L'IA de diagnostic peut améliorer la qualité et l'efficacité des soins, précisément ce dont le Japon a besoin face à des pressions systémiques croissantes. Concrétiser cette promesse exige une action coordonnée des cliniciens, des ingénieurs, des décideurs publics et des leaders de l'industrie.
By Kanon Asari
03 Jul 2025
L'intelligence artificielle (IA) pénètre progressivement un large éventail de secteurs, et la santé n'échappe pas à cette tendance. Parmi les diverses applications de l'IA en médecine, l'IA de diagnostic — des outils qui aident les médecins à prendre des décisions cliniques — s'est imposée comme un domaine particulièrement remarquable. Au Japon, le marché de l'IA de diagnostic a commencé à se structurer en octobre 2019, lorsque LPIXEL Inc. a obtenu l'approbation réglementaire de son logiciel d'analyse d'imagerie médicale, EIRL Brain Aneurysm. Bien qu'il s'agisse d'un marché relativement jeune, il devrait atteindre 2,6 milliards de yens d'ici 2028, et l'intérêt pour son potentiel de croissance augmente rapidement.
Selon un rapport de Grand View Research, le marché mondial de l'IA de diagnostic est évalué à environ 165 millions USD (24,2 milliards JPY) en 2024 et devrait atteindre 544 millions USD (80 milliards JPY) d'ici 2030, avec un taux de croissance annuel composé (TCAC) de 22,46 %. L'Amérique du Nord, réputée pour ses technologies médicales et d'IA avancées, domine actuellement le marché mondial, tandis que le Japon en est encore à ses débuts. Le Japon offre néanmoins un terrain fertile pour une expansion future.
Plusieurs problèmes structurels soulignent la demande croissante d'IA médicale au Japon. Le vieillissement de la population japonaise est l'un des plus marqués au monde. La population en âge de travailler diminue depuis son pic de 1995 et devrait tomber à 52,75 millions d'ici 2050. Parallèlement, les personnes âgées (65 ans et plus) devraient représenter 38,4 % de la population totale d'ici 2065. Ce changement démographique crée un double défi : une demande de soins croissante et une main-d'œuvre médicale en recul. À cela s'ajoute l'entrée en vigueur, en avril 2024, de la nouvelle réglementation japonaise du travail pour les médecins. Selon ces règles, les heures supplémentaires et le travail les jours fériés sont plafonnés à 960 heures par an, comme dans d'autres secteurs. Compte tenu de ces contraintes, l'optimisation des workflows par l'IA dans les établissements de santé n'est pas seulement bénéfique : elle devient de plus en plus essentielle.
L'IA médicale couvre un large spectre d'applications, de la génération de dossiers médicaux électroniques à l'amélioration de la qualité des images d'IRM. Les préoccupations autour de la précision et de la sécurité restent toutefois importantes. Un document de 2018 du ministère de la Santé, du Travail et des Affaires sociales précise explicitement que « même en recourant à des systèmes d'aide au diagnostic ou au traitement fondés sur l'IA, le médecin reste responsable du jugement clinique final ». L'IA est donc considérée strictement comme un outil d'aide, et non comme un substitut à l'expertise médicale. Si l'IA recèle un potentiel considérable, son déploiement dans la santé — où des vies humaines sont en jeu — doit s'aborder avec prudence et s'appuyer sur des cadres éthiques solides.
Malgré une attention croissante, l'infrastructure médicale japonaise comprend encore de nombreux workflows analogiques. Pour assurer une adoption efficace de l'IA, plusieurs domaines demandent une attention particulière :
Avec une collaboration public-privé renforcée et un soutien des pouvoirs publics, on peut attendre des progrès significatifs dans la mise en œuvre sociale de l'IA de diagnostic au Japon.
L'IA de diagnostic peut améliorer à la fois la qualité et l'efficacité des soins. Alors que le Japon fait face à des défis grandissants dans son système de santé, l'IA ouvre une voie prometteuse. Mais pour en tirer pleinement parti, une approche multidisciplinaire et coordonnée, associant cliniciens, ingénieurs, décideurs publics et leaders de l'industrie, est indispensable.
Un guide pratique pour relier les données, le modèle, l’évaluation, le déploiement et la revue humaine afin de reconstruire et gouverner les décisions assistées par l’IA.
Un guide pratique pour répartir le travail entre l’IA et les experts, orienter les cas incertains, préserver les preuves et mesurer le workflow combiné dans des contextes réglementés ou à fort impact.
Une checklist pratique pour déterminer si des données spécialisées en santé, industrie, recherche ou opérations peuvent soutenir un modèle IA utile ou un workflow d’intelligence déployée.
