L’IA pourrait changer la lutte contre la résistance aux antibiotiques, mais l’accès pourrait être la partie la plus difficile

Une crise de santé publique qui fonctionne encore à l’approximation

La résistance aux antibiotiques est déjà un lourd fardeau mondial, causant plus d’un million de décès chaque année et contribuant à des millions d’autres. Pourtant, les décisions de traitement sont encore souvent prises dans une grande incertitude. Les médecins doivent fréquemment choisir des antibiotiques avant que les résultats de laboratoire standard soient disponibles, en particulier dans des cas évolutifs rapides comme le sepsis. Cela crée un décalage dangereux entre la vitesse de l’infection et celle du diagnostic.

Lors de WIRED Health à Londres, le chirurgien et responsable de politique de santé Ara Darzi a soutenu que l’IA pouvait atteindre un point où elle change matériellement cette équation. Son idée centrale n’était pas que l’intelligence artificielle constitue une promesse lointaine, mais que 2026 pourrait représenter un point d’inflexion dans la lutte contre la résistance antimicrobienne. L’argument repose sur un fait simple : les diagnostics traditionnels prennent souvent deux à trois jours, car ils reposent sur la culture de bactéries à partir d’échantillons. En soins aigus, ce délai peut coûter cher, voire être fatal.

Pourquoi un diagnostic plus rapide compte autant

Les infections résistantes aux médicaments sont difficiles à traiter, coûteuses à gérer et associées à des séjours hospitaliers plus longs. Elles s’inscrivent aussi dans un cercle vicieux. La surutilisation et le mauvais usage des antibiotiques poussent les bactéries à développer une résistance, tandis que le manque de fortes incitations à développer de nouveaux médicaments laisse aux cliniciens une liste de plus en plus réduite d’options efficaces. Dans cet environnement, la vitesse et la précision du diagnostic deviennent cruciales.

Darzi a cité un chiffre particulièrement frappant pour la prise en charge du sepsis : chaque heure de retard de traitement augmente le risque de décès. Le diagnostic devient alors un sujet de première ligne plutôt qu’une fonction de laboratoire en arrière-plan. Si les médecins disposaient plus tôt de meilleures informations, ils pourraient réduire les approximations, choisir plus vite un traitement plus approprié et potentiellement éviter l’usage inutile d’antibiotiques à large spectre qui alimentent encore la résistance.

La promesse des diagnostics par IA

Selon Darzi, les systèmes de diagnostic alimentés par l’IA atteignent déjà des niveaux de précision très élevés sans nécessiter d’infrastructure de laboratoire supplémentaire. Si cela se confirme dans la pratique, l’enjeu est important pour deux raisons. Premièrement, cela suggère que la vitesse n’a pas nécessairement à se faire au détriment de la précision. Deuxièmement, cela implique qu’une capacité diagnostique avancée pourrait être plus facilement déployée dans des contextes où l’infrastructure classique est limitée.

C’est d’autant plus important que la résistance antimicrobienne n’est pas répartie uniformément. Darzi a souligné des charges particulièrement élevées en Asie du Sud-Est et en Méditerranée orientale, avec une pression importante aussi en Afrique. Dans les zones rurales et isolées, où l’accès à des laboratoires sophistiqués peut être limité, la valeur de diagnostics rapides assistés par l’IA pourrait être encore plus grande que dans les hôpitaux bien dotés.

L’IA au-delà du diagnostic

L’intérêt de l’IA dans ce domaine ne se limite pas à identifier plus rapidement les infections. Darzi a également souligné son potentiel pour découvrir de nouveaux médicaments et prédire la propagation des bactéries résistantes. Ces capacités répondent à différentes parties du problème de la résistance antimicrobienne : traitement, surveillance et préparation. Ensemble, elles présentent l’IA comme un outil transversal plutôt que comme une solution à produit unique.

Il reste que l’écart entre capacité technique et impact sanitaire réel peut être large. Les systèmes de santé adoptent lentement, les achats peuvent être fragmentés et les produits ont souvent du mal à atteindre les patients qui en bénéficieraient le plus. C’est particulièrement vrai lorsque l’économie est faible. L’innovation antibiotique souffre depuis longtemps d’incitations mal alignées, et l’innovation diagnostique peut rencontrer des obstacles de déploiement similaires, même lorsque la technologie fonctionne.

Le risque : innover sans portée

L’avertissement le plus important dans l’argument de Darzi est que l’innovation seule ne suffit pas. Un outil diagnostique puissant qui n’atteint pas les cliniques, les structures communautaires ou les systèmes de santé sous-dotés ne change pas matériellement le cours de la crise. La logique commerciale autour de la résistance antimicrobienne est brisée depuis des années parce que la stewardship encourage une utilisation prudente des antibiotiques, ce qui affaiblit en retour les rendements pour les développeurs. Les diagnostics peuvent se heurter à des obstacles d’adoption comparables si les acheteurs ne récompensent pas la prévention et la précision.

Cela signifie que la prochaine phase de cette histoire ne concerne pas seulement la performance du modèle. Elle concerne le remboursement, les achats, la confiance, l’intégration aux flux de travail et l’accès mondial. L’IA peut améliorer le diagnostic et orienter le traitement, mais ce sont les institutions publiques et les systèmes de santé qui décideront si cette capacité devient largement disponible ou reste concentrée dans des démonstrations et des programmes pilotes.

Une fenêtre technologique, pas un tournant garanti

La signification du moment tient à la possibilité, pas à la certitude. L’IA semble de plus en plus capable d’accélérer le diagnostic, de soutenir le jugement clinique et de renforcer la surveillance contre les infections résistantes aux médicaments. Ce sont des avancées importantes dans une crise qui se construit depuis des décennies. Mais ces technologies ne compteront que si elles sont intégrées à des systèmes capables de les apporter là où le fardeau est le plus lourd.

C’est là le vrai test à venir. La crise de la résistance aux antibiotiques est suffisamment urgente pour qu’une amélioration réelle de la vitesse et de la précision du diagnostic soit, à elle seule, significative. La question la plus difficile est de savoir si les systèmes de santé, les gouvernements et l’industrie peuvent s’aligner assez vite pour transformer cette capacité en soins largement accessibles. L’IA peut aider à combattre la résistance aux antibiotiques. Sa diffusion à grande échelle dépendra de tout ce qui entoure l’algorithme.

• Les diagnostics traditionnels des infections résistantes prennent souvent deux à trois jours.
• Ara Darzi a déclaré que les outils alimentés par l’IA peuvent atteindre une grande précision sans infrastructure de laboratoire supplémentaire.
• De faibles incitations pourraient limiter la capacité de l’innovation à atteindre les patients et les systèmes de santé qui en ont le plus besoin.

Cet article s’appuie sur un reportage de Wired. Lire l’article original.