Navigation – Plan du site

AccueilAcceptés pour publicationArticles en pré-publicationDétecter la tuberculose par algor...

Détecter la tuberculose par algorithmes : les valorisations d’une technologie de surveillance par la santé mondiale

Detecting tuberculosis with algorithms: the valorization of a surveillance technology for global health
Julien Onno et Pierre-Marie David

Résumés

Les logiciels de détection assistée par ordinateur basée sur l’intelligence artificielle (CAD-IA), combinés aux radiographies numériques du thorax, ont récemment été présentés comme une solution facile à un problème complexe : « mettre fin à la tuberculose d’ici 2030 ». L’Organisation mondiale de la santé (OMS) a recommandé l’utilisation de ces dispositifs en 2021 et de nombreux partenariats publics/privés ont contribué à les évaluer, créant ainsi un marché pour ces premiers outils de santé mondiale basés sur l’intelligence artificielle. Cet article explore les étapes de la création de valeur et d’un marché pour ces algorithmes de détection, à la faveur d’un régime « accélérationniste » bien ancré au sein du champ de la santé mondiale. En suivant la vie sociale des données utilisées pour développer, valider, vendre et faire du profit avec les dispositifs CAD-IA, nous analysons comment une nouvelle forme de détection technologique de la tuberculose utilisée en santé mondiale, malgré ses prétentions disruptives, reste prise dans des processus d’inégalités qui sont les moteurs des épidémies de tuberculose dans de nombreux contextes et qui sont indirectement valorisés scientifiquement, économiquement et politiquement par la technologie elle-même.

Haut de page

Texte intégral

Surveiller et détecter

1La tuberculose (TB) est une « vieille maladie », liée à des processus historiques et sociaux enracinés dans la colonisation (Dunn et al., 2022), l’exploitation (Huffman et al., 2012), la ségrégation (Acevedo-Garcia, 2000), l’incarcération (Koch, 2006) et l’extractivisme (Mutendi & Macdonald, 2018). Elle demeure un fardeau pour les pays des Suds, maintenus dans certains de ces rapports de domination. Elle se développe dans des pays aux infrastructures de soin et de santé défaillantes et sa propagation procède de problématiques de salubrité publique. De même, elle s’avère complexe à diagnostiquer, nécessite des formes de suivi et un traitement antibiotique au long cours à suivre scrupuleusement afin d’éviter l’apparition de biorésistances. Historiquement, la gestion de la TB a reposé, dans les pays du Nord, sur des campagnes de dépistage massives tout au long des années 1950-1960, qui ont permis une détection à grande échelle (Kehr, 2021). Dans les pays des Suds, la permanence et la résurgence de la TB sont liées à d’autres facteurs : nouvelles souches multi-résistantes, co-infection avec le VIH, problèmes d’accès aux traitements, difficulté d’implantation pérenne d’outils diagnostiques, etc. Nous verrons dans cet article qu’une nouvelle forme de détection technologique de la TB utilisée en santé mondiale basée sur les logiciels de détection assistée par ordinateur basée sur l’intelligence artificielle (CAD-IA) reste prise, malgré ses prétentions disruptives, dans des processus d’inégalités qui sont les moteurs des épidémies de TB dans de nombreux contextes et qui sont indirectement valorisés scientifiquement, économiquement et politiquement par la technologie elle-même.

Les promesses de dépassement technologique des contextes sociaux (et de l’humain)

2Cet article s’intéresse aux manières dont ces nouveaux outils de détection se développent, d’abord au sein de start-up, puis plus largement, dans les institutions de santé mondiale qui proposent ces solutions de CAD-IA. Conçues en 2008-2010 par un développeur pionnier (Delft Imaging, entreprise basée aux Pays-Bas), ces solutions n’ont d’abord pas été jugées pleinement concluantes par certaines institutions de santé mondiale comme l’Organisation mondiale de la santé (OMS), qui n’a pas recommandé initialement leur usage (OMS, 2016). Sous l’effet des progrès considérables réalisés en matière de reconnaissance d’images dans le domaine de la radiographie, ces solutions ont depuis été perfectionnées et sont désormais envisagées comme un outil particulièrement crucial dans le plus large triage diagnostique visant à mieux connaître et traiter l’infection tuberculeuse. Ces nouvelles avancées ont mené l’OMS à émettre un avis formel en 2021, recommandant l’usage des CAD-IA pour l’analyse des radiographies du thorax en vue de la détection de la tuberculose à la place des lecteurs humains (OMS, 2021).

3Nous avons déjà analysé la manière dont ces technologies mettent en réseau un nombre important d’acteurs aux perspectives et objectifs différents et participent de la consolidation du champ de la santé mondiale comme promoteur de solutions technologiques et financières aux problèmes de santé globaux (Onno et al., 2023). Des entreprises conceptrices des algorithmes aux acteurs des partenariats en santé mondiale, en passant par les universitaires qui évaluent l’efficacité des CAD-IA, les divers usagers et promoteurs de ces technologies forment un réseau complexe, lui-même reconfiguré par l’irruption soudaine de ces objets techniques qui bouleversent des pratiques et des représentations bien ancrées en termes de soin et de santé. Dans la mesure où les CAD-IA peuvent, selon les évaluations en cours, remplacer le personnel humain, il importe désormais d’essayer de comprendre comment se joue une « valorisation technologique » au détriment de certaines autres pratiques, et plus concrètement celles des radiologues (Anichini & Geffroy, 2021), mais aussi peut-être plus généralement celles de tous les travailleurs sociaux et de la santé qui traitent localement les causes sociales et les déterminants des épidémies de TB. À notre connaissance, et contrairement aux publications traitant de l’efficacité des modèles algorithmiques, il existe encore très peu de publications évaluant les pratiques concrètes d’utilisation et de calibrage des outils en contexte d’usages. Nous avons abordé ailleurs cette question, en montrant l’importance du travail humain dans la mise en œuvre de ces outils algorithmiques (David et al., 2024), loin des promesses initiales des adeptes de cette technologie médicale, et notamment celle de s’affranchir des radiologues (van Ginneken, 2023).

4Une autre promesse était d’offrir une solution technologique aux enjeux sociaux bien connus relatifs aux dynamiques épidémiques de TB. Il est globalement reconnu que pour répondre à l’objectif d’éradication de cette maladie, l’emploi de solutions biomédicales est nécessaire, mais insuffisant (Agbota et al., 2022). En effet, la littérature en sciences sociales et en santé publique reconnaît régulièrement que les populations vulnérables et éloignées des infrastructures de santé sont plus susceptibles d’être menacées par la TB (Mason et al., 2016). De même, les stratégies organisationnelles et diagnostiques doivent s’adapter aux contextes locaux et prendre en compte les conditions sociales et économiques qui aggravent la propagation de la TB (Lönnroth et al., 2010). Et les CAD-IA, en tant que solutions technologiques, sont précisément positionnés comme une réponse à certains de ces enjeux sociaux, donnant ainsi corps aux promesses de la santé mondiale d’éradiquer la TB, comme le soutiennent de nombreux acteurs que nous allons décrire par la suite. En effet, le caractère adaptable et mobile de ces technologies algorithmiques embarquées et combinées aux appareils radiographies numériques portables (transportables par camionnettes) et ultra-portables (en sacs à dos) permet de les déployer dans des zones difficilement accessibles et leurs interfaces autorisent des réglages locaux en fonction des conditions de prévalence de la maladie et des moyens disponibles au sein des infrastructures de santé. L’usage des CAD-IA permettrait d’aller détecter les individus directement dans les communautés ou les zones éloignées des centres de soin, favorisant ainsi une nouvelle valorisation de l’activité de détection. Les technologies CAD s’affranchissent d’une vision en termes d’approches standard et normalisées liée aux infrastructures de santé, et se caractérisent par une certaine souplesse, une flexibilité et une agilité, comme cela est de plus en plus promu par d’autres formes de tests rapides « point of care » soutenus de manière financière et régulatoire par la santé mondiale (Kelly et al., 2022). Ces promesses numériques de santé sont de puissants promoteurs de ces technologies, dans le champ humanitaire par exemple, mais également sur les marchés financiers. Au-delà des promesses, ce sont précisément les différentes étapes de création de valeur relative à cette technologique qui nous intéresse ici.

Les temporalités de valorisations scientifiques, économiques et politiques

5Cet article vise à décrire l’enchevêtrement des problématiques techniques, scientifiques, sociales et économiques qui façonne les systèmes technologiques (Bijker et al., 1987) et tout particulièrement les CAD-IA en contexte de santé mondiale. Ces systèmes se situent à la frontière entre dispositif expérimental et technologie pratique dans la mesure où ils sont utilisés en même temps qu’ils sont évalués. De même, ils sont tenus par une nécessaire coordination entre le travail d’évaluation scientifique (évaluation de l’efficacité des modèles), le travail de régulation des acteurs nationaux et internationaux et le travail des acteurs et partenariats de santé mondiale qui effectuent des appels d’offres, mettent en œuvre ces nouvelles technologies sur le terrain et participent ainsi de la création d’un marché.

6Les temporalités jouent un grand rôle dans la coordination des acteurs de la santé mondiale (Staupe-Delgado & Rubin, 2022) et, dans ce cadre, les CAD-IA ont profité des avancées des projets de recherches, des expérimentations et autres projets pilotes ainsi que des publications qui en ont découlé. Ces étapes sont inscrites dans des temporalités et font l’objet de formes de valorisation qui entraînent des accélérations dans la dissémination de la technologie. L’avènement des CAD-IA comme solution globale de la santé mondiale pour redynamiser la lutte contre la tuberculose peut ainsi être envisagé comme la synchronisation de différents « tempos de valorisation » (Street, 2023), à la fois scientifique, économique et financier. En effet, dans le cadre de la santé mondiale, de nombreux acteurs (privés, publics, membres d’organisations internationales) doivent se mettre d’accord, légiférer et prendre des décisions pour instituer la légitimité d’une nouvelle technologie. Par exemple, dans un premier temps, l’OMS n’a pas recommandé les CAD – pourtant déjà objet d’un intérêt certain et de projets pilotes en 2016 – estimant que les preuves de validation étaient insuffisantes et pas assez indépendantes. Puis en 2021, l’augmentation des solutions offertes, les évaluations positives et la pression exercée par divers acteurs de la santé mondiale ont conduit l’OMS à revoir sa position et recommander les CAD-IA. De même, la pandémie de covid-19 a certes fortement perturbé les récents progrès en matière de lutte contre la TB, mais a aussi accéléré l’orientation vers de nouvelles technologies et innovations (Agbota et al., 2022). Le Fonds mondial de lutte contre le sida, la tuberculose et le paludisme a ainsi lancé un appel à projets avec un financement conséquent (quatre milliards de dollars) par le biais d’un canal appelé COVID-19 Response Mechanism (C19RM), notamment pour développer des solutions CAD-AI. C’est précisément dans ce moment « accélérationniste » de synchronisation des tempos que se situe notre étude des CAD-IA.

7Au-delà des aspects centrés sur les usages, la question des données et de leurs valorisations pour les entreprises constitue une problématique d’envergure dans l’univers des CAD-IA. La valorisation est ici entendue comme le processus de création de valeur par l’évaluation qui vise à des comparaisons d’outils et permet indirectement la création d’un marché pour une technologie émergente. Cette valorisation scientifique permet alors d’articuler d’autres types de valorisation, notamment celle de la création de valeur économique par la création d’un marché en facilitant la rencontre d’une offre et d’une demande, puis à travers les marchés financiers. Cet article est ainsi en discussion avec les travaux sur la création de valeur et de marchés en santé mondiale (Erikson, 2019a), notamment à la faveur de technologies numériques (Al Dahdah, 2022). À la jonction avec les réflexions sur le management numérique de l’humanitaire (Roth & Luczak-Roesch, 2020) et des migrants (Pécoud, 2017 ; Leese et al., 2022), nous aborderons la question de la participation des outils numériques de santé à des formes de valorisations sociales et économiques pouvant se rapprocher d’un capitalisme de surveillance en santé mondiale. Enfin, cet article aborde les valorisations politiques liées à l’accès à ces outils technologiques en contexte de santé mondiale, comme des formes d’inclusion (ou d’exclusion) politiques particulières (Nguyen, 2010 ; Geissler, 2015).

8Dans un premier temps, nous revenons sur notre temporalité propre de recherche affectée par la pandémie de covid-19 qui a été à la fois un obstacle majeur à l’accès au terrain et un accélérateur d’adoption de ces algorithmes de détection, alors que la détection de la tuberculose au niveau mondial était en pleine régression (Pai et al., 2022). Cet article aborde ensuite les différents types de valorisation de l’activité de détection au travers de la description des acteurs qui gravitent autour des CAD-IA et de l’infrastructure d’évaluation qu’elle produit, montrant que ces valorisations, ces processus de création de valeur se trouvent à la frontière entre humanitaire, santé publique et enjeux financiers. Enfin, nous mettrons en perspective les enjeux politiques des CAD-IA, notamment en considérant plus particulièrement les données qui sont appropriées, leur origine et l’utilisation des CAD-IA et leurs effets potentiels dans des logiques de surveillance.

Surveiller cette technologie de détection

9Ce projet de recherche a été initié dans le contexte de la pandémie de covid-19 qui a eu un impact certain sur l’implantation des CAD-IA dans les contextes étudiés. En effet, la pandémie a augmenté le nombre de « cas manquants » (les missing TB millions comme les appelle Stop TB partnership) de la TB à travers le monde. Entre trois et quatre millions de cas n’auraient pas été diagnostiqués durant cette période, entraînant une augmentation du nombre de décès (OMS, 2022) et par conséquent de multiples appels à une remobilisation mondiale (Pai et al., 2022). Ce phénomène des cas manquants est particulièrement déterminant dans les différentes situations de déploiement des outils diagnostiques. Paradoxalement, le covid-19 a participé à l’accélération de solutions numériques pour la détection. En effet, de nombreux développeurs ont proposé des solutions de détection du covid en mettant à profit les algorithmes développés pour la TB et qui pouvaient de ce fait détecter des lésions pulmonaires. Certains sont même allés jusqu’à proposer leurs algorithmes gratuitement, profitant ainsi d’une opportunité de s’insérer dans des mécanismes de financement tels que le C19RM évoqué plus haut.

10Nous avons choisi une approche méthodologique qualitative basée sur des entretiens semi-directifs menés à distance, généralement en anglais, par visioconférence, d’une durée comprise entre 45 minutes et 1 h 30. Ces entrevues ont été menées avec : des développeurs et des cadres d’entreprises concevant des algorithmes d’IA notamment (n = 12), des acteurs de ce que l’on nomme la santé mondiale, c’est-à-dire appartenant à des partenariats associant ONG et financeurs de projets positionnés sur le sujet TB (n = 16) et des utilisateurs de CAD-IA appartenant à des ONG ou hôpitaux (n = 15). Après avoir mené une recherche sur la structuration du « réseau » CAD-IA (notamment par veille documentaire), nous avons d’abord contacté les participants par mails, ce qui a provoqué un effet boule de neige, les interviewés nous dirigeant vers d’autres interlocuteurs à l’issue de leur propre participation. Les techniques de l’enquête qualitative et de la veille documentaire ont notamment été choisies car elles permettent de suivre des objets globaux et mouvants. Les CAD-IA sont des objets mouvants non pas seulement parce qu’ils sont portatifs, mais aussi parce qu’ils sont mis à jour régulièrement et que les changements induits par leurs nouvelles versions ne sont pas traçables car ancrés dans les boites noires des différentes versions d’algorithmes. L’évaluation scientifique a aussi permis de pallier les difficultés internationales à encadrer ces technologies.

11Grâce aux fonds de recherche alloués par l’Observatoire international des impacts de l’IA et du numérique basé au Québec (OBVIA-FRQ) pour un projet portant sur les enjeux d’équité associés aux CAD pour la TB, nous avons observé et plus généralement suivi les développements des recommandations et de l’usage de ces technologies depuis le début de l’année 2020 – en participant, par exemple, comme observateur aux premières réunions de l’OMS pour promouvoir des recommandations sur leurs utilisations – jusqu’aux réflexions actuelles, en 2023, sur le système de « préqualification » de ces technologies censé assurer la qualité, l’innocuité et l’efficacité des produits médicaux. La prise en compte de ces temps et tempos de valorisation a été nécessaire à notre compréhension de la mise en œuvre des technologies CAD-IA selon les perspectives des institutions internationales autant que des utilisateurs de premier plan et des organisateurs des programmes de lutte contre la TB en prise avec le terrain. Les conditions d’observation et de voyage en temps de pandémie nous ont obligés à revoir ce niveau de profondeur que nous avions envisagé, en restant plus en surface, mais avec davantage de retours d’expériences. Les témoignages finalement recueillis proviennent de multiples contextes nationaux (Pakistan, Ghana, Afrique du Sud, Nigeria, Ouganda, Philippines, etc.) et de diverses institutions ou organisations internationales. Si une certaine « épaisseur ethnographique » a été perdue, les entretiens à distance ont permis de comprendre la circulation des données et les facteurs plus globaux influençant l’usage ou non des technologies.

Les valorisations scientifiques et économiques de la détection

L’émergence d’acteurs producteurs et évaluateurs de données numérisées

12De nouveaux acteurs de la santé mondiale ont émergé depuis les années 2000, et notamment des fondations privées. Certaines institutions en santé mondiale ont pour rôle de favoriser l’innovation et de lui trouver des débouchées avec ou sans le marché. Ces technologies mouvantes que sont les CAD-IA ont contribué à reconfigurer la santé mondiale en promouvant l’expertise de certains acteurs (Onno et al., 2023). Tout d’abord, ils ont été déployés dans le cadre de projets pilotes – de plus ou moins grande envergure – gérés par des institutions académiques et des ONG, telles que Médecins sans frontières (MSF), Friends of International TB Relief (FIT) ou FHI 360, et financés par des institutions telles que l’US Agency for International Development (USAID). D’autres institutions ont été mandatées pour évaluer l’efficacité de ces technologies à l’aune d’une pratique particulière, comme l’Organisation internationale pour les migrations (OIM) qui a développé une large expertise sur la détection de la TB adaptée aux différents pays d’immigration. Les CAD-IA sont au centre d’un réseau qui associe d’autres technologies et de multiples acteurs de la santé mondiale.

13Différentes organisations internationales encouragent l’évaluation et l’usage des CAD. La première est Stop TB Partnership dont les objectifs généraux sont de plusieurs ordres : mettre au premier plan les enjeux relatifs à la TB, mettre en lien différents partenaires, soutenir les projets dits innovants relatifs à la TB et soutenir les communautés concernées. Elle a été créée en 2001 avec des fonds provenant d’agences nationales et internationales ainsi que du secteur privé. Son conseil d’administration compte cinq représentants des bailleurs de fonds, un des fondations, deux d’organisations multilatérales (OMS et Fonds mondial), deux d’ONG de pays en développement, un d’une ONG d’un pays développé, un du secteur privé, un des fournisseurs du secteur privé dans les pays à forte charge de morbidité tuberculeuse, trois des communautés touchées par la TB, ainsi que six de pays touchés par la TB. Stop TB Partnership a très tôt promu les CAD-IA (depuis 2011) en participant à certaines évaluations. Une expertise est ainsi née à la jonction de l’innovation et de l’implantation. Aujourd’hui, Stop TB Partnership gère un très gros programme de l’USAID pour l’implantation des CAD dans une dizaine de pays. elle se positionne aussi en facilitateur d’un marché de ces solutions techniques. En effet, l’organisation offre un catalogue de solutions technologiques validées dans lequel les CAD (logiciels et appareils portables de radiologie numérique) ont fait leur entrée en 2021. Nommé Global Drug Facility (GDF), ce catalogue permet de sécuriser les acheteurs et ainsi de favoriser le marché des CAD-IA.

14L’autre acteur majeur est la Foundation for Innovative New Diagnostics (FIND, rebaptisée Diagnostics for all en 2022), une organisation basée à Genève. Initialement financée par la Fondation Bill et Melinda Gates à hauteur de trente millions de dollars (Street, 2018), elle se positionne plus généralement sur la promotion des innovations diagnostiques pour toutes les maladies tropicales négligées ou liées à la pauvreté. Il s’agit d’une organisation de santé mondiale qui vise à favoriser l’innovation en matière de diagnostic et à intégrer de nouveaux types de tests au sein des systèmes de santé. Dans ce cadre, FIND a participé à l’évaluation scientifique des CAD-IA et a produit un certain nombre de publications, dont l’une fait notamment référence en matière de précision des CAD-IA dans le dépistage (Kik et al., 2022). Depuis quelques mois, l’organisation a également développé une plateforme de validation (validation plateform) des algorithmes de détection (Arentz et al., 2023) qui s’appuie sur une base de données d’images pulmonaires censée être représentative de différentes populations (genre, ethnicité, âge) et intégrer les facteurs de co-morbidités qui peuvent influencer la présentation de la TB sur les images (l’infection par le VIH notamment). Cette plateforme vise à évaluer l’efficacité des CAD-IA par rapport au diagnostic biologique de confirmation. De grandes bases de données combinant radiographies pulmonaires numérisées et tests de biologie moléculaire permettent concrètement cette évaluation. En plus des évaluations au niveau international, cette plateforme pourrait aussi être utilisée à la demande des acteurs de santé publique locaux afin de choisir l’algorithme de détection le plus efficace (FIND, 2023). FIND a désormais une place de choix en ce qui concerne l’évaluation du diagnostic de l’IA en contexte de TB dans un cadre de santé mondiale, et comble une lacune réglementaire, en attendant la préqualification de l’OMS. FIND et l’OMS ont par ailleurs formalisé une entente stratégique en 2020 (OMS, 2020) qui semble se concrétiser par l’établissement de cette plateforme de validation, promise à devenir l’outil central de la préqualification de l’OMS. En effet, comme pour les médicaments, l’OMS poursuit un processus de préqualification (entrevues avec l’OMS). À l’instar de la présence des CAD-IA dans le GDF, ce processus mené par un organisme international reconnu sécurise les acheteurs et renforce ce marché émergent.

  • 1 L’OIM se distingue également par son aspect entrepreneurial (Pécoud, 2017) et par des mandats d’act (...)

15L’OIM – organisation internationale sous-traitant les questions de contrôle de l’immigration (économique, familiale et de réfugiés) pour un certain nombre de pays du Nord – joue également un rôle central dans la production et l’évaluation de données numérisées. Créé en 1951 sous l’impulsion des gouvernements européens, le Comité intergouvernemental provisoire pour les mouvements migratoires d’Europe (PICMME), rebaptisé OIM en 1989, est connu pour être un réseau de bureaux présents dans le monde entier dont l’objectif est de faciliter une gestion relativement « ouverte » de la migration, tout en tenant compte des préoccupations sécuritaires des États européens et nord-américains. Les principaux « clients » et bailleurs de fonds de l’organisation sont le Canada, le Royaume-Uni, les États-Unis, l’Australie et la Nouvelle-Zélande. Elle est devenue une agence des Nations unies en 2016, non sans controverses. Certains groupes lui reprochent notamment sa vision très économique, voire un accompagnement néolibéral de la gestion des migrations1. C’est précisément dans ce rôle de contrôle de l’immigration que l’OIM a constitué de larges bases de données de radiographies pulmonaires numérisées. Elle a ainsi pu contribuer à l’évaluation des CAD-IA (Gelaw et al., 2023). Cette étude est l’une des deux études fondamentales de validation de ces systèmes. Réalisée dans le cadre du même protocole d’étude que celui utilisé par FIND (Kik et al., 2022), elle utilise toutefois des sources de données et des méthodes différentes. Aujourd’hui, l’OIM n’utilise officiellement les CAD-IA que pour évaluation. Toutefois, l’organisation a financé l’approvisionnement en CAD-IA de nombreux pays du Moyen-Orient.

16Plusieurs autres acteurs pourraient être identifiés comme importants dans l’évaluation des CAD-IA (ONG, universités, ministères de la Santé), sans être toutefois aussi fondamentaux que les acteurs décrits ci-dessus, essentiels dans la production, l’assemblage et la préparation d’une infrastructure d’évaluation génératrice de différents types de valorisations.

La valorisation des CAD-IA en santé publique et dans le domaine humanitaire

17La valorisation scientifique des CAD-IA est assurée par les institutions d’évaluation telles que Stop TB Partnership et FIND. Pour ces dernières, les CAD-IA auront un rôle majeur à jouer dans la lutte globale contre la TB et peuvent constituer des outils de détection efficace, y compris pour les communautés affectées. Ayant assez tôt décelé le potentiel de cette technologie en termes de détection, d’accountability et de performance, mais aussi un vide réglementaire, Stop TB Partnership s’est également positionné sur le terrain de la régulation des CAD-IA. Les interviewés ont identifié ce qu’ils ont qualifié de « fossés » entre la lente évolution du cadre règlementaire et les avancées rapides et incessantes des technologies et des innovations. Les progrès réalisés par l’IA demandent également une mise à jour des preuves d’efficacité et de précisions qui engage un nouveau « cycle » de publications scientifiques à mesure que les technologies sont affinées, retestées, perfectionnées, etc. Stop TB Partnership s’est ainsi donné comme mission de combler ce fossé :

  • 2 Les entretiens ayant été menés en anglais, les extraits ont été traduits par nos soins.

Connaissant les performances, la précision est un autre facteur à prendre en compte ; l’un des facteurs importants à prendre en compte. Je pense qu’avec la banque de données que nous avons déjà collectée et que nous conservons actuellement, nous offrons des solutions pour combler cette lacune réglementaire. Pour combler les lacunes en matière de publication. Il ne s’agit pas seulement d’une lacune réglementaire, car l’OMS, le processus de recommandation, le processus des GDG, n’est pas aussi rapide que l’évolution des produits [...]. Et je pense que Stop TB a un rôle à jouer à cet égard. Outre la production rapide de données probantes, je pense que nous avons été perçus comme un interlocuteur privilégié pour la mise en œuvre et nous sommes actuellement chargés de coordonner la mise en œuvre dans les pays. (Entretien, membre de Stop TB Partnership2)

18Cet extrait d’entretien témoigne de la manière dont Stop TB se positionne dans le processus global de promotion et de valorisation des CAD, en complément de FIND. Dans l’écosystème des CAD, de telles institutions exercent un rôle important en encourageant et en promouvant l’adoption et la mise en œuvre de nouvelles technologies de détection, donnant ainsi une « valeur pour la pratique ». Plus concrètement, en plus de pallier le manque réglementaire et de faciliter les achats à travers le GDF, elles organisent des webinaires pour permettre aux utilisateurs de CAD de poser leurs questions et de constituer une véritable communauté afin d’évaluer et de discuter des usages émergents. Il s’agit ainsi de réguler un marché en même temps que de le faire advenir.

Des données d’évaluation aux marchés financiers

19Un autre type de valorisation se fait jour lorsque l’on s’intéresse au marché des CAD-IA et aux modèles économiques des entreprises qui les produisent. Ainsi, le 21 juillet 2022, la compagnie Lunit, fournisseur mondial de solutions contre le cancer basées sur l’IA, mais également l’un des trois plus gros développeurs d’algorithmes de détection de la TB, est entré en bourse sur le marché sud-coréen. L’entreprise espérait ainsi lever plus de 28 millions de dollars pour développer ses « produits basés sur l’intelligence artificielle » et pour favoriser « le développement du marché mondial » (Lunit, 2022). La réussite de cette opération a notamment été assurée par les produits phares de Lunit, tels que l’Insight CXR, l’algorithme de diagnostic de la TB. En effet, l’Insight CRX semble rassurer les investisseurs car il a reçu le label CE (conformité européenne) le 20 novembre 2019 : « Nous sommes ravis d’annoncer que l’un de nos produits les plus aboutis, Lunit INSIGHT CXR, a obtenu le marquage CE », a déclaré Brandon Suh, MD, PDG de Lunit. « Nous attendons avec impatience les installations dans les hôpitaux à travers l’Europe, où une amélioration des services de santé dans la région peut avoir un impact considérable sur la vie de nombreuses personnes. » (Lunit, 2019)

  • 3 Agence fédérale américaine des produits alimentaires et médicamenteux.

20Deux ans plus tard, le 17 novembre 2021, le même algorithme a obtenu l’autorisation de la Food and Drugs Administration3 pour l’une des deux modalités d’utilisation de l’algorithme, celle de triage dans les structures de santé. C’est ainsi la solidité scientifique et la santé financière du produit, de la compagnie et de son développement économique potentiel qui sont attestées par toute l’infrastructure d’évaluation décrite plus haut et légitimées par ces autorisations réglementaires.

21Pour ses concepteurs, ce produit et son usage dans différents contextes (notamment sous la forme de projets pilotes en contexte de détection de la TB en santé mondiale) ont joué un rôle clé dans le développement de la compagnie. Ces projets pilotes ont tout d’abord été menés en Corée du Sud, puis dans les pays d’Asie du Sud-Est. Un partenariat a été développé avec Stop TB Partnership au Cambodge notamment. Le rôle des instances internationales d’évaluation est jugé crucial pour les développeurs, y compris du point de vue commercial et industriel :

Pour la véritable validation externe, nous avons passé en revue de nombreuses recherches cliniques menées par différentes institutions, ainsi que par des organisations liées à l’OMS telles que FIND et le partenariat Stop TB. Dans ces cas-là, nous n’avons aucune sorte de travail actif ou de connaissance de l’ensemble des données. Ils appliquent simplement notre propre algorithme à leurs ensembles de données et ils exécutent notre algorithme sur leur propre type d’ensembles de validation externe. (Entretien développeur)

22Cette infrastructure d’évaluation de santé mondiale fait ainsi partie intégrante du développement des CAD en tant qu’innovations, comme l’indique l’extrait suivant :

Enfin, la recherche sur la tuberculose est menée de manière très organisée. Souvent, des organisations comme FIND ou Stop TB préparent un ensemble de données et l’analysent à l’aide d’algorithmes d’entreprises d’IA différentes, puis publient les résultats. Je pense qu’il s’agit d’une méthode de comparaison très équitable. C’est quelque chose que nous devrions suivre dans d’autres domaines de la recherche en IA [...] du point de vue d’une entreprise d’IA, si vous avez confiance en votre produit, c’est un bon moyen de nous tester. La qualité de la recherche est en effet très élevée. 1) elle est indépendante et 2) elle travaille dur pour trouver des ensembles de données qui n’ont pas été vus et sur lesquels nous n’avons pas eu l’occasion de tester nos algorithmes. C’est donc une opportunité unique et importante pour nous. (Entretien développeur).

23En connectant l’évaluation des différents algorithmes et leur valorisation financière, nous montrons tout d’abord le rôle d’intermédiaire de certification de certaines institutions qui disposent non seulement de procédures stabilisées, mais aussi de données. Ce suivi des évaluations et des différents processus de valorisation montre ensuite combien les études et l’infrastructure d’évaluation contribuent à une valorisation scientifique nécessaire à la valorisation financière des outils. L’infrastructure d’évaluation représentée par des institutions globales telles que FIND a ainsi constitué une infrastructure de valorisation pour les CAD, sécurisant la confiance des programmes de lutte contre la TB tout autant que des marchés financiers, et transformant les données de santé en données financières.

24La volonté d’éradiquer la TB au moyen de nouveaux outils de détection s’inscrit dans le contexte spécifique post-pandémie de covid-19. Il apparaît en effet nécessaire aux acteurs de la santé mondiale d’adopter rapidement de telles innovations contribuant à un modèle accélérationniste de la santé mondiale. Dans notre cas, l’infrastructure d’évaluation a clairement permis d’accélérer la mise en marché des CAD-IA, à la différence de technologies dites sans marché (Kelly et al., 2022). Les algorithmes de détection discutés ici se développent le long d’un « chemin de valorisations » : évaluations scientifiques, réglementation, marché de l’offre et de la demande, financiarisation. Ce chemin de valorisations basé sur un solutionnisme technologique et financier se généralise en santé mondiale. Avec lui viennent aussi différentes valorisations politiques des individus détectés. Elles sont à considérer tant du point de vue de l’implication des travailleurs de la santé (qui espèrent contribuer à des soins de santé plus justes et équitables) que de celui des organisations qui promeuvent l’usage des CAD-IA, et de ce que l’outil lui-même incite à considérer et valoriser.

Valorisations (et dévalorisations) politiques

Une ressource centrale : la création des données numériques de surveillance des migrations

25L’OIM dispose de larges bases de données de radiographies pulmonaires numérisées qui ont été mobilisées pour contribuer à l’évaluation des CAD-IA (Gelaw et al., 2023). Leur constitution et leur utilisation permettent de s’intéresser à d’autres types de valorisation qui accompagnent les CAD-IA. Dans le mandat de l’OIM, sont incluses les formalités pré-départ des migrants, dont un dépistage de la TB, « un examen préalable au départ des principaux pays de destination ». Ce dépistage semble donc répondre avant tout à un management des coûts en termes de santé. Ces formalités prennent également place dans un contexte économique inégalitaire plus large qu’il est nécessaire de prendre en compte. Les pays d’immigration, principaux « moteurs » de l’économie mondialisée, sont en demande d’une main-d’œuvre qui soit avant tout productive, mais aussi et surtout en bonne santé. En effet, ceux-ci n’ont aucun intérêt économique à gérer les coûts sociaux et médicaux en amont :

Les principaux pays de destination des migrants sont les pays anglophones. Il s’agit du Royaume-Uni, du Canada, des États-Unis, de l’Australie et de la Nouvelle-Zélande. Ils ont tous des exigences très similaires. La seule chose qu’ils ont en commun, c’est qu’étant donné que ces migrants ou réfugiés viennent de milieux où la prévalence de la tuberculose est plus élevée que dans les pays de destination, il est dans l’intérêt de la santé publique des pays de destination de dépister la tuberculose active avant le départ, si elle est identifiée comme telle, et d’organiser le traitement dans leur pays d’origine afin de minimiser le déplacement de la tuberculose avec l’individu au cours de son voyage. [...] Le coût du traitement d’une personne au Canada, au Royaume-Uni ou aux États-Unis pendant six mois est plus élevé dans les pays riches que dans les pays à ressources limitées. La stratégie pour gérer la transmission de la tuberculose par les migrants consiste donc à les traiter et à les prendre en charge dans leur pays d’origine avant leur départ. (Entretien, membre OIM)

26L’OIM a, dans ce cadre, produit ses propres bases de données issues de ses procédures de dépistage :

L’OIM a ensuite sélectionné sa propre collection de radiographies provenant de différentes régions, ethnies, anomalies, sexes, etc. Il s’agissait d’une ressource complète permettant d’évaluer de manière impartiale ces différentes solutions de radiographie par IA. Ce que nous voulions éviter, c’était d’obtenir une collection de radiographies pour que les fabricants puissent ensuite entraîner leurs logiciels sur les archives. Il fallait que cela se fasse à l’aveugle, indépendamment de toute formation. (Entretien, membre OIM)

27Ces données anonymisées rentrent ensuite dans les procédures d’évaluation décrites précédemment, tout en répondant aux préoccupations vis-à-vis d’une éthique procédurale :

Bien entendu, il fallait obtenir le consentement individuel des migrants concernés pour que les données puissent être utilisées de manière anonyme (sans préciser le pays de destination) ou même nécessairement le pays d’origine. Il s’agissait donc de s’assurer que ces archives ne pouvaient pas être utilisées pour remonter jusqu’à un individu. (Entretien, membre OIM)

28Ces aspects révèlent la matérialité des données de santé considérées. D’un point de vue pratique, les données de radiographies pulmonaires appartiennent aux pays d’immigration et non aux personnes migrantes, qui assument néanmoins le coût des procédures de santé liées à leur dossier d’immigration. Le processus de migration permet donc indirectement une extraction de données numérisées. En retour, les CAD-IA peuvent être utilisés pour optimiser ce processus. Les données numériques, passées et présentes, les font donc apparaître sous un autre angle, au cœur d’une politique de management des migrations. Pour certains auteurs, c’est précisément à travers l’usage de ces données que la migration devient un objet de gouvernement (Scheel et al., 2019).

29Les CAD-IA s’insèrent dans des politiques des données plus globales qui font circuler les données biométriques dans un cadre national ou international, à l’instar du « Groupe des cinq » pour les migrations (Canada, Royaume-Uni, Australie, États-Unis, Nouvelle-Zélande) aussi appelé les « five eyes » (Bigo, 2019). Ces enjeux de surveillance et d’identification, dont se sont emparées les surveillance studies (Aïm, 2020), répondent ainsi à des thématiques sécuritaires et de contrôle des populations en lien avec ce que David Beer (2019) a conceptualisé sous le terme « data gaze », une forme particulière de « perception capitaliste ». Le développement possible de cette perception au sein de la santé mondiale a aussi été documenté dans les multiples reconfigurations que ce champ a connu sous l’effet de la disponibilité des données de santé numériques, mais également des nouvelles technologiques biomédicales introduites via des expérimentations ou des tests à grande échelle (Peckham & Sinha, 2019 ; Erikson, 2019b ; Al Dahdah, 2019).

30Cette technologie valorise des données de migration et pourrait permettre en retour d’éviter l’arrivée de migrants potentiellement couteux pour les systèmes de santé des pays où ils émigrent ; optimisant un processus de migration nécessaire à la bonne marche économique des pays du Nord global. De ce point de vue, la technologie CAD-IA, loin d’être un outil humanitaire neutre, constituerait une des techniques de surveillance et de contrôle, et un outil pratique de développement du contrôle des migrations. Ce cas particulier ouvre une réflexion plus large sur le rôle de ces outils en termes de valorisation ou de dévalorisation politique des citoyens.

Un « imaginaire migrant » logé dans les CAD-IA et leurs usages ?

31En deçà des valorisations économiques et financières de ces algorithmes de détection en santé mondiale se trouve une valorisation sociale et politique bien particulière qui pourrait s’apparenter à un « imaginaire migrant » des droits à la santé des personnes et qui se loge dans la technologie et certains de ses usages. Nous avançons cette idée en discussion avec Ruha Benjamin (2016) qui a développé le concept d’« imaginaire carcéral » rattaché aux algorithmes. Elle plaide ainsi en faveur d’une compréhension qui vise à inclure des formes de confinement qui rendent l’innovation possible dans les contextes d’usage de la biomédecine et des politiques frontalières. Elle invite à s’interroger sur la relation entre l’innovation et l’enfermement – importante concernant les CAD-IA puisque de nombreuses bases de données sont issues de la surveillance de populations carcérales ou migrantes comme celle décrite ci-dessus – mais aussi à se demander qui est valorisé politiquement dans les usages de ces technologies. C’est ainsi que l’« imaginaire migrant » des CAD-IA peut-être conceptualisé et décrit à travers le développement des banques de données pour son évaluation mais aussi certains de leurs usages, notamment pour les dépistages massifs, un des grands arguments opérationnels en faveur de l’usage de ces outils.

32On retrouve cet argument précisément dans la recommandation fondamentale de l’OMS sur l’usage de la technologie lorsque deux types d’usage sont distingués (OMS, 2021) : d’un côté le triage, dans les institutions de santé pour des personnes en demande de soins (c’est la modalité valorisée économiquement sur les marchés financiers dans l’exemple cité plus haut), et de l’autre, le dépistage de masse pour des populations générales ne cherchant pas nécessairement de soins. Un grand enjeu de l’utilisation des CAD-IA est de savoir ce qu’il faut faire en cas de détection par l’algorithme d’une anomalie qui n’est pas liée à la TB. Le patient doit-il en être informé ? Doit-il être dirigé vers des soins adéquats ? De manière étonnante, l’OMS justifie :

  • 4 « The ethical consequences of not detecting TB or other non-TB-related CXR findings (but clinically (...)

Les conséquences éthiques de la non-détection de la tuberculose ou d’autres anomalies cliniquement pertinentes non liées à la tuberculose qui nécessitent un examen de suivi sont différentes pour les populations qui ne cherchent pas à se faire soigner et pour celles qui le font (11)4. (OMS, 2021 : 26)

33La note 11 de la recommandation fait explicitement référence à la résolution WHA61.17 (2008) sur la santé des migrants. La justification d’un usage des CAD-IA pour un dépistage massif n’impliquant pas la fourniture de soins aux personnes qui auraient des anomalies détectées s’appuie donc sur le fait que ces groupes dépistés sont considérés comme des réfugiés, des migrants. Dans de nombreux cas, ces dépistages de masse concernent des populations distantes des grands centres urbains, mais qui ne prétendent pas moins aux mêmes droits à la santé que les autres citoyens. Cet usage a donc une dimension fortement politique, et procède d’une hiérarchie implicite et de manières différentielles de valoriser les personnes bénéficiaires.

34Alors que certaines technologies ont pu être analysées comme des technologies d’inclusion – c’est le cas des antirétroviraux et de ce qui a été décrit comme une citoyenneté thérapeutique (Nguyen, 2010) –, dans le cas qui nous intéresse, certains usages des CAD-IA pourraient, si nous n’y prenons garde, engendrer des formes d’exclusions thérapeutiques de certaines communautés. Une ethnographie plus fine s’avère nécessaire pour documenter de manière exhaustive et comprendre les pratiques, ainsi que pour saisir les dilemmes auxquels les opérateurs de ces systèmes sont confrontés. Les entrevues réalisées nous ont pour l’instant révélé que lorsque l’algorithme indiquait une anomalie non tuberculeuse, le patient n’en était pas informé. Dans certains cas, la fonctionnalité d’indication d’anomalies non tuberculeuses est tout simplement désactivée par les opérateurs. Les CAD-IA amènent ainsi à des usages potentiellement à deux vitesses, en mode triage ou dépistage de masse, qui aboutissent à une valorisation politique différenciée des personnes ciblées.

35En définitive, si les conditions de validation des CAD-IA et des technologies médicales basées sur l’IA sont de plus en plus documentées, notamment en termes de statistiques ou de circuits de valorisation économique, la question de la provenance des données devrait être mieux pensée car à ce jour, les nombreuses études sur l’IA portant sur les biais statistiques éludent la question de la constitution des bases de données et des conditions d’obtention de ces données. (Ferryman et al., 2023). Comme nous l’avons montré à travers l’usage des CAD-IA, les données qui y sont incluses sont aussi révélatrices de pratiques sociales et des valeurs qui les sous-tendent. Elles font donc aussi partie de ce que Nora Engel (2020) a appelé l’« ecosystème du diagnostic ». Ceci permet d’affiner la réflexion sur les usages des outils pour en garantir une meilleure équité. Les conditions d’usage devraient par exemple prendre en compte les risques liés aux dépistages de masse qui restreignent indirectement les droits à la santé des populations considérées. L’enjeu est ici précisément celui de l’ouverture, ou non, de la porte de l’accès aux soins que cet outil est censé matérialiser, et son envers, une simple surveillance populationnelle dévalorisant certains citoyens et légitimant éventuellement certains acteurs de l’aide au développement. Ces éléments sont encore peu problématisés et systématisés dans le cadre des projets CAD-IA, relativement invisibilisés par l’urgence que représente le rattrapage de détection de la TB consécutif à la pandémie de covid-19 et par la question de la validation technique des outils. Il semble alors fondamental de réancrer les CAD-IA dans la matérialité des données de santé considérées, présentes et passées, des infrastructures de santé, et les différents types de valorisation qu’elles permettent : économique, sociale et politique.

Résistances et autres valorisations politiques possibles des CAD-IA

36Les « dérives » potentielles de certains usages des CAD-IA constituent une préoccupation importante pour de nombreux acteurs de la santé mondiale qui ne souhaitent pas y être associés. Ils peuvent alors être amenés à développer des alternatives ou des modes d’appropriation particuliers de ces algorithmes, notamment par des ajustements techniques aux contextes d’usage (David et al., 2024). Ces ajustements constituent des modes de valorisation politique alternatifs des CAD-IA en privilégiant l’appropriation locale des outils plutôt que le respect des grandes lignes directrices globales. L’utilisation des CAD-IA par une ONG en Asie du Sud est particulièrement révélatrice d’une forme d’appropriation politique de cet outil pour qu’il ne permette pas qu’une simple surveillance, mais produise aussi les effets de soin attendus. Pour l’ONG en question, elle soulève une question de responsabilité, bien au-delà des recommandations globales et des effets d’annonce. Les stratégies d’ajustement, comme la modification des seuils et l’ajustement des scores d’anormalité, participent d’une certaine valorisation politique liée à la technologie.

Nous sommes déterminés à ne pas nous retrouver à nouveau dans une situation de dépendance vis-à-vis des entreprises. Et nous allons être en mesure de l’adapter. (Entrevue, South Asia TB Organization)

37Les ajustements des CAD-IA hors des grandes études épidémiologiques d’évaluation constituent donc un moyen de s’émanciper d’une dépendance technologique dans laquelle les utilisateurs se trouvent indirectement placés du fait des trop grandes exigences des évaluations épidémiologiques. L’ONG en est même arrivée à la conclusion qu’elle devait développer ses propres algorithmes pour s’approprier la technologie, et ainsi mieux soigner. D’autres valorisations politiques sont donc possibles, et sont à discuter en fonction des usages opérationnels des CAD-IA (Creswell et al., 2023), qui restent à documenter, pas seulement comme des actes neutres et techniques, mais comme des leviers économiques et politiques.

Conclusion : Penser d’autres formes de valorisation

38Nous avons décrit dans cet article le processus de création de valeur des CAD-IA depuis leur évaluation jusqu’à leur valorisation sur les marchés financiers, en passant par les comparatifs permettant de sécuriser un marché d’achat de ces outils par les organisations internationales de santé ou de développement. Ces différentes étapes ne sont pas écrites à l’avance, mais elles créent des « chemins de valorisation » dont il est difficile de se défaire pour penser des usages plus équitables.

39Imaginer d’autres « chemins de valorisation » supposerait de questionner l’usage de la CAD en dehors de la seule détection de la TB pour l’appliquer à d’autres maladies infectieuses et/ou respiratoires. Ces usages en dehors d’une forme de « silo de la TB » pourraient engendrer d’autres effets de santé, et par exemple combler d’autres droits de santé lacunaires en lien avec l’exposition à d’autres affections ou facteurs de risque. De nombreux acteurs pèsent régulièrement le pour et le contre d’un élargissement du périmètre de détection des CAD-IA à d’autres maladies. À partir du moment où ils ne sont conçus que comme des outils visant à améliorer les données comptables des programmes TB, leurs usages complémentaires pour diagnostiquer d’autres pathologies sont souvent ignorés, comme d’autres droits à la santé. C’est un problème de taille lorsqu’on veut promouvoir une approche compréhensive et centrée sur les gens en santé mondiale (Biehl & Petryna, 2013).

40Ainsi, à l’ère des changements climatiques et des expositions à la pollution massive d’une humanité vivant majoritairement en ville, l’utilisation d’outils comme les CAD-IA pourrait ouvrir à de nouveaux objets de recherche et de préoccupation citoyenne relative au poumon, comme interface entre la santé et les polluants atmosphériques. De tels usages détournés pourraient alors engendrer de nouvelles formes de valorisation sociale des CAD-IA comme les outils de détection et de surveillance des conséquences néfastes et incorporées de certains systèmes industriels productivistes. Les CAD-IA pourraient ainsi devenir des outils pour penser des politiques de santé mondiale alternatives, plus écologiques et inclusives, qui ne sont pas actuellement à l’agenda des organisations internationales.

Haut de page

Bibliographie

ACEVEDO-GARCIA D., 2000. « Residential Segregation and the Epidemiology of Infectious Diseases », Social Science & Medicine, 51, 8 : 1143-1161.

AGBOTA G., BONNET M. et LIENHARDT C., 2022. « Perspectives d’élimination de la tuberculose : la stratégie OMS à l’épreuve de la pandémie de COVID-19 », Médecine et maladies infectieuses formation, 1, 2 : 62-68.

AL DAHDAH M., 2019. « Digitalisation de la santé au Sud : quand les firmes du numérique décident de l’accès au soin », Mouvements, 98, 2 : 120-132.

AL DAHDAH M., 2022. « Digital Markets and the Commercialization of Healthcare in Africa: The Case of Kenya », Globalizations, [en ligne], www.tandfonline.com/doi/abs/10.1080/14747731.2022.2135422 (page consultée le 21/03/2024).

AÏM O., 2020. Les Théories de la surveillance. Du panoptique aux Surveillance Studies. Paris, Armand Colin.

ANICHINI G. et GEFFROY B., 2021. « L’intelligence artificielle à l’épreuve des savoirs tacites. Analyse des pratiques d’utilisation d’un outil d’aide à la détection en radiologie », Sciences sociales et santé, 39, 2 : 43-69.

ARENTZ M., JAGTIANI N., KIK S., RUHWALD M. et KADAM R., 2023. « AI-CAD for Tuberculosis and Other Global High-Burden Diseases », The Lancet Digital Health, 5, 3 : E115.

BEER D., 2019. The Data Gaze: Capitalism, Power and Perception. Londres, Sage.

BENJAMIN R., 2016. « Catching our Breath: Critical Race STS and the Carceral Imagination », Engaging Science, Technology, and Society, 2 : 145-156.

BIEHL J. et PETRYNA A. (dir.), 2013. When People Come First: Critical Studies in Global Health. Princeton, Princeton University Press.

BIGO D., 2019. « Beyond National Security, the Emergence of a Digital Reason of State(S) Led By Transnational Guilds of Sensitive Information: The Case of the Five Eyes Plus Network », In WAGNER B., MATTHIAS C., KETTEMANN C. et VIETH K. (dir.), Research Handbook on Human Rights and Digital Technology. Cheltenham & Southampton, Edward Elgar Publishing.

BIJKER W. E., HUGHES T. P et PINCH T. (dir.), 1987. The Social Construction of Technological Systems: New Directions in The Sociology and History of Technology. Cambridge, MIT Press.

CRESWELL J. et al. 2023. « Early User Perspectives on Using Computer-Aided Detection Software for Interpreting Chest X-Ray Images to Enhance Access and Quality of Care for Persons with Tuberculosis », BMC Global and Public Health, 1, 1 : 30.

DAVID P.-M., ONNO J., POURRAZ J. et KHAN F. A., 2024. « Tweaking Algorithms. Technopolitical Issues Associated with AI Based Tuberculosis Detection in Global Health », Digitial Health [en ligne], https://0-journals-sagepub-com.catalogue.libraries.london.ac.uk/doi/10.1177/20552076241239778 (page consultée le 16/04/2024).

DUNN J., LAROCQUE M., VAN DYK D., VIDES E., KHAN F. A., WONG T., LONG R. et ALVAREZ G.-G., 2022. « An Introductory Guide to Tuberculosis Care to Improve Cultural Competence for Health Care Workers and Public Health Professionals Serving Indigenous Peoples of Canada », Canadian Journal of Respiratory, Critical Care, and Sleep Medicine, 6, supp. 1 : 184-193.

ENGEL N., 2020. « Innovating Tuberculosis Diagnostics for the Point of Care », In MACDONALD H. et HARPER I. (eds.), Anthropological and Ethnographic Approaches to Understanding Tuberculosis and its Control. Londres, Routledge : 166‑184.

ERIKSON S., 2019a. « Global Health Futures? », Medicine Anthropology Theory, 6, 3 : 77-108.

ERIKSON S., 2019b. « Faking Global Health », Critical Public Health, 29, 4 : 508-516.

FERRYMAN K., MACKINTOSH M. et GHASSEMI M., 2023. « Considering Biased Data as Informative Artifacts in AI-Assisted Health Care », New England Journal of Medicine, 389, 9 : 833-838.

FIND, 2023. « AI validation platform » [video], YouTube, www.youtube.com/watch?v=bUX2qjpZeq8 (page consultée le 12/03/2024).

GEISSLER P. W. (dir.), 2015. Para-States and Medical Science: Making African Global Health. Durham, Duke University Press.

GELAW S. M. et al., 2023. « Diagnostic Accuracy of Three Computer-Aided Detection Systems for Detecting Pulmonary Tuberculosis on Chest Radiography When Used for Screening: Analysis of an International, Multicenter Migrants Screening Study », PLOS Global Public Health, 3, 7 : e0000402.

HUFFMAN S. A., VEEN J., HENNINK M. M. et MCFARLAND D. A., 2012. « Exploitation, Vulnerability to Tuberculosis and Access to Treatment among Uzbek Labor Migrants in Kazakhstan », Social Science & Medicine, 74, 6 : 864-872.

KEHR J., 2021. Spectres de la tuberculose. Une maladie du passé au temps présent. Rennes, Presses universitaires de Rennes.

KELLY A. H., LEZAUN J. et STREET A., 2022. « Global Health, Accelerated: Rapid Diagnostics and the Fragile Solidarities of ‘Emergency R&D’ », Economy and Society, 51, 2 : 187-210.

KIK S. V. et al., 2022. « Diagnostic Accuracy of Chest X-Ray Interpretation for Tuberculosis by Three Artificial Intelligence-Based Software in a Screening Use-Case: An Individual Patient Meta-Analysis of Global Data », medRxiv [en ligne], https://www.medrxiv.org/content/10.1101/2022.01.24.22269730v1 (page consultée le 22/04/2024).

KOCH E., 2006. « Beyond Suspicion: Evidence, (Un)certainty, and Tuberculosis in Georgian Prisons », American Ethnologist, 33, 1 : 50-62.

LEESE M., NOORI S. et SCHEEL S., 2022. « Data Matters: The Politics and Practices of Digital Border and Migration Management », Geopolitics, 27, 1 : 5-25.

LÖNNROTH K., CASTRO K. G., CHAKAYA J. M., CHAUHAN L. S., FLOYD K., GLAZIOU P. et RAVIGLIONE M. C., 2010. « Tuberculosis Control and Elimination 2010-50: Cure, Care, and Social Development », Lancet, 375, 9728 : 1814-1829.

LUNIT, 2019. « Lunit Announces Its First CE Mark for AI-Powered Chest X-Ray Analysis Software, Lunit INSIGHT CXR », [en ligne] www.lunit.io/en/company/news/lunit-announces-its-first-ce-mark-for-ai-powered-chest-x-ray-analysis-software-lunit-insight-cxr (page consultée le 4/05/2023).

LUNIT, 2022. « Lunit to Be Listed on KOSDAQ next Week », [en ligne] www.lunit.io/en/company/news/lunit-to-be-listed-on-kosdaq-next-week (page consultée le 4/05/2023).

MASON P. H., ROY A., SPILLANE J. et SINGH P., 2016. « Social, Historical and Cultural Dimensions of Tuberculosis », Journal of Biosocial Science, 48, 2 : 206-232.

MUTENDI M. et MACDONALD H., 2018. « “We Are Like Bubblegum”: Underground Narratives of Tuberculosis among South African Miners », Anthropology Southern Africa, 41, 4 : 284-295.

NGUYEN V. K., 2010. The Republic of Therapy: Triage and Sovereignty in West Africa’s Time of AIDS. Durham, Duke University Press.

OMS, 2016. « Chest Radiography in Tuberculosis Detection: Summary of Current WHO Recommendations and Guidance ON Programmatic Approaches », [en ligne] https://apps.who.int/iris/bitstream/handle/10665/252424/9789241511506-eng.pdf?sequence=1&isAllowed=y (page consultée le 22/03/2023).

OMS, 2020. « WHO and FIND Formalize Strategic Collaboration to Drive Universal Access to Essential Diagnostics », [en ligne] www.who.int/news/item/10-02-2020-who-and-find-formalize-strategic-collaboration-to-drive-universal-access-to-essential-diagnostics (page consultée le 24/04/2023).

OMS, 2021. « WHO Consolidated Guidelines on Tuberculosis. Module 2: Systematic Screening for Tuberculosis Disease », Genève, [en ligne] https://iris.who.int/bitstream/handle/10665/340255/9789240022676-eng.pdf?sequence=1 (page consultée le 15/05/2022).

OMS, 2022. « Tuberculosis Deaths and Disease Increase during the COVID-19 Pandemic », [en ligne] www.who.int/news/item/27-10-2022-tuberculosis-deaths-and-disease-increase-during-the-covid-19-pandemic (page consultée le 28/04/2023).

ONNO J., KHAN F. A., DAFTARY A. et DAVID P. M., 2023. « Artificial Intelligence-Based Computer Aided Detection (AI-CAD) in the Fight Against Tuberculosis: Effects of Moving Health Technologies in Global Health », Social Science & Medicine, 327, 115949.

PAI M., KASAEVA T. et SWAMINATHAN S., 2022. « Covid-19’s Devastating Effect on Tuberculosis Care. A Path to Recovery », New England Journal of Medicine, 386, 16 : 1490-1493.

PECKHAM R. et SINHA R., 2019. « Anarchitectures of Health: Futures for the Biomedical Drone », Global Public Health, 14, 8 : 1204-1219.

PÉCOUD A., 2017. « De la “gestion” au contrôle des migrations ? Discours et pratiques de l’Organisation internationale pour les migrations », Critique internationale, 76, 3 : 81-99.

ROTH S. et LUCZAK-ROESCH M., 2020. « Deconstructing the Data Life-Cycle in Digital Humanitarianism », Information, Communication & Society, 23, 4 : 555-571.

SCHEEL S., RUPPERT E. et USTEK-SPILDA F., 2019. « Enacting Migration through Data Practices », Environment and Planning D: Society and Space, 37, 4 : 579-588.

STAUPE-DELGADO R. et RUBIN O., 2022. « Living Through and with the Global HIV/AIDS Pandemic: Distinct ‘Pandemic Practices’ and Temporalities », Social Science & Medicine, 296 : 114809.

STREET A., 2018. « Deep Diagnostics », Humanitarian Devices Goods/Little Development Device, [en ligne] https://limn.it/articles/deep-diagnostics/ (page consultée le 4/05/2023).

STREET A., 2023. « Make Me a Test and I Will Save the World: Towards an Anthropology of the Possible in Global Health », Journal of the Royal Anthropological Institute, 29, 51 : 95-113.

VAN GINNEKEN B., 2023. « Tuberculosis Detection from Chest Radiographs: Stop Training Radiologists Now », Radiology, 306, 1 : 138-139.

Haut de page

Notes

1 L’OIM se distingue également par son aspect entrepreneurial (Pécoud, 2017) et par des mandats d’action étendus. Cette organisation généraliste sur les migrations a ainsi investi le champ de la santé des migrants et il n’est donc pas surprenant qu’elle s’investisse dans le champ des nouvelles technologies de détection. La doctrine de l’institution, issue du new public management vise à un ordre de la migration, y compris au niveau sanitaire. L’utilisation des systèmes CAD-IA en contexte de TB et de flux migratoires s’accorde finalement assez bien avec cette doctrine.

2 Les entretiens ayant été menés en anglais, les extraits ont été traduits par nos soins.

3 Agence fédérale américaine des produits alimentaires et médicamenteux.

4 « The ethical consequences of not detecting TB or other non-TB-related CXR findings (but clinically relevant abnormalities) that require follow-up examination are different for populations that do not seek care than for those that do (11). »

Haut de page

Pour citer cet article

Référence électronique

Julien Onno et Pierre-Marie David, « Détecter la tuberculose par algorithmes : les valorisations d’une technologie de surveillance par la santé mondiale »Anthropologie & Santé [En ligne], Articles en pré-publication, mis en ligne le 23 avril 2024, consulté le 23 mai 2024. URL : http://0-journals-openedition-org.catalogue.libraries.london.ac.uk/anthropologiesante/13288

Haut de page

Auteurs

Julien Onno

Université de Montréal/OBVIA, ISTC de Lille
julien.onno@ISTC.fr

Pierre-Marie David

Université de Montréal
pierre-marie.david@umomontreal.ca

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search