L’IA transforme la santé en Afrique
Le continent africain fait face à des défis sanitaires majeurs : pénurie de médecins (1 médecin pour 5 000 habitants en moyenne, contre 1 pour 300 en Europe), accès limité aux infrastructures de diagnostic, et maladies tropicales qui nécessitent une détection rapide. L’intelligence artificielle apporte des solutions concrètes à ces problèmes, avec des initiatives déjà déployées au Sénégal, au Kenya, au Nigeria et dans plusieurs autres pays du continent.
Diagnostic médical assisté par IA
Détection du paludisme par analyse d’images
Le paludisme reste la première cause de mortalité en Afrique subsaharienne. Le diagnostic traditionnel par microscopie nécessite un technicien de laboratoire formé — une ressource rare dans les zones rurales. Plusieurs projets d’IA changent cette réalité.
Malariaspot (Université Polytechnique de Madrid) utilise un réseau de neurones convolutif (CNN) pour analyser des images de frottis sanguins et détecter les parasites Plasmodium. Le modèle atteint une précision de 97%, comparable à un microscopiste expert. L’application fonctionne sur smartphone avec un adaptateur de microscope à 1$.
iMalariaScope, développé au Kenya, va plus loin : l’application analyse l’image en temps réel, identifie l’espèce de Plasmodium (falciparum, vivax, etc.) et estime la parasitémie. Elle fonctionne hors ligne, un atout crucial dans les zones sans connectivité.
Radiologie IA pour la tuberculose
La tuberculose touche 2,5 millions de personnes en Afrique chaque année. Le dépistage par radiographie thoracique est efficace mais requiert un radiologue pour interpréter les clichés.
qXR de Qure.ai est un logiciel d’IA déployé dans plus de 30 pays africains qui analyse les radiographies thoraciques en moins de 60 secondes. Il détecte non seulement la tuberculose mais aussi 29 autres pathologies pulmonaires. Au Sénégal, le Programme National de Lutte contre la Tuberculose a intégré cet outil dans plusieurs centres de santé pour accélérer le dépistage.
CAD4TB (Delft Imaging) est un autre système déployé en Afrique du Sud, au Mozambique et en Tanzanie. Il attribue un score de probabilité de tuberculose à chaque radiographie, permettant aux agents de santé non spécialisés de prioriser les cas nécessitant une confirmation bactériologique.
Dépistage de la rétinopathie diabétique
Le diabète est en forte progression en Afrique (estimé à 55 millions de cas d’ici 2045). La rétinopathie diabétique, complication oculaire qui peut mener à la cécité, nécessite un examen par un ophtalmologue. Or l’Afrique subsaharienne compte moins de 1 000 ophtalmologues pour plus d’un milliard d’habitants.
AEYE Health et Google Health ont développé des modèles d’IA qui analysent des photos du fond de l’œil prises avec une caméra rétinienne portable. Ces systèmes détectent la rétinopathie avec une sensibilité supérieure à 90%, permettant un dépistage de masse dans les centres de santé primaires.
Télémédecine et chatbots de santé
Ada Health
Ada Health est une application de pré-diagnostic qui utilise l’IA pour guider les patients à travers un questionnaire de symptômes. L’algorithme, entraîné sur des millions de cas cliniques, propose les diagnostics les plus probables et recommande le niveau de soin approprié (automédication, consultation, urgence). L’application est disponible en français et fonctionne hors ligne. Elle est particulièrement utile dans les zones où le centre de santé le plus proche est à plusieurs heures de route.
Babyl (Rwanda)
Babyl, partenariat entre Babylon Health et le gouvernement rwandais, offre des consultations médicales à distance à plus de 2 millions de Rwandais. Le système utilise un chatbot IA pour le triage initial, puis connecte le patient à un médecin par téléphone ou vidéo si nécessaire. Le service est intégré à l’assurance maladie rwandaise, le rendant accessible même aux populations à faibles revenus.
mPharma et la gestion pharmaceutique
mPharma, startup ghanéenne présente dans 9 pays africains, utilise l’IA pour optimiser la chaîne d’approvisionnement pharmaceutique. Son algorithme prédit la demande de médicaments dans chaque pharmacie, réduit les ruptures de stock et les péremptions. Au Sénégal, ce type de solution est crucial : les ruptures de stock de médicaments essentiels touchent régulièrement les pharmacies rurales.
Surveillance épidémiologique par IA
SORMAS — Système de surveillance au Nigeria
SORMAS (Surveillance Outbreak Response Management and Analysis System) est un système développé par le Nigeria Centre for Disease Control (NCDC) qui utilise l’IA pour détecter précocement les épidémies. Le système collecte les données des centres de santé en temps réel, identifie les clusters de cas suspects et déclenche des alertes automatiques. Pendant l’épidémie de COVID-19, SORMAS a permis au Nigeria de suivre et contenir les foyers rapidement.
Prédiction des épidémies de dengue et paludisme
Des chercheurs de l’Institut Pasteur de Dakar collaborent avec des équipes d’IA pour développer des modèles prédictifs qui croisent données climatiques (précipitations, températures, humidité), données satellites (zones d’eau stagnante) et données épidémiologiques historiques pour prédire les pics de paludisme et de dengue 2 à 4 semaines à l’avance. Ces prédictions permettent de pré-positionner les équipes de pulvérisation et les stocks de médicaments.
ProMED et HealthMap
HealthMap, développé par l’université de Boston, analyse automatiquement les articles de presse, les réseaux sociaux et les rapports officiels dans toutes les langues pour détecter les signaux faibles d’épidémies émergentes. C’est ce système qui avait détecté les premiers signes d’Ebola en Guinée en 2014, avant l’alerte officielle de l’OMS.
IA et santé maternelle
La mortalité maternelle reste dramatiquement élevée en Afrique subsaharienne (environ 542 décès pour 100 000 naissances, contre 8 pour 100 000 en Europe). L’IA contribue à réduire ce chiffre.
Jacaranda Health (Kenya)
Jacaranda Health a développé PROMPTS, un système de messagerie automatisé qui envoie des messages de suivi personnalisés aux femmes enceintes et aux nouvelles mères. L’IA analyse les réponses pour détecter les signes de complications (pré-éclampsie, hémorragie post-partum, dépression post-natale) et alerte les agents de santé. Le système a touché plus de 300 000 femmes au Kenya.
Ubenwa — Analyse du cri du nouveau-né
Ubenwa, startup nigériane, a développé une application qui analyse le cri du nouveau-né pour détecter l’asphyxie néonatale, responsable de 900 000 décès par an dans le monde. L’algorithme, entraîné sur des milliers d’enregistrements, identifie les caractéristiques acoustiques associées à l’asphyxie avec une précision de 95%. Un simple smartphone suffit pour l’utiliser.
Formation médicale assistée par IA
L’IA aide aussi à former les professionnels de santé dans un contexte de pénurie de formateurs.
Body Interact propose des patients virtuels alimentés par l’IA pour la formation des médecins et infirmiers. Les étudiants peuvent pratiquer des diagnostics et des prises en charge sur des cas cliniques réalistes, simulant les pathologies les plus courantes en Afrique.
Massive Open Online Courses (MOOC) comme ceux de l’Institut Pasteur de Dakar utilisent l’IA pour personnaliser les parcours d’apprentissage. Les algorithmes adaptent le contenu et la difficulté en fonction des performances de chaque apprenant.
Défis et limites de l’IA en santé en Afrique
Le biais des données
La majorité des modèles d’IA médicale sont entraînés sur des données de populations occidentales. Un algorithme de détection de cancer de la peau entraîné sur des peaux claires sera moins performant sur des peaux foncées. Il est essentiel de constituer des jeux de données représentatifs des populations africaines. Des initiatives comme Lacuna Fund financent la création de datasets africains pour l’IA en santé.
L’infrastructure technologique
L’IA nécessite une connectivité Internet, de l’électricité et des appareils numériques. Dans de nombreuses zones rurales africaines, ces prérequis ne sont pas réunis. Les solutions les plus prometteuses sont celles qui fonctionnent hors ligne, sur des appareils bas de gamme et avec une faible consommation énergétique. L’edge computing (calcul local sur l’appareil) est une piste clé pour déployer l’IA dans les zones reculées.
La réglementation
Peu de pays africains disposent d’un cadre réglementaire pour l’IA en santé. Au Sénégal, la Commission de Protection des Données Personnelles (CDP) régule la collecte de données mais n’a pas encore de directives spécifiques pour l’IA médicale. L’OMS a publié en 2021 des lignes directrices sur l’éthique de l’IA en santé, servant de référence aux pays africains qui élaborent leur réglementation.
L’acceptabilité culturelle
La confiance des patients et des professionnels de santé envers l’IA n’est pas acquise. Une étude menée au Sénégal en 2023 montrait que 62% des patients préféraient un diagnostic humain à un diagnostic assisté par IA, même lorsque ce dernier était plus précis. L’éducation et la transparence sur le fonctionnement de ces outils sont essentielles pour favoriser l’adoption.
Startups africaines de l’IA en santé à suivre
Zindi (Pan-africain) — Plateforme de compétitions de data science qui a organisé plusieurs challenges sur la santé en Afrique, notamment la détection du paludisme et la prédiction de la tuberculose.
Ilara Health (Kenya) — Équipe les cliniques rurales en appareils de diagnostic portables connectés à l’IA pour analyser les résultats sur place.
54gene (Nigeria) — Constitue la plus grande biobanque africaine pour alimenter la recherche génomique et le développement de médicaments adaptés aux populations africaines.
Kangpe (Nigeria) — Application de télémédecine qui utilise l’IA pour le triage et connecte les patients à des médecins vérifiés.
Flare (Kenya) — Plateforme d’urgences médicales qui utilise l’IA pour optimiser le dispatching des ambulances et réduire les temps de réponse.
Perspectives pour le Sénégal
Le Sénégal dispose d’atouts pour devenir un leader de l’IA en santé en Afrique de l’Ouest. L’Université Cheikh Anta Diop (UCAD) développe des projets de recherche en IA médicale. Le plan Sénégal Numérique 2025 inclut un volet e-santé ambitieux. L’Institut Pasteur de Dakar, reconnu mondialement, collabore avec des équipes d’IA internationales sur la surveillance épidémiologique.
Les prochaines étapes pour accélérer l’adoption de l’IA en santé au Sénégal : former davantage de data scientists spécialisés en santé, créer des jeux de données médicales sénégalaises pour entraîner des modèles locaux, établir un cadre réglementaire clair pour l’IA médicale, et favoriser les partenariats entre hôpitaux, universités et startups tech.
