Une approche hybride pour l’IA réglementée
Le déploiement d’une IA réglementée s’avère être un défi de taille, comme le souligne un expert en la matière. La récente mise en œuvre de l’outil interne de l’FDA, nommé Elsa, est perçue comme une avancée majeure pour alléger le poids écrasant de la révision réglementaire, où des documents de plusieurs milliers de pages sont monnaie courante. Cependant, des rapports évoquent un déploiement précipité et bogué, indiquant que l’agence pourrait faire face à une bataille ardue au départ.
Défis liés à la taille des documents
Un des principaux défis réside dans l’échelle des documents réglementaires. Bien qu’il puisse sembler simple d’utiliser une IA générative pour aider à la révision de documents, ces derniers sont bien plus complexes que des devoirs scolaires ou même de nombreux documents légaux, qui sont souvent beaucoup plus courts. Par conséquent, leur fenêtre de contexte est également plus simple. À mesure que l’on essaie de l’élargir pour gérer cette immense échelle de documents, cela devient un véritable défi.
Au-delà de la fenêtre de contexte
Le problème n’est pas seulement lié à la taille des documents, mais aussi à l’architecture fondamentale du système d’IA lui-même. Bien que les premiers rapports suggèrent qu’Elsa repose en grande partie sur un modèle de langage large (LLM), une stratégie plus résiliente impliquerait un cadre neuro-symbolique, qui combine la puissance de reconnaissance de motifs des réseaux neuronaux modernes avec la logique structurée de l’IA symbolique traditionnelle. Cette approche hybride permettrait au système de décomposer le processus de révision monolithique en une séquence logique d’étapes plus petites et vérifiables, semblable à un organigramme, puis d’utiliser l’IA générative pour exécuter ces tâches spécifiques dans un contexte réduit.
Le déluge de documentation
Un autre facteur à considérer est la complexité inhérente à la développement de produits réglementés. Pour illustrer la différence entre les applications typiques de l’IA et les environnements réglementés, il est pertinent de comparer le flux de travail d’un journaliste, qui implique peut-être 10 à 20 étapes de l’interview à la publication, avec celui de la développement d’un médicament, qui comprend des étapes multiples allant de la découverte à l’approbation réglementaire et à la fabrication.
Une combinaison homme-IA
La FDA fait face à des défis de main-d’œuvre significatifs, les récentes réductions de personnel ayant des répercussions sur plusieurs centres, exacerbant les pressions de dotation en personnel. Dans ce contexte, les examinateurs luttent souvent pour suivre le volume d’informations. Plutôt que de s’appuyer uniquement sur des modèles de langage de grande taille, qui traitent le texte de manière séquentielle, il est recommandé de les combiner avec une IA symbolique, qui utilise des règles explicites pour naviguer dans des arbres de décision complexes.
Vers une autonomie responsable
À mesure que la complexité des documents continue de dépasser la capacité de révision humaine, la FDA devra peut-être faire évoluer son approche. L’objectif de l’industrie est d’atteindre une autonomie responsable, c’est-à-dire une IA capable de fonctionner de manière indépendante, mais dans des limites clairement définies. La beauté de l’IA réside dans son potentiel à alléger la complexité, mais seulement si nous pouvons tracer ses décisions, valider ses actions et garantir sa sécurité à chaque étape.
Lorsque cette infrastructure de traçabilité et ces protocoles de validation sont mis en œuvre, des gains d’efficacité spectaculaires peuvent être réalisés. En effet, il a été rapporté que le processus de sortie d’un logiciel, qui prenait auparavant un an, peut désormais être réduit à une semaine.
En regardant au-delà des gains d’efficacité immédiats, il est crucial de reconnaître que la complexité des documents réglementaires est un facteur majeur dans l’inefficacité perçue des processus de développement, ce qui a des conséquences directes sur la qualité des soins médicaux.
