L’IA en radiologie en Europe : ce que les idées reçues laissent dans l’ombre

Sur le continent européen, plusieurs centaines de milliers d’examens d’imagerie médicale sont réalisés chaque jour. Dans ce flux, l’intelligence artificielle est présentée comme un outil capable d’assister les radiologues, mais son usage concret reste mal connu. Entre promesses technologiques et craintes professionnelles, certaines idées reçues méritent d’être examinées de près.

L’IA ne remplace pas le radiologue, elle modifie sa charge de travail

Une idée répandue veut que l’IA soit sur le point de se substituer au radiologue. En pratique, les systèmes déployés en Europe fonctionnent comme des aides à la détection. Ils signalent des zones suspectes sur une image, priorisent des examens urgents ou mesurent des lésions avec une répétabilité supérieure à l’œil humain. La décision diagnostique finale reste prise par un médecin.

Ce changement de répartition des tâches a un effet mesurable sur l’organisation des services. Les radiologues consacrent davantage de temps aux cas complexes lorsque l’IA a déjà écarté les examens normaux. Toutefois, cette réorganisation suppose une formation spécifique, encore inégalement dispensée selon les pays et les centres hospitaliers.

Les données de santé européennes freinent le déploiement à grande échelle

Un autre lieu commun consiste à penser que les algorithmes d’IA sont immédiatement transférables d’un hôpital à l’autre. En réalité, leur efficacité dépend étroitement des données sur lesquelles ils ont été entraînés. Un algorithme développé sur des images issues d’un scanner d’un constructeur donné peut perdre en précision sur un appareil d’une autre marque, ou face à des populations aux caractéristiques différentes.

L’Europe présente une particularité : les réglementations sur la protection des données, comme le règlement général sur la protection des données (RGPD), encadrent strictement la circulation des images médicales. Les hôpitaux ne peuvent pas toujours partager leurs données avec un éditeur de logiciel situé hors de l’Union européenne. Cela ralentit la constitution de bases d’entraînement vastes et diversifiées, pourtant nécessaires à la robustesse des outils.

Des initiatives nationales et européennes tentent de créer des espaces de données de santé standardisés, mais leur mise en œuvre reste partielle. Les résultats obtenus dans un centre ne garantissent donc pas une performance identique ailleurs, une limite que les promoteurs de ces technologies mentionnent rarement.

Le cadre réglementaire européen impose des exigences spécifiques

Contrairement à d’autres régions du monde, les logiciels d’IA destinés au diagnostic médical sont soumis en Europe à une évaluation rigoureuse. Depuis l’entrée en vigueur du règlement sur les dispositifs médicaux en 2021, puis du règlement sur l’intelligence artificielle adopté en 2024, ces outils doivent démontrer leur sécurité et leur performance avant d’être commercialisés.

Cette situation a des conséquences concrètes. Les délais de mise sur le marché sont plus longs qu’aux États-Unis ou en Asie, mais les exigences de preuve clinique sont plus élevées. Les hôpitaux européens disposent ainsi d’une traçabilité des algorithmes, avec des obligations de surveillance après la mise en service. Ce cadre protecteur a toutefois un revers : il décourage certaines entreprises de petite taille, qui peinent à financer les études exigées.

Les radiologues européens intègrent progressivement ces contraintes dans leur pratique quotidienne. La vérification de la conformité d’un outil, la compréhension de ses limites et la gestion des faux positifs font désormais partie de leur activité. Ce travail d’appropriation, moins visible que les démonstrations techniques, constitue pourtant une condition majeure de l’adoption durable de ces technologies.

L’écart entre les capacités annoncées des algorithmes et leur comportement réel en situation clinique demeure une préoccupation centrale. Les études indépendantes menées sur des données issues de plusieurs centres européens montrent des performances variables selon les contextes. La prudence reste donc de mise face aux discours qui présentent l’IA comme une solution uniforme et immédiatement opérationnelle.