Au Rwanda, les diagnostics par l’IA attirent l’attention car ils suggèrent un moyen pratique de renforcer les soins de santé dans les endroits où le personnel médical est à bout de souffle. Dans les contextes à faibles ressources, les agents de santé de première ligne sont souvent confrontés à des questions cliniques difficiles avec un équipement limité, peu de spécialistes et une forte demande de patients. Des recherches récentes menées au Rwanda suggèrent que l'intelligence artificielle pourrait contribuer à combler une partie de cet écart en soutenant les agents de santé plutôt qu'en les remplaçant.
Pourquoi l’accès aux soins de santé est important au Rwanda
Cela est important car la pauvreté et les soins de santé sont étroitement liés au Rwanda. Les données de la Banque mondiale montrent que 27,4 % de la population vit en dessous du seuil de pauvreté national et 38,55 % vit en dessous du seuil de pauvreté international de 3 dollars par jour. Lorsque les familles vivent avec des revenus limités, les retards de diagnostic, les coûts de transport et le manque de soins locaux peuvent rendre le traitement plus difficile à obtenir et plus coûteux en pratique.
Le Rwanda a réalisé d’importants progrès en matière de santé, mais des problèmes d’accès demeurent. Les informations gouvernementales indiquent que le pays compte environ 58 000 agents de santé communautaires, dont 66 % sont des femmes. Ces agents constituent souvent le premier lien entre les communautés et le système de santé formel. Ils surveillent la santé au niveau du village, fournissent des services de base et orientent les patients lorsque les cas deviennent plus graves. Il est donc particulièrement important d’améliorer l’aide à la décision au niveau communautaire.
Ce que l’étude a révélé
Une étude de février 2026 publiée dans Nature Health a testé cinq grands modèles linguistiques en utilisant de vraies questions cliniques du système de santé communautaire du Rwanda. Les chercheurs ont constitué un ensemble de données de 5 609 questions soumises par 101 agents de santé communautaires répartis dans quatre districts. Ils ont comparé les réponses de Gemini-2, GPT-4o, o3-mini, DeepSeek R1 et Meditron-70B avec les réponses des cliniciens locaux. Dans un sous-ensemble de 524 paires de questions et réponses évaluées sur 11 mesures évaluées par des experts, Gemini-2 et GPT-4o ont obtenu les meilleurs résultats et les cinq modèles ont surpassé les cliniciens locaux pour chaque mesure mesurée.
La différence de coût a rendu les résultats encore plus frappants. L'étude a révélé que les réponses générées par les cliniciens coûtent en moyenne 5,43 dollars par question pour les médecins généralistes et 3,80 dollars pour les infirmières. Les réponses générées par le modèle coûtent environ 0,0035 USD en anglais et 0,0044 USD en kinyarwanda. Même lorsque les performances ont légèrement diminué en kinyarwanda, les modèles ont quand même surpassé les cliniciens et sont restés plus de 500 fois moins chers par réponse. Pour un système de santé qui essaie d’exploiter ses ressources limitées, ce niveau d’efficacité est important.
Pourquoi les diagnostics d'IA au Rwanda pourraient aider
La promesse des diagnostics par IA au Rwanda ne consiste pas seulement à répondre plus rapidement aux questions. Il s’agit également d’aider les travailleurs de première ligne à décider quand un cas peut être urgent, quand les symptômes indiquent une pathologie probable et quand un patient doit être orienté vers des soins de niveau supérieur. Dans les contextes où les pénuries de personnel et les écarts d’accès créent une pression sur le système, un soutien plus important aux travailleurs de première ligne pourrait améliorer la rapidité, la cohérence et les résultats pour les patients. La propre analyse du marché du travail de santé au Rwanda a documenté les contraintes de main-d'œuvre et la répartition inégale des professionnels de la santé, en particulier dans les contextes à faibles ressources.
Le Rwanda construit également des systèmes qui pourraient aider ces outils à fonctionner à grande échelle. En avril 2025, le ministère de la Santé a lancé le Centre national de renseignement sur la santé, une plateforme conçue pour collecter et traiter des données de santé en temps réel afin de prendre des décisions fondées sur des preuves. C’est important car les outils d’IA utiles nécessitent plus que des modèles solides. Ils ont également besoin de systèmes de données, de planification de la mise en œuvre et de surveillance.
Le soutien international augmente également dans cette direction. En janvier 2026, OpenAI et la Fondation Gates ont annoncé Horizon 1000, une initiative de 50 millions de dollars lancée au Rwanda. L’objectif est de soutenir les dirigeants des pays africains, à commencer par le Rwanda, et d’atteindre 1 000 cliniques de soins de santé primaires et les communautés environnantes d’ici 2028. Reuters a rapporté que cet effort vise à améliorer la prestation des soins de santé dans les endroits confrontés à de graves pénuries de personnel de santé.
Ce qui reste à prouver
Pourtant, cette histoire ne concerne pas seulement l’enthousiasme suscité par les nouvelles technologies. En février 2026, Wellcome, la Fondation Gates et la Fondation Novo Nordisk ont lancé l’initiative Evidence for AI in Health, soutenue par 60 millions de dollars pour soutenir les évaluations locales des outils d’IA dans les pays à revenu faible ou intermédiaire. C’est important parce que les gouvernements ont besoin de données probantes sur ce qui fonctionne, où cela ajoute de la valeur et comment cela peut être utilisé de manière responsable. Au Rwanda, la qualité du langage, les garanties de confidentialité, la sécurité clinique et la mise en œuvre dans le monde réel détermineront si ces outils aident réellement les patients.
L’IA ne remplacera pas les médecins, les infirmières ou les agents de santé communautaires. Mais cela peut les aider à faire plus avec un temps et des ressources limités. C’est ce qui fait que les diagnostics de l’IA au Rwanda méritent d’être surveillés. Si le Rwanda continue d’associer l’innovation aux données probantes, à la surveillance et à la mise en œuvre locale, cette approche pourrait devenir un bon exemple de la façon dont la technologie peut élargir l’accès à des soins de qualité dans les endroits qui en ont le plus besoin.
*
