L’intelligence artificielle (IA) en santé ne peut se développer efficacement que si elle prend en compte les besoins réels des patients et des professionnels de santé. Une approche centrée sur l’utilisateur, basée sur l’écoute à grande échelle, est essentielle pour éviter de créer des outils technologiques inadaptés aux réalités du terrain.
Trop souvent, les solutions d’IA sont conçues sur la base d’hypothèses formulées par les développeurs, sans réelle compréhension des défis auxquels sont confrontés les utilisateurs. Cette approche peut conduire à des fonctionnalités impressionnantes sur le papier, mais qui s’avèrent inefficaces dans la pratique clinique. Il est crucial de passer d’une logique de « solution à la recherche d’un problème » à une approche où l’IA répond à des besoins clairement identifiés.
Dans le secteur de la santé, particulièrement sensible aux spécificités humaines, l’IA doit s’adapter non seulement aux flux de travail et aux systèmes de données, mais aussi à la diversité des contextes : variations linguistiques et culturelles, niveaux de littératie, accès aux soins, pratiques locales et réglementations. Sans un retour d’information constant des utilisateurs, l’IA risque de ne pas répondre aux attentes et de ne pas être adoptée.
Une stratégie efficace consiste à intégrer l’engagement des utilisateurs au cœur du processus de développement. Cela implique de collecter des données qualitatives (commentaires, signalements de problèmes) et quantitatives (modèles d’utilisation, taux de rétention) afin de comprendre comment les utilisateurs interagissent avec l’outil et d’identifier les points d’amélioration.
En structurant le développement autour de ces signaux d’engagement, il est possible d’éviter deux écueils majeurs : la création de fonctionnalités inutilisées et la supposition des besoins des utilisateurs. L’écoute à grande échelle permet ainsi de garantir que chaque itération du produit est pertinente, précieuse et ancrée dans la réalité.
Concrètement, cette approche se traduit par une meilleure priorisation des fonctionnalités, une adoption accrue par les utilisateurs, une pertinence contextuelle accrue et un apprentissage continu du modèle d’IA grâce aux interactions réelles. Elle permet de passer de décisions basées sur l’intuition à des choix fondés sur des données probantes, et de privilégier les améliorations itératives aux mises à jour sporadiques.
Les utilisateurs du secteur de la santé sont extrêmement diversifiés : patients aux profils variés, cliniciens soumis à une forte pression opérationnelle, administrateurs soucieux d’efficacité et de conformité, aidants ayant des besoins spécifiques. Pour que l’IA soit véritablement utile, elle doit tenir compte de cette diversité et s’adapter à chaque contexte.
L’avenir de l’IA en santé ne se jouera pas sur des fonctionnalités spectaculaires, mais sur sa capacité à répondre aux besoins réels des professionnels de santé et des patients. En écoutant attentivement les utilisateurs, il est possible de créer des outils qui fonctionnent pour les gens, et non autour d’eux.