Alors que l’intelligence artificielle (IA) devient de plus en plus courante dans les soins de santé, de la gestion des dossiers à l’aide aux décisions en matière de médicaments, les chercheurs de l’Icahn School of Medicine du Mont Sinaï se posent une question importante : dans quelle mesure l’IA résiste-t-elle lorsque la charge de travail devient intense à l’échelle du système de santé ?
Une nouvelle étude, publiée dans le numéro en ligne du 9 mars de npj Health Systems, suggère que la réponse dépend moins de l’IA elle-même et plus de la façon dont elle est conçue.
Les chercheurs ont constaté que les systèmes d’IA en santé fonctionnent bien mieux lorsque les tâches sont réparties entre plusieurs « agents » d’IA spécialisés — des systèmes logiciels capables d’effectuer des tâches complexes, d’apprendre et de s’adapter — plutôt que de s’appuyer sur un seul agent polyvalent. Cette approche multi-agents a permis de maintenir des performances stables malgré l’augmentation de la demande, tout en réduisant considérablement les coûts et les délais de calcul, affirment les chercheurs.
« Pour les organismes de santé, nos résultats indiquent une utilisation plus intelligente de l’IA », déclare Girish N. Nadkarni, MD, MPH , auteur principal de l’étude, titulaire de la chaire Barbara T. Murphy du département Windreich d’intelligence artificielle et de santé humaine , directeur de l’ Institut Hasso Plattner pour la santé numérique , professeur de médecine Irene et Dr Arthur M. Fishberg à l’École de médecine Icahn et responsable de l’IA du Mount Sinai Health System. « En confiant différentes tâches, comme la recherche d’informations sur les patients, l’extraction de données ou la vérification des doses de médicaments, à des agents d’IA spécialisés, les systèmes peuvent fonctionner plus rapidement et de manière plus fiable, tout en maîtrisant les coûts. À terme, ce type de conception pourrait permettre aux équipes soignantes de consacrer moins de temps aux tâches administratives et davantage aux patients. »
Dans le cadre de cette étude, les chercheurs ont comparé deux approches de l’IA clinique : un système unique chargé de gérer de nombreuses tâches cliniques différentes et un réseau coordonné d’agents d’IA spécialisés supervisés par un « orchestrateur » central. À l’aide de modèles de langage de pointe, l’équipe a évalué les performances des fonctions cliniques courantes, notamment la recherche d’informations, l’extraction de données et les calculs de dosage des médicaments, dans des conditions simulées du monde réel impliquant jusqu’à 80 tâches simultanées.
« Nos résultats montrent que les systèmes d’IA se comportent de manière très similaire aux humains », explique le Dr Eyal Klang, auteur principal de l’étude et ancien membre de l’École de médecine Icahn. « Lorsqu’on demande à un système d’effectuer trop de tâches simultanément, ses performances se dégradent. En revanche, lorsqu’un agent orchestrateur répartit le travail entre des agents spécialisés, le système reste précis, réactif et bien plus efficace, même en cas de forte demande. »
Le système multi-agents coordonné a maintenu des niveaux de précision supérieurs tout en utilisant beaucoup moins de ressources informatiques, jusqu’à 65 fois moins, qu’un système à agent unique. L’étude a simulé le « trafic » clinique réel, où de nombreux types de tâches arrivent simultanément et se disputent l’attention, expliquent les chercheurs.
« Nos résultats montrent qu’une coordination intelligente n’est pas qu’une simple préférence technique », explique le Dr Klang. « Elle peut faire toute la différence entre un système d’IA qui continue de fonctionner sans problème et un autre qui commence à dysfonctionner lorsqu’il est confronté aux contraintes de la charge de travail clinique réelle. »
L’équipe de recherche prévoit ensuite de tester ces systèmes d’IA coordonnés directement en milieu clinique, à partir de données patient en temps réel. En cas de succès, cette approche pourrait influencer la manière dont les hôpitaux et les systèmes de santé déploieront l’IA à l’avenir, en les aidant à gérer les pics d’activité sans compromettre la qualité ni la sécurité des soins.
Les chercheurs soulignent que les progrès ne sont pas automatiques : même une IA sophistiquée peut se révéler insuffisante si les systèmes sont mal conçus ou mal mis en œuvre. « Le secteur de la santé ne fonctionne pas de manière isolée », explique le Dr Nadkarni. « Les hôpitaux sont confrontés à des demandes constantes et simultanées, surtout en période de forte activité. Nos résultats montrent que l’avenir de l’IA dans le domaine de la santé ne réside pas dans un système unique et surpuissant, mais dans une équipe coordonnée d’agents spécialisés qui collaborent pour assurer une montée en charge sécurisée, maîtriser les coûts et soutenir les opérations cliniques réelles. »
« Lorsqu’un seul agent gère l’ensemble des opérations, il est impossible de déterminer l’origine des erreurs. Avec un orchestrateur, chaque étape est consignée : l’outil utilisé, le résultat obtenu et la manière dont la réponse a été construite. Avec 80 tâches simultanées, la précision de l’agent unique a chuté à 16 % tout en consommant 65 fois plus de ressources de calcul, sans qu’il soit possible d’en comprendre la raison. Ce type de transparence est indispensable en médecine », explique le Dr Mahmud Omar, co-auteur de l’étude et chercheur invité au département Windreich. « C’est plus important que jamais : l’IA agentielle n’est plus un concept de recherche. Des outils comme le mode opérateur d’OpenAI, Claude’s Cowork et d’autres plateformes similaires mettent directement des agents autonomes entre les mains des cliniciens et des patients. À mesure que cette adoption s’accélère, l’architecture de ces systèmes doit être auditable dès sa conception. »
L’article s’intitule « Orchestrated multi agents sustain accuracy under clinicalscale workloads compared to a single agent » ou « L’utilisation de plusieurs agents orchestrés maintient la précision dans des conditions de charge de travail à l’échelle clinique, comparativement à un agent unique. »
