rapport cherche donc à étendre le regard au-delà de l’équipe qui signe le protocole.
Des comités d’éthique face à des systèmes opaques
Un comité peut difficilement examiner ce qu’il ne peut ni comprendre ni documenter. Les systèmes d’IA soulèvent des problèmes de traçabilité, de biais, de performance variable et d’explication. Une précision moyenne élevée peut cacher des résultats plus faibles pour certains groupes. Une mise à jour du modèle peut aussi modifier son comportement après l’évaluation initiale. L’OMS examine les lacunes des normes et des dispositifs existants ainsi que les moyens de renforcer les capacités des comités. Il ne s’agit pas d’exiger que chaque membre devienne ingénieur, mais de réunir les compétences nécessaires et de demander aux chercheurs des informations suffisamment claires pour juger les risques.
Le contrôle éthique n’est pas une formalité unique avant le début d’un projet. Lorsqu’un système apprend, change de version ou accède à de nouvelles données, le suivi doit pouvoir vérifier si les hypothèses restent valables. Cela implique de définir qui surveille les incidents, qui autorise une modification et qui informe les personnes ou institutions concernées. Le rapport s’intéresse également à l’utilisation possible de l’IA dans le travail même des comités d’éthique. Automatiser la recherche documentaire peut aider ; déléguer sans contrôle le jugement sur l’acceptabilité d’une étude créerait une nouvelle couche de risque. L’outil peut soutenir la délibération, pas en assumer la responsabilité morale.
Financeurs, revues et régulateurs entrent dans le cadre
La responsabilité ne s’arrête pas au laboratoire. L’OMS examine les rôles complémentaires des financeurs, des mécanismes d’accès aux données, des revues scientifiques, des éditeurs et des agences de réglementation. Un bailleur peut conditionner son soutien à des évaluations de risque et à des plans de partage des bénéfices. Une revue peut exiger une description des données, des limites et des méthodes de validation. Un régulateur peut demander des preuves adaptées à l’usage prévu. Aucun de ces acteurs ne remplace le comité d’éthique, mais chacun peut empêcher qu’une faiblesse connue soit simplement transmise à l’étape suivante.
Cette chaîne est importante parce que la publication scientifique peut donner à un résultat une autorité durable. Si les données sont biaisées, si les exclusions sont mal expliquées ou si un modèle propriétaire ne peut être examiné, la prudence doit être visible dans les conclusions. La transparence ne signifie pas nécessairement publier toutes les données sensibles ou tout le code commercial. Elle suppose au minimum de rendre intelligibles les choix qui affectent la validité, les droits et la possibilité de reproduire ou de contester le résultat. La confiance ne se décrète pas ; elle dépend de la capacité à montrer comment une décision a été prise et corrigée.
Le risque d’une recherche extractive
Le rapport accorde une attention particulière aux pays à revenu faible ou intermédiaire. Il cite notamment l’équité, le partage des bénéfices, le colonialisme des données, le transfert de recherches éthiquement contestables vers des cadres moins protégés et les déséquilibres de pouvoir. Une population peut fournir des données précieuses sans avoir accès aux outils, aux soins ou aux revenus qui en découlent. Un comité local peut être sollicité pour évaluer une technologie complexe sans financement ni expertise suffisants. Décrire ces risques ne signifie pas que toute coopération internationale est abusive. Cela impose de demander qui définit les priorités, qui contrôle les données et qui bénéficie du résultat.
Pour B-EMPIRE, l’enjeu de la présentation du 21 septembre est précisément ce déplacement : l’éthique de l’IA médicale ne concerne pas seulement la qualité du modèle, mais l’organisation complète de la recherche. Les faits établis sont la publication d’un rapport de 69 pages, les trois catégories examinées et la tenue d’un lancement virtuel consacré au consentement, aux biais et aux capacités des comités. Son influence réelle dépendra de l’adoption des recommandations, des moyens accordés au contrôle et de la volonté des institutions de ralentir un projet lorsque les garanties ne sont pas réunies. En santé, aller plus vite n’est un progrès que si personne n’est rendu invisible dans le processus.
Sources
- OMS, Artificial intelligence-related health research: ethics review and oversight, juillet 2026
- OMS, lancement virtuel du rapport, 21 septembre 2026
- OMS, intelligence artificielle et politiques de santé fondées sur les preuves, avril 2026
- OMS Europe, gouvernance responsable de l’IA en santé, septembre 2026
