Introduction : L’IA, ce médecin surdoué qui prescrit des remèdes… mais oublie parfois les effets secondaires
Imaginez un monde où :
🔷 Le cancer n’est plus qu’un mauvais souvenir.
🔷 Alzheimer se soigne comme une grippe.
🔷 Les maladies génétiques sont corrigées avant même la naissance.
Ce monde, Dario Amodei (PDG d’Anthropic, la boîte derrière l’IA Claude) nous promet qu’il existera d’ici 5 à 10 ans. Son argument ? L’IA va condenser 50 à 100 ans de progrès médical en une décennie.
Sauf que… la COVID nous a appris une chose : accélérer la science, c’est bien. Le faire sans garde-fous, c’est dangereux.
Car oui, les vaccins à ARN messager ont été développés en moins d’un an – un exploit technologique. Mais trois ans plus tard, des milliers de personnes souffrent d’effets indésirables graves, et les gouvernements minimisent l’ampleur du problème.
Alors, comment éviter que l’IA médicale ne devienne une nouvelle course folle ?
Comment s’assurer que l’urgence ne remplace pas la prudence ? Et surtout… faut-il vraiment vacciner le monde entier contre une maladie qui tue moins de 1% des patients ?
Révélation : non. Et c’est là que l’IA pourrait nous sauver… ou nous enfoncer encore plus.)
1 : l’IA, ce génie qui sort de sa lampe (mais qui a parfois des idées merdiques). 1.1. L’IA peut tout trouver… mais pas tout soigner
Dario Amodei n’est pas un charlatan. C’est un ancien d’OpenAI qui a fondé Anthropic pour créer une IA sûre et ultra-puissante.
Son dernier outil, Claude Science, permet aux chercheurs de :
✅ Analyser des milliards de données (génomes, protéines, molécules) en quelques heures.
✅ Simuler des traitements avant même de les tester en labo.
✅ Découvrir des liens invisibles entre maladies, gènes et médicaments.
Exemple concret : Grâce à des atlas cellulaires (138 espèces, 5 700 types de cellules), Claude Science peut identifier des cibles thérapeutiques pour des maladies rares en quelques clics.
Problème : Trouver un traitement n’est pas le rendre sûr et accessible.
1.2. Les promesses (trop) alléchantes de l’IA médicale
Selon Amodei, voici ce que l’IA pourrait accomplir d’ici 2034 :
✅ Éradiquer la plupart des infections (même les résistantes aux antibiotiques).
Prévenir la maladie d’Alzheimer en détectant les marqueurs avant les symptômes.
✅ Guérir 95% des cancers (les 5% restants étant les formes ultra-rares et agressives).
✅ Corriger les maladies génétiques avant la naissance.
Son argument choc : "Mon père est mort d’une hépatite C en 2013. Aujourd’hui, un traitement existe (le Sofosbuvir) et guérit 99% des cas. Si l’IA avait accéléré la recherche, il serait peut-être encore en vie."
Mais… Et si l’IA avait accéléré la recherche sur les vaccins COVID ?
➤ Aurait-on évité les effets secondaires graves ?
➤ Aurait-on vacciné uniquement les personnes à risque ?
➤ Aurait-on mieux communiqué sur les risques ?
La réponse est : pas forcément.
2. La COVID-19, ou l’accélération de la science qui se solde par un échec retentissant. 2.1. Le piège de l’urgence : quand la vitesse remplace la prudence
La COVID a prouvé une chose : on peut développer un vaccin en un temps record.
Mais elle a aussi montré les dangers de la précipitation :
❌ Des essais cliniques raccourcis (moins de patients, moins de recul).
❌ Une communication gouvernementale mensongère ("Le vaccin est sûr à 100%").
❌ Une stratégie de vaccination massive inutile (pour une maladie létale pour moins de 1% des patients).
❌ Des effets secondaires minimisés (myocardites, thromboses, décès).
Résultat :
🔶Des milliers de personnes handicapées à vie.
🔶Une défiance généralisée envers la science.
🔶 Un précédent inquiétant : "Si on a pu le faire pour la COVID, pourquoi ne le ferait-on pas pour le cancer ?"
2.2. L’IA pourrait reproduire les mêmes erreurs… en pire
Si l’IA accélère la recherche, elle pourrait aussi accélérer les catastrophes :
⚠ Des traitements mal testés (l’IA trouve une molécule prometteuse… mais avec des effets secondaires inconnus).
⚠ Une surmédicalisation inutile (faut-il vraiment traiter tout le monde pour une maladie qui touche 0,1% de la population ?).
⚠ Une dépendance aux algorithmes (et si l’IA se trompe ? Qui vérifie ?).
Exemple :
🔷L’IA découvre un traitement contre le cancer en 6 mois.
🔷Les essais cliniques sont accélérés (comme pour la COVID).
🔷 Le médicament est approuvé en urgence.
🔶 Trois ans plus tard, on découvre qu’il provoque des lésions hépatiques chez 5% des patients.
Qui est responsable ?
➤ L’IA ? (Non, elle n’a fait que proposer.)
➤ Les régulateurs ? (Ils ont approuvé trop vite.)
➤ Les labos ? (Ils ont minimisé les risques pour vendre.)
Réponse : Tout le monde.
3 : Comment éviter que l’IA médicale ne devienne une nouvelle COVID ? 3.1. Ne pas confondre vitesse et précipitation
L’IA peut accélérer la recherche… mais pas les essais cliniques.
Solutions :
✅ Des essais cliniques adaptatifs (on ajuste en temps réel, mais avec des garde-fous).
✅ Des comités d’éthique indépendants (pour éviter les conflits d’intérêts).
✅ Une transparence totale (publier toutes les données, même les négatives).
3.2. Cibler les traitements, pas les populations
La COVID a montré qu’on ne vaccine pas tout le monde pour une maladie létale à moins de 1% des gens très âgé et souffrant de comorbidités.
Avec l’IA, même problème :
➤ Faut-il traiter tout le monde contre Alzheimer ? (Non, seulement les personnes à risque.)
➤ Faut-il corriger tous les gènes "défectueux" ? (Non, seulement ceux qui causent des maladies graves.)
Solution :
✅ Une médecine personnalisée (l’IA identifie qui a vraiment besoin du traitement).
✅ Des stratégies ciblées (comme pour le cancer : on ne soigne pas tout le monde de la même façon).
3.3. Ne pas laisser les labos et les gouvernements décider seuls
La COVID a prouvé que :
🔶Les labos veulent vendre. (Pfizer a fait 100 milliards de dollars avec son vaccin.)
🔶 Les gouvernements veulent contrôler. (Pass sanitaire, obligation vaccinale.)
🔶 Les patients sont les derniers informés. (Effets secondaires minimisés, études cachées.)
Solutions :
✅ Des associations de patients impliquées dans la recherche.
✅ Des lanceurs d’alerte protégés (pour révéler les effets secondaires cachés).
✅ Des médias indépendants (pour enquêter sur les dérives).
3.4. Garder un œil critique sur l’IA
L’IA n’est pas infaillible.
🔶 Elle peut se tromper. (Ex. : un algorithme qui diagnostique mal un cancer.)
🔶Elle peut être biaisée. (Si les données sont mauvaises, les résultats le seront aussi.)
🔶 Elle peut être manipulée. (Un labo pourrait "orienter" les résultats.)
Solutions :
✅ Des audits indépendants (pour vérifier les algorithmes).
✅ Des bases de données ouvertes (pour éviter les monopoles).
✅ Une régulation stricte (pour empêcher les abus).
Conclusion : L’IA peut sauver des vies… à condition de ne pas répéter les erreurs du passé
Dario Amodei a raison sur un point : L’IA va révolutionner la médecine.
Mais la COVID nous a appris une leçon cruciale :
❌ Accélérer la science sans prudence = danger.
❌ Vacciner tout le monde pour une maladie qui touche 1% des gens = gaspillage.
❌ Minimiser les effets secondaires = trahison des patients.
Alors, comment faire en sorte que l’IA médicale ne devienne pas une nouvelle course folle ?
✅ Ne pas confondre vitesse et précipitation.
✅ Cibler les traitements, pas les populations.
✅ Ne pas laisser les labos et les gouvernements décider seuls.
✅ Garder un œil critique sur l’IA.
En résumé :
✔ L’IA peut trouver les remèdes.
✔ Mais si on ne change pas le système, ces remèdes resteront soit dangereux, soit inaccessibles.
Alors, prêts à exiger une médecine plus intelligente… et plus humaine ?
📚 Pour aller plus loin :
Livre : "The COVID-19 Catastrophe" – Richard Horton (éditeur de The Lancet)
Article : "Les effets secondaires des vaccins COVID : ce que les gouvernements cachent" – Deridet.com
Documentaire : "TrustWHO" (sur l’influence de l’industrie pharmaceutique)
Rapport : "AI in Healthcare: Risks and Opportunities" – MIT Technology Review