Accueil Catégories Actualités du monde L’IA peut-elle prédire le cancer ?

L’IA peut-elle prédire le cancer ?

Par

Nov 3, 2026

Des promesses qui contrastent avec la réalité du terrain

Les géants de la technologie l’affirment avec une assurance déconcertante : l’intelligence artificielle va bientôt guérir le cancer. Dario Amodei, patron d’Anthropic, évoque une décennie pour en finir avec cette maladie. Sam Altman, à la tête d’OpenAI, suggère que le problème se résume à une question de puissance de calcul : peut-être que quelques gigawatts de calcul supplémentaires suffiraient pour qu’un algorithme trouve la solution. Demis Hassabis et sa filiale IsoLabs promettent de « résoudre » toutes les maladies. Ces déclarations, largement reprises dans les médias, nourrissent un optimisme parfois déconnecté des réalités cliniques.

Mais sur le terrain, le discours des cliniciens et des chercheurs sonne tout autrement. Interrogée par le Guardian, Sherene Loi, oncologue médicale spécialiste du cancer du sein au Peter MacCallum Cancer Centre de Melbourne, met en garde : « Tant que l’IA ne sera pas capable de penser et de réaliser des expériences par elle-même à grande échelle, je ne suis pas sûre que nous allons trouver un remède à tous les cancers ou à toutes les maladies dans les dix prochaines années. » Son ton n’est pas celui du déni technologique, mais celui de l’expérience clinique, forgée au contact quotidien de la maladie et de ses multiples visages.

Ce que l’IA fait déjà de concret

Faut-il pour autant jeter le bébé avec l’eau du bain ? Non, car des avancées significatives existent bel et bien. L’imagerie médicale constitue le domaine le plus prometteur. Ajit Goenka, radiologue et médecin nucléaire à la Mayo Clinic du Minnesota, explore depuis 2021 la détection précoce du cancer du pancréas par apprentissage automatique. Dans une étude de validation conceptuelle publiée en 2022, il a démontré que des modèles d’apprentissage peuvent repérer des tumeurs pancréatiques, y compris sur des organes apparemment sains, des mois ou des années avant tout diagnostic clinique.

Cette capacité à déceler des changements infimes, imperceptibles à l’œil humain, pourrait transformer la prise en charge des patients. Goenka explique que certains patients développent un cancer du pancréas après avoir subi des scanners interprétés comme normaux par les radiologues. Son intuition : des modifications mesurables, à l’échelle microscopique, s’opéraient pourtant déjà bien avant l’apparition des symptômes. Les modèles d’apprentissage automatique ont réussi à capter ce signal invisible. Pour la grand-mère de Jackson Ryan, le journaliste du Guardian qui a mené l’enquête, un tel outil aurait pu changer le cours de son histoire : le cancer du pancréas était apparu comme une ombre sur un scanner, mais personne n’avait pu le voir à temps.

De son côté, Felix Sahm, neuropathologiste à l’Hôpital universitaire de Heidelberg, dirige EUcanAI, une collaboration européenne multidisciplinaire qui utilise des systèmes d’IA dits « agentiques » pour améliorer la prise en charge des tumeurs cérébrales. Il rappelle qu’il existe « plus de cent types de tumeurs dans le cerveau, bien plus que dans tout autre organe ». Son approche vise à créer un parcours optimisé pour chaque patient, où chaque étape, du diagnostic à la chirurgie en passant par l’identification des mutations, est accélérée par l’IA. Il imagine un chirurgien capable de biopsier une tumeur, d’en imager les caractéristiques, et de recevoir instantanément des informations sur la mutation en cause et les médicaments potentiels. L’objectif : « réduire la durée de l’incertitude » pour chaque patient.

Le cancer n’est pas une maladie unique

Pour comprendre le décalage entre les promesses et les réalités, il faut saisir une vérité fondamentale que tout clinicien connaît : le cancer n’est pas une maladie unique, mais un terme générique recouvrant une myriade de pathologies distinctes. Chaque type de cancer (sein, poumon, cerveau, pancréas, sang) possède ses propres mécanismes biologiques, ses mutations génétiques, son micro-environnement cellulaire. Une même tumeur peut varier considérablement d’un patient à l’autre, rendant inopérante toute solution universelle. Espérer un remède unique relève, pour l’instant, de l’illusion thérapeutique.

Sahm lui-même rencontre encore, dans son travail quotidien, des pathologies rares et inconnues qui ne « rentrent dans aucune case ». Or un modèle d’IA n’est aussi performant que les données sur lesquelles il a été entraîné. Face à l’inédit, face à la rareté biologique, l’algorithme reste muet. L’intelligence artificielle excelle dans la reconnaissance de motifs connus, mais elle échoue là où la créativité humaine et l’intuition clinique prennent le relais.

Les limites de l’approche computationnelle

Emilia Javorsky, médecin et chercheuse au Future of Life Institute, exprime une critique plus radicale encore : « Nous ne pouvons pas calculer la vérité fondamentale de la biologie ; nous ne pouvons que la mesurer. » Dans un essai publié en mars 2026, elle rappelle que, treize ans après l’émergence du mouvement de découverte de médicaments par IA, aucun médicament découvert par algorithme n’a obtenu l’approbation complète de la FDA. Les étapes de validation en laboratoire, d’essais cliniques, d’approbation réglementaire et de suivi de sécurité à long terme demeurent irréductiblement humaines et chronophages.

Même si l’IA pouvait déterminer les cibles thérapeutiques les plus prometteuses, elle ne peut pas couper à travers la bureaucratie réglementaire ni accélérer les essais cliniques. Sahm note que la majorité des recherches assistées par IA restent expérimentales, confinées aux protocoles de recherche. En Europe, un cadre réglementaire clair pour permettre leur mise sur le marché fait encore défaut. « On observe beaucoup de recherches prometteuses, mais étonnamment peu d’applications réelles », résume-t-il avec une pointe de frustration.

Un exemple frappant rapporté par le Guardian illustre cette distance entre l’enthousiasme technologique et la réalité du laboratoire. En mars 2026, un spécialiste en analyse de données australien a synthétisé un vaccin anticancéreux sur mesure pour sa chienne Rosie en téléchargeant ses informations génétiques dans ChatGPT. Si l’exploit a suscité l’admiration, les chercheurs ont rapidement rappelé que le travail difficile avait été accompli par des humains en laboratoire, bien en amont.

« L’IA peut générer un million d’hypothèses, mais nous aurons toujours besoin d’humains pour comprendre lesquelles sont vraies », ajoute Loi, ramenant la question à l’essentiel : la technologie ne remplace pas la méthode scientifique, elle l’accompagne. La clinique, elle, reste une affaire de contact, de décision et de responsabilité humaines.

L’équité d’accès, une promesse tangible

Un point sur lequel les experts s’accordent est le potentiel de l’IA à réduire les inégalités d’accès aux soins. Loi souligne que, dans les communautés rurales ou les régions dépourvues de centres anticancéreux spécialisés, des modèles d’apprentissage automatique pourraient aider les professionnels de santé à fournir des réponses plus rapides et plus complètes. L’IA ne guérirait pas le cancer à elle seule, mais elle pourrait démocratiser l’accès à certains outils diagnostiques aujourd’hui réservés aux grandes structures hospitalières.

Goenka abonde dans ce sens : pour lui, « la technologie n’est qu’une partie de la réponse ». L’autre partie, c’est l’organisation des soins, la formation des personnels, la volonté politique de rendre ces outils accessibles à tous. L’IA ne remplacera jamais le médecin, mais elle pourrait lui offrir des alliés précieux pour étendre sa capacité de diagnostic au plus grand nombre.

Une question de mesure et de responsabilité

Au-delà des prouesses techniques, c’est bien une question de mesure qui se pose. Combien de temps faudra-t-il pour que ces outils passent du laboratoire au lit du malade ? Les PDG de la tech annoncent des révolutions imminentes, mais sur le terrain, les oncologues appellent à la prudence. Javorsky prévient : ce n’est pas l’intelligence qui limite le progrès, mais les données, la régulation et les incitations qui encadrent la recherche sur le cancer. Le problème n’est pas computationnel, il est structurel.

Sahm résume bien la situation : même si l’IA est capable de formuler des hypothèses et d’accélérer certains processus, « quelqu’un doit quand même retourner faire l’expérience, non ? » Une question simple qui renvoie à la nature même du progrès scientifique, patient, incrémental, obstinément humain. La médecine avance à coups de preuves, pas à coups de prédictions.

L’IA, un outil puissant mais pas une baguette magique

Alors, l’IA peut-elle prédire le cancer ? Oui, à certaines conditions et dans certains contextes : l’imagerie médicale le prouve déjà. Des modèles savent aujourd’hui détecter des tumeurs naissantes là où l’œil humain ne voit rien. Mais peut-elle le guérir ? La réponse, à ce stade, est non. Non pas par conservatisme ou refus du progrès, mais parce que la complexité du vivant dépasse la puissance des algorithmes. Comme le rappelle Sherene Loi, la médecine ne se réduit pas à une équation : elle est une rencontre entre une science rigoureuse et une humanité qui ne se calcule pas.

Les promesses de la big tech doivent être accueillies avec l’enthousiasme qu’elles méritent, celui de l’innovation, mais aussi avec la prudence qu’exige la vie des patients. Car entre un algorithme qui promet la guérison et un médecin qui accompagne un malade, il y a tout le poids de l’expérience humaine. Et celle-là, aucun modèle d’intelligence artificielle ne pourra jamais la remplacer.