Dans le domaine de la santé, le numérique peut être comparée à une goutte d’huile dans un verre d’eau : il est présent mais ne mélange pas vraiment. Que cela soit lié à du matériel obsolète ou à des logiciels présentant une ergonomie digne des années 90, s’assoir devant un ordinateur est plus souvent synonyme de corvée que d’aide pour le soignant. Probablement suite à l’hypothèse selon laquelle les professionnels de santé n’avaient pas le temps de s’y intérésser, l’informatisation du système de santé s’est souvent faite sans eux amenant un cercle vicieux où cette perception négative du numérique ne fait que se renforcer. Et si faire le premier pas n’était pas le meilleure moyen de briser ce cercle?
Vous ne serez (probablement) jamais un vrai développeur
Afin d’anticiper toute déception future, je préfère commencer par vous dire qu’apprendre à programmer ne signifie pas être autonome et pouvoir concevoir dans son coin le prochain algorithme qui va révolutionner le monde de l’IA.
Vous l’aurez surement remarqué, dans le monde d’aujourd’hui tout va très vite : à peine vous allez apprendre un langage ou un framework que celui-ci va évoluer ou passer de mode. Cela signifie d’une part qu’il faut bien choisir le langage que l’on apprend et qu’il faut admettre qu’on sera le plus souvent ‘has been’. Le bon côté des choses, c’est que ce maintenir à jour est un très bon exercice de plasticité cérébrale!
Ne quittez pas cette page tout de suite car une fois qu’on a fait face à ce destin tragique, il reste en réalité plein de raisons de continuer! Voici celles que je vous propose….
Compréhension des technologies de santé
Au même titre qu’apprendre des notions de base en méthodologie statistique permet de comprendre et de critiquer les publications scientifiques, avoir des notions de programmation permet de mieux comprendre le fonctionnement des technologies utilisées dans le domaine de la santé. Qu’il s’agisse de dossiers de santé électroniques, de systèmes de monitorage ou de dispositifs d’aide au diagnostic, connaitre la logique ‘algorithmique’ qui s’y cache permet d’en mesurer les forces et les faiblesses.
Si cette connaissance peut sembler un ‘plus’ dans la médecine d’aujourd’hui, il faut imaginer l’intelligence artificielle comme une crue prête à déferler au moindre signe de faiblesse d’un barrage. Nous utiliserons de l’IA quotidiennement dans un futur proche pour prendre en charge des patients sans ce bagage technique et méthodologique nous risquons de l’utiliser à mauvaise essient.
A titre d’exemple, Amazon (pourtant parmi les leaders technologiques à l’échelle international) s’est fait avoir lors de l’intégration d’une IA pour aider au recrutement : l’algorithme ne sélectionnait que des hommes aux postes ‘techniques’ tout simplement car il avait été entrainé sur une base de données composée majoritairement d’hommes. On imagine très facilement l’apparition du même biais en santé.
L'analyse des données de santé
Avec l’essor de la médecine basée sur les données, la capacité à analyser et à interpréter des quantités massives de données est devenue une compétence précieuse. Même s’il existe de nombreux logiciels permettant de traiter des données (Excel) ou de les analyser (Tableau, Prism…etc), des notions de programmation sont souvent nécessaires dès que l’on souhaite travailler avec des données de santé de manière ‘massive’.
Utiliser Prism ou Excel (sans utiliser de langage VBA) revient à vouloir communiquer dans une langue étrangère en utilisant un livre de phrases pré-écrites : ça fonctionne globalement pour les tâches de la vie courante mais on en voit vite les limites.
L’avantage, c’est que Python et R ont acquis leur succès dans le monde de la recherche grâce à des bibliothèques dédiées au traitement, l’analyse et la visualisation de données qui sont très simple à utiliser et bien documentées.
Travailler en équipe
Si vous souhaitez travailler en au sein de projets impliquant des programmeurs ou des datascientistes , ces derniers seront souvent obligés de prendre certains ‘parti pris’ afin de traduire vos propositions en code (au même qu’un titre qu’un traducteur de langue étrangère ne peut pas parfois traduire exactement un terme et choisis un terme qui s’en rapproche).
Que vous souhaitiez améliorer ou personnaliser les logiciels que vous utilisez au quotidien, créer de nouvelles solutions numériques ou même mener à bien un projet de recherche en machine learning, il est fondamental d’apprendre à communiquer en équipe. Si vous souhaitez être compris soit votre interlocuteur est un expert du domaine dans lequel vous évoluez et comprendra vos besoins instinctivement soit c’est à vous de savoir traduire vos besoins en concepts logiques et de comprendre les problématiques qu’il va rencontrer. Pour cette deuxième option, pas besoin d’écrire le code à sa place: juste expliquer vos besoins dans un langage compréhensible suffit souvent largement.
Souveraineté des données de santé
L’apprentissage de la programmation peut contribuer à renforcer la souveraineté des données de santé via l’amélioration de notre compréhension des systèmes de données, en fournissant les outils pour contrôler et gérer ces systèmes, en renforçant la sécurité des données et, surtout, en comprenant leur valeur. Ne pas apprendre à utiliser