Shweta Maniar (Google Cloud) "La vraie limite de l'IA en médecine n'est plus la puissance de calcul"

Shweta Maniar dirige la stratégie Healthcare & Life Sciences chez Google Cloud. Elle fait le point pour le JDN sur l'impact de l'IA sur le secteur de la santé.

JDN. Dans le domaine médical, où l'IA progresse-t-elle le plus vite ? Dans le dépistage, la découverte de médicaments ou le diagnostic ?

Shweta Maniar. 92% des médicaments échouent aux essais cliniques de phase 1, ce qui signifie que seuls 8% franchissent cette étape. C'est là que le potentiel de l'IA est le plus immédiat et le plus important : dans le screening précoce des molécules candidates, pour à la fois identifier celles qui méritent d'avancer vers la phase 1, et prédire l'échec avant même d'y entrer. Les trois cas d'usage que vous citez vont tous progresser, mais c'est dans cette partie amont du processus de développement médicamenteux que l'impact peut être le plus transformateur.

Aura-t-on besoin de davantage de puissance de calcul pour atteindre de vraies percées ? Quelles sont les limites structurelles ?

La limite principale n'est plus la puissance de calcul, c'est la montée en compétences. Former les équipes et les mettre à l'aise avec ces outils, au fur et à mesure qu'ils passent à l'échelle, voilà le vrai défi. Ce que je dis souvent, c'est que les outils d’IA ne sont plus réservés aux seules équipes informatiques. Nous sommes désormais tous des personnes technologiques. Le chercheur, le marketeur, tous ceux qui travaillent dans ces entreprises des sciences de la vie doivent comprendre et s'approprier ces capacités. La question est celle du temps nécessaire pour que chacun commence à se sentir vraiment à l'aise. Mais les équipes qui traverseront les prochains lancements deviendront progressivement beaucoup plus natives du numérique et de l’IA d'une façon fondamentalement différente de ce qui se déploie aujourd'hui.

Existe-t-il des champs scientifiques où l'IA a permis des découvertes nouvelles, impossibles à obtenir par les méthodes traditionnelles, ou tout se ramène-t-il à de l'optimisation de processus existants ?

Nous travaillons depuis plusieurs années avec Recursion, une entreprise de découverte de médicaments basée sur l'IA. Nous les avons soutenus avec nos TPUs et sur le biomapping. Aujourd'hui, ils ont leur premier médicament en essais cliniques de phase 3, issu directement de leur approche IA  et ce résultat est en partie attribué au travail accompli avec Google Cloud. Ce sont ces types d'histoires qui illustrent ce que nous cherchons à rendre possible.

Nous sommes particulièrement enthousiastes pour l'industrie des sciences de la vie parce que nous avons développé des capacités spécifiques à ce secteur. Gemini peut être fine-tuné sur des données médicales, et il a la capacité de lire et de comprendre des informations génomiques, ce qui le rend particulièrement précieux pour cette industrie. Ce que nous observons d'ailleurs, c'est une tendance croissante : nos clients ont de moins en moins besoin de fine-tuner ces modèles. Parfois ils le font encore, nous en apprenons, et ces apprentissages s'intègrent progressivement dans Gemini.

Voyez-vous des différences d’adoption de l’IA dans la santé et les sciences de manière générale entre l’Europe et les Etats-Unis ? De quelle nature ?

Les différences sont réelles et profondes, ce sont des marchés fondamentalement distincts. En Europe, comme dans d'autres régions telles que l'Asie-Pacifique, nous devons impérativement intégrer les enjeux de souveraineté du cloud et de conformité réglementaire : RGPD et autres exigences locales. C'est pourquoi nous investissons beaucoup de temps avec les régulateurs de chaque marché : les équivalents locaux de la FDA, mais aussi les grands systèmes hospitaliers, pour comprendre comment ils servent leurs marchés et quelles sont leurs exigences spécifiques.