Cover Bill Gates souligne que l’AI doit impérativement servir l’équité dans le secteur complexe de la santé mondiale.
Bill Gates souligne que l’AI doit impérativement servir l’équité dans le secteur complexe de la santé mondiale.
1 / 1
Bill Gates impose une norme d’équité à l’AI : les bénéfices de cette technologie doivent atteindre ceux qui ont le moins de richesses, d’influence et d’accès. Un impératif testé dans le domaine le plus exigeant : l’AI appliquée à la santé.
Dans son essai The Turbulent AI Era Is Here publié fin août 2026, Bill Gates envisage deux trajectoires opposées pour l’AI : celle-ci pourrait devenir le plus grand levier d’égalisation jamais inventé, ou, à l’inverse, une source d’inégalités particulièrement gravissime.
Il estime que ce processus est pratiquement inarrêtable. L’enjeu réside dans la manière dont la société orchestrera cette transition afin que les populations les plus vulnérables ne soient pas seulement confrontées à la perte d’emplois, à une baisse de revenus ou à un sentiment d’être dépossédées de leur avenir par l’AI. Selon cette logique, l’AI doit rapidement démontrer sa capacité à améliorer la vie de ceux qui, d’ordinaire, sont les derniers servis lors des cycles d’innovation technologique.
Quelques mois auparavant, Gates avait déjà illustré cet enjeu par un exemple concret.
Pour en savoir plus : Quand la robotique entre au bloc opératoire : l’ambition d’innovation de la licorne Cornerstone Robotics
Une promesse concrète pour l’AI
En janvier 2026, la Fondation Gates et OpenAI ont annoncé Horizon 1000, une initiative visant à soutenir les pays africains dans l’application de l’AI au domaine de la santé, en débutant par le Rwanda. Les deux organisations se sont engagées à hauteur de 50 millions de dollars en capital, technologie et soutien technique ; l’objectif, d’ici 2028, est d’équiper 1 000 structures de soins primaires et leurs communautés avec des outils d’AI.
L’Afrique subsaharienne fait face à une pénurie de près de six millions de professionnels de santé. L’OMS estime que la faible qualité des soins contribue à environ 6 à 8 millions de décès par an dans les pays à revenu faible ou intermédiaire, sans compter ceux qui décèdent faute d’accès total aux soins. Le Rwanda compte actuellement environ un agent de santé pour 1 000 habitants, bien en deçà de la recommandation de l’OMS citée par Gates, qui préconise quatre personnes pour 1 000 habitants. Au rythme actuel, il faudrait près de 180 ans pour combler cet écart sans l’AI.
Above Un village rural dans la province de Kigali, au Rwanda, où l’AI est déployée.
Un village rural dans la province de Kigali, au Rwanda, où l’AI est déployée.
1 / 1
Dans un tel système, l’AI a le potentiel d’étendre les capacités d’un personnel médical en sous-effectif : elle aide les agents de santé à accéder à des expertises, à mieux répartir les ressources, et à mieux servir les cliniques, les communautés et les patients à domicile. Gates souligne que les outils d’Horizon 1000 sont conçus pour assister les professionnels, et non pour les remplacer.
Lors de sa visite dans le pays en juillet 2026, Gates s’est particulièrement intéressé au Health Intelligence Center, où les données en temps réel issues des cliniques, hôpitaux et agents de santé communautaires sont centralisées pour soutenir les décisions du ministère de la Santé. Horizon 1000 s’intègre à cette structure, car le déploiement réussi de l’AI dans la santé dépend autant de la technologie que de la capacité du système à l’absorber.
Above Bill Gates visite le Health Intelligence Center, au Rwanda, pour évaluer l’impact de l’AI.
Bill Gates visite le Health Intelligence Center, au Rwanda, pour évaluer l’impact de l’AI.
1 / 1
Above Bill Gates s’entretient avec des experts au Health Intelligence Center lors de son séjour au Rwanda.
Bill Gates s’entretient avec des experts au Health Intelligence Center lors de son séjour au Rwanda.
1 / 1
C’est ici que l’enjeu de Horizon 1000 rejoint une problématique mondiale majeure.
Pour en savoir plus : Le Dr Tran Van Xuan et ses efforts pour déchiffrer le cerveau humain
De l’initiative à la réalité systémique
Le rapport Scaling Artificial Intelligence in Health de l’OCDE, publié en mars 2026, montre que l’AI est déjà présente dans les systèmes de santé de tous les pays membres examinés, mais que son déploiement à l’échelle nationale reste très limité. Dans le domaine de l’imagerie médicale — l’une des applications les plus matures de l’AI — seules 10 % des solutions ont atteint une mise en œuvre nationale.
Un point crucial réside dans le décalage entre les infrastructures numériques existantes et la gouvernance spécifique requise pour l’AI.
Sur le plan fondamental, le niveau de préparation est relativement élevé : 100 % des pays de l’OCDE sondés disposent de lois sur la protection des données de santé ; 71 % ont établi une stratégie nationale pour l’interopérabilité des données ; 63 % possèdent des processus pour cataloguer les actifs de données critiques ; et 61 % ont une approche nationale pour l’homologation des dispositifs médicaux intégrant l’AI.
Above 61 % des pays de l’OCDE ont défini une approche nationale pour valider les dispositifs médicaux dotés d’AI.
61 % des pays de l’OCDE ont défini une approche nationale pour valider les dispositifs médicaux dotés d’AI.
1 / 1
Toutefois, lorsqu’il s’agit de structures spécifiquement dédiées aux caractéristiques de l’AI, les chiffres chutent drastiquement. Seuls 3 % des pays disposent de législations spécifiques à l’AI en santé. 24 % seulement ont intégré l’AI dans leurs processus d’évaluation des technologies de santé. Environ 18 % disposent d’autorités de surveillance dédiées ; 18 % ont une stratégie nationale dédiée à l’intersection entre l’AI et la médecine ; et seulement 11 % ont adapté leurs guides d’achats publics pour inclure l’AI.
Ce décalage prouve que la gouvernance ne se contente pas de suivre l’innovation : elle peine encore à gérer une technologie capable d’évoluer après son déploiement, influençant chaque maillon de la décision médicale. L’AI n’est plus un simple produit figé ; elle transforme le quotidien des praticiens.
Avec l’AI, la question ne se limite pas à la conformité au moment de l’approbation. Le système doit assurer un suivi continu dans des conditions réelles : l’efficacité varie-t-elle selon les groupes de patients ? L’utilisateur devient-il trop dépendant des recommandations de la machine ? Qui est responsable lorsque le résultat de l’AI mène à une erreur clinique ?
Above Un chirurgien s’entraîne à l’aide d’un système de réalité virtuelle intégrant l’AI.
Un chirurgien s’entraîne à l’aide d’un système de réalité virtuelle intégrant l’AI.
1 / 1
La pénurie de compétences humaines est tout aussi marquée. Seuls 29 % des pays de l’OCDE ont des initiatives nationales pour sensibiliser le personnel de santé aux enjeux de l’AI ; 39 % ont des programmes de littératie numérique pour le public. En parallèle, une évaluation de l’OMS Europe (2026) révèle qu’un pays membre sur cinq seulement propose une formation à l’AI avant l’exercice, et un quart seulement propose une formation continue.
Ainsi, « apporter l’AI dans 1 000 cliniques » décrit seulement le déploiement technique. Le véritable test pour Horizon 1000 sera de déterminer si ces structures disposent d’un système capable de choisir le bon outil, de l’utiliser à bon escient, de détecter ses erreurs et d’assumer les responsabilités inhérentes.
L’OMS s’efforce de répondre à ces défis via ses directives sur l’éthique et la gouvernance des modèles d’AI multimodaux en santé (2024).
Le standard d’une AI au service des patients
L’OMS responsabilise les gouvernements, les développeurs, les établissements de santé et les cliniciens, car la sécurité de l’AI ne peut reposer uniquement sur la qualité technique d’un modèle.
Above Robot dopé à l’AI facilitant le dépistage précoce du cancer du poumon.
Robot dopé à l’AI facilitant le dépistage précoce du cancer du poumon.
1 / 1
Ces recommandations peuvent être synthétisées autour de quelques piliers essentiels.
Premièrement, l’AI doit être évaluée sur une tâche spécifique plutôt que sur une capacité générale. L’OMS exige que les systèmes soient conçus pour des missions définies, avec une précision et une fiabilité éprouvées. Une AI douée pour le dialogue ne constitue pas une preuve suffisante pour son usage clinique.
Deuxièmement, la performance moyenne est insuffisante : il faut mesurer l’impact par groupe démographique. L’OMS met en garde contre les biais de données (race, sexe, identité de genre, âge). L’audit post-déploiement doit publier des résultats ventilés par groupe d’utilisateurs.
Troisièmement, l’évaluation est un processus continu, pas une finalité. L’OMS préconise un audit obligatoire par des tiers indépendants pour les grands modèles de langage (LMM) à large échelle, incluant la protection des données et les droits humains. L’efficacité doit être testée en milieu réel.
Above Les experts recommandent une surveillance continue de l’AI médicale pour garantir l’éthique.
Les experts recommandent une surveillance continue de l’AI médicale pour garantir l’éthique.
1 / 1
Quatrièmement, la responsabilité ne doit pas se dissoudre dans l’algorithme. Les gouvernements doivent désigner des autorités de contrôle. L’OMS alerte aussi sur le biais d’automatisation : les praticiens pourraient ignorer une erreur si elle provient d’un système semblant sûr de lui.
Cinquièmement, les patients et les praticiens doivent être impliqués dès la conception. Le développement des LMM ne peut être l’apanage exclusif des ingénieurs. Une approche inclusive et transparente est indispensable.
Néanmoins, même si une AI répond à tous ces critères, Bill Gates pose une autre question : tout ce qu’une machine peut faire, doit-elle le faire ?
Des limites que la société doit fixer
Dans son essai, Gates évoque la fin de vie de son père, atteint d’Alzheimer. Malgré le déclin de ses facultés, l’équipe soignante percevait ses besoins non formulés. Gates y voit une dimension humaine irréductible, qu’il qualifie de « Human Reserved » (Réservé aux humains) : des domaines que la société doit préserver pour l’homme, même si l’AI en est techniquement capable.
Il compare cette idée aux réserves naturelles : nous pourrions y bâtir des infrastructures, mais nous choisissons de ne pas le faire, car le coût humain et environnemental serait trop élevé. De même, les limites de l’AI ne doivent pas nécessairement provenir de l’incapacité technologique, mais d’une décision sociétale.
La médecine offre l’exemple le plus frappant de cette distinction entre le « possible » et le « souhaitable ». Une AI peut techniquement annoncer une maladie incurable, mais la société devrait décider que cette responsabilité demeure une tâche fondamentalement humaine.
Above Certains aspects du soin doivent rester strictement humains malgré le progrès de l’AI.
Certains aspects du soin doivent rester strictement humains malgré le progrès de l’AI.
1 / 1
La santé constitue donc le premier test rigoureux pour la promesse d’équité de l’AI. Si l’AI passe ces tests — équitable, sûre, et respectueuse de notre humanité — alors l’argument de Gates selon lequel cette technologie peut rendre le monde plus juste commencera à trouver ses preuves.
DÉCOUVREZ AUSSI
L’éducation financière : un pilier fondamental pour la jeune génération
Lang Minh
