Dans des régions rurales d’Afrique, l’accès aux soins est souvent limité par la distance, la pénurie de personnel formé et l’infrastructure sanitaire fragile. L’intelligence artificielle (IA) ne remplace pas le médecin, mais elle agit comme un amplificateur : triage automatique, dépistage rapide à partir d’images simples, aide à la décision pour les agents de santé communautaires et optimisation des chaînes d’approvisionnement en médicaments. Grâce à des modèles embarqués sur smartphone ou sur dispositifs portables d’imagerie, l’IA permet d’apporter des diagnostics préliminaires plus vite et à moindre coût. .
Plusieurs réalisations montrent déjà des bénéfices mesurables. Au Rwanda, le service de téléconsultation lancé en partenariat avec Babylon, souvent désigné par « Babyl Rwanda » a permis d’étendre des consultations à distance, réduisant la barrière géographique entre patients et cliniciens, facilitant la prise en charge dans des zones peu desservies. Cette expérience a démontré qu’un accès numérique bien organisé peut massifier l’offre de soins primaires et orienter correctement les cas urgents vers les structures compétentes. .
En Tanzanie, des centres de santé ont adopté des drones pour livrer des médicaments à des zones isolées. Un drone a récemment livré 120 doses de médicaments dans un village isolé, réduisant le temps de transport de 4 heures à 15 minutes. Cette technologie a également été utilisée pour des tests de dépistage rapide de maladies infectieuses, permettant une intervention précoce et une réduction des coûts de santé. .
Babyl au Rwanda
Pour des maladies où l’imagerie est centrale, l’IA a aussi fait ses preuves sur le terrain. Des solutions d’analyse automatique de radiographies thoraciques ont été déployées dans des campagnes de dépistage de la tuberculose en Afrique du Sud et dans d’autres pays, permettant de trier rapidement les radiographies suspectes et d’accélérer la prise en charge - une avancée cruciale pour les régions où il manque des radiologues. Ces outils sont souvent intégrés à des unités mobiles (camions ou tentes équipés d’un appareil de radiographie portable et d’un modèle IA) qui visitent les communautés rurales. .
Sur le diagnostic du paludisme, des équipes universitaires africaines et internationales travaillent à des modèles de deep learning (sous-domaine de l'intelligence artificielle qui utilise des réseaux de neurones artificiels avec plusieurs couches pour apprendre à partir de grandes quantités de données) capables d’analyser automatiquement les frottis sanguins et d’identifier les parasites avec une sensibilité proche de l’expert humain. Ces outils, utilisés en soutien des laborantins, raccourcissent le délai de diagnostic et augmentent le nombre de prélèvements analysés par jour, ce qui est essentiel lors d’épidémies locales. Les publications et rapports scientifiques montrent aujourd’hui que ces modèles peuvent être adaptés pour fonctionner sur des appareils peu puissants et même hors-ligne, ce qui les rend pertinents pour les zones rurales. (arxiv.org)
L’IA intervient aussi en santé publique : modélisation des flambées, priorisation des vaccins ou optimisation des stocks de médicaments. Des plateformes de santé numérique et d’assurance mobile comme M-TIBA au Kenya montrent l’impact des outils digitaux sur l’accès aux services et la gestion des flux financiers - coupler ces plateformes à des algorithmes d’analyse peut améliorer l’allocation des ressources et la détection précoce des ruptures de chaîne d’approvisionnement (International Labour Organisation)
