Fin de vie : des algorithmes savent déjà quand vous allez mourir — et décident qui reçoit des soins palliatifs

Des algorithmes d'intelligence artificielle (IA) sont désormais capables d'estimer la durée de vie restante d'un patient en analysant ses données médicales. Ces outils, développés à partir de modèles d'apprentissage automatique (machine learning), traitent des milliers d'informations comme l'âge, les antécédents médicaux, les résultats de tests ou les traitements en cours. Par exemple, un algorithme peut croiser des données pour prédire qu'un patient a 80 % de chances de décéder dans les deux prochaines années. Ces systèmes sont entraînés sur des bases de données anonymisées contenant des millions de dossiers médicaux, permettant d'identifier des schémas complexes invisibles à l'œil humain. Leur précision dépend de la qualité et de la quantité des données disponibles.

Les algorithmes ne se contentent pas de prédire la mort : ils influencent aussi l'attribution des soins palliatifs, ces traitements visant à soulager la douleur et améliorer la qualité de vie des patients en phase terminale. Dans certains hôpitaux, ces outils analysent en temps réel l'état de santé des patients et priorisent ceux qui en ont le plus besoin, en fonction de leur espérance de vie estimée. Par exemple, un algorithme pourrait décider qu'un patient avec une probabilité de survie de moins de 6 mois mérite une place en unité de soins palliatifs, tandis qu'un autre, avec une espérance de vie plus longue, sera orienté vers des traitements curatifs. Cette automatisation soulève des questions éthiques sur l'équité et la transparence des décisions.

L'utilisation de ces algorithmes présente plusieurs avantages. D'abord, elle permet d'optimiser l'allocation des ressources médicales, souvent limitées, en ciblant les patients les plus vulnérables. Ensuite, elle réduit les biais humains dans les prises de décision, en s'appuyant sur des données objectives plutôt que sur des jugements subjectifs. Cependant, ces outils soulèvent des limites majeures. Leur fiabilité dépend de la qualité des données utilisées pour les entraîner : des erreurs ou des biais dans les données peuvent conduire à des prédictions erronées. De plus, ces systèmes ne prennent pas en compte des facteurs humains comme la volonté du patient ou sa situation sociale, qui influencent pourtant fortement les choix thérapeutiques.

L'application de ces algorithmes en fin de vie pose des questions éthiques complexes. Qui est responsable si une prédiction est fausse et conduit à une mauvaise allocation des soins ? Comment garantir que ces outils ne renforcent pas les inégalités sociales, par exemple en défavorisant certains groupes démographiques ? Ces systèmes pourraient aussi influencer les décisions des médecins, qui pourraient se reposer excessivement sur les recommandations de l'IA plutôt que sur leur expertise clinique. Enfin, le manque de transparence des algorithmes (boîte noire) rend difficile pour les patients et leurs familles de comprendre les raisons des choix médicaux qui les concernent.