Thèse Acceptabilité de l'Intelligence Artificielle en Santé Éléments Empiriques Issus des Hôpitaux Oncologiques Français H/F

Doctorat.Gouv.Fr

Établissement : Université de Montpellier
École doctorale : EDEG - Economie Gestion
Laboratoire de recherche : MRE - Montpellier Recherche en Economie
Direction de la thèse : Benoît MULKAY ORCID 0000000242517089
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-23T23:59:59

Ce projet de thèse étudie l'acceptabilité des technologies d'intelligence artificielle (IA) par les patients et les professionnels de santé dans les hôpitaux oncologiques français, en s'appuyant sur le réseau Unicancer. Il combine une analyse qualitative par études de cas de dispositifs médicaux intégrant l'IA et une analyse quantitative fondée sur des enquêtes à grande échelle.

Ce projet porte sur le réseau Unicancer, qui regroupe des centres anticancéreux français de référence, à la pointe des avancées technologiques en matière de soins oncologiques. Les hôpitaux Unicancer sont des établissements de santé privés à but non lucratif exclusivement dédiés au traitement du cancer, à la recherche et à l'enseignement. Répartis sur l'ensemble du territoire français, ils jouent un rôle central dans le maintien du haut niveau de qualité des soins oncologiques en France. Plusieurs innovations développées au sein du réseau Unicancer ont ensuite été diffusées plus largement dans l'ensemble du système de santé français, telles que le développement de plateformes de médecine personnalisée en oncologie et l'intégration précoce de technologies de pointe en radiothérapie et en imagerie médicale.

La recherche est structurée autour de deux axes complémentaires. Le premier développe des études de cas portant sur des dispositifs médicaux intégrant de l'IA déployés dans des hôpitaux oncologiques, afin de mieux comprendre comment les caractéristiques technologiques influencent leur utilisation et leur intégration dans la pratique clinique. Le second analyse les déterminants de l'acceptabilité de l'IA à partir de données d'enquête à grande échelle recueillies auprès de patients et de professionnels de santé. Ensemble, ces approches visent à fournir de nouvelles preuves empiriques sur les facteurs influençant l'adoption de l'IA en santé et à éclairer les politiques publiques favorisant une intégration responsable de ces technologies en milieu hospitalier.

L'objectif est d'identifier les facteurs qui influencent la confiance, l'utilité perçue et les réticences vis-à-vis de ces technologies. Le projet vise ainsi à mieux comprendre les conditions d'adoption de l'IA en santé et à éclairer les stratégies d'intégration de ces innovations en milieu hospitalier.

Une littérature internationale en forte croissance examine l'acceptabilité de l'IA en santé du point de vue des patients et des professionnels de santé, notamment à travers des revues récentes centrées sur l'oncologie (Pesapane et al. 2024, Hua et al. 2024). Ces travaux montrent généralement que l'acceptation de l'IA est conditionnelle et dépend du contexte. Les patients tendent à exprimer une plus grande acceptation lorsque l'IA est utilisée comme outil d'aide à la décision venant compléter le médecin, plutôt que le remplacer, en particulier pour des tâches de diagnostic ou de traitement de données (Baldus et al., 2026, Gundlack et al., 2025). Dans le même temps, des préoccupations liées à la protection des données, à la transparence des algorithmes, à la responsabilité et à la préservation de la relation humaine constituent des freins importants.

Du côté des professionnels, les études empiriques et les revues systématiques montrent que les attitudes vis-à-vis de l'IA dépendent principalement de l'utilité clinique perçue, de la confiance dans les résultats algorithmiques et des effets potentiels sur l'autonomie professionnelle et la responsabilité (Henzler et al., 2025 ; Chadaga et al., 2025). Plus largement, la littérature en économie et en politiques de santé souligne le rôle des facteurs organisationnels et institutionnels, tels que la formation, les infrastructures et la régulation, dans l'adoption des technologies d'IA dans les systèmes de santé (Nguyen et al., 2025 ; Chalutz Ben-Gal and Margherita, 2025). Toutefois, cette littérature reste fragmentée et apporte peu d'éléments sur des contextes nationaux spécifiques.

Les travaux portant spécifiquement sur la France demeurent particulièrement limités. Les revues internationales récentes incluent très peu d'études concernant le contexte français. Quelques travaux ont analysé les perceptions de l'IA par les acteurs du système de santé ou les patients en France. Par exemple, Laï, Brian and Mamzer (2020) mettent en évidence le rôle central de la confiance, de l'explicabilité et de la responsabilité. D'autres travaux portant sur l'utilisation de l'IA en contexte médical mettent en évidence des déterminants similaires, tels que les bénéfices perçus en termes de diagnostic et d'efficacité, ainsi que des préoccupations relatives à la confidentialité des données et à la relation médecin-patient. D'autres études dans la littérature médicale française ont examiné les attitudes vis-à-vis de l'IA dans des contextes cliniques spécifiques ou hospitaliers (Rafaï et al. 2025). Ces contributions, bien qu'utiles, reposent généralement sur des échantillons de taille limitée et sur des domaines médicaux spécifiques. En conséquence, les connaissances empiriques sur l'acceptabilité de l'IA en France restent fragmentaires, laissant ouvertes des questions importantes sur les déterminants de son adoption dans les hôpitaux français.

Ce projet de thèse vise à combler ces lacunes et s'articule autour de deux axes.

Le premier axe consiste en une analyse par études de cas portant sur un nombre limité de dispositifs médicaux intégrant de l'IA déployés en milieu hospitalier. Il vise à comprendre comment ces innovations émergent et sont introduites dans la pratique clinique et à identifier les technologies les plus pertinentes à analyser du point de vue de leur acceptabilité. Il s'agira notamment d'examiner le contexte de développement et d'adoption de ces technologies, les besoins cliniques auxquels elles répondent, ainsi que les interactions entre les développeurs, les établissements de santé et les équipes médicales.
En se concentrant sur des exemples concrets d'outils d'IA en santé, cet axe vise à caractériser le lien entre les caractéristiques technologiques de ces systèmes, telles que leur niveau d'autonomie, leur rôle dans la prise de décision clinique et le degré de transparence de leur fonctionnement, et leur intégration dans la pratique médicale. Les technologies étudiées incluront notamment des systèmes d'IA pour la planification et le contrôle qualité en radiothérapie, des outils d'analyse d'images médicales pour la détection de tumeurs, ainsi que des plateformes de données utilisées pour l'identification de cohortes de patients et l'aide à la décision clinique. Ces applications correspondent aux principaux domaines dans lesquels l'IA transforme actuellement le dépistage, le diagnostic et le traitement du cancer (Li et al., 2026) et serviront de base à l'analyse empirique.

Le second axe porte sur l'analyse des déterminants de l'acceptabilité de l'IA par les patients et les professionnels de santé dans le contexte français. S'appuyant sur les technologies identifiées dans le premier axe, cette analyse reposera sur un échantillon de grande taille issu du réseau Unicancer, qui regroupe l'ensemble des centres de lutte contre le cancer (CLCC) en France. Ces établissements, à but non lucratif, sont entièrement dédiés au traitement, à la recherche et à l'enseignement en oncologie. Répartis sur l'ensemble du territoire, ils jouent un rôle central dans l'excellence du système de santé français en cancérologie. Plusieurs innovations développées au sein du réseau Unicancer ont d'ailleurs été diffusées plus largement dans le système de santé français, comme par exemple le développement de plateformes de médecine personnalisée en oncologie ou l'intégration précoce de technologies avancées en radiothérapie et en imagerie médicale.

Une caractéristique importante des établissements Unicancer est leur engagement fort en matière d'innovation technologique. Ils opèrent à la frontière technologique dans des domaines tels que la radiothérapie, l'imagerie médicale et l'oncologie fondée sur les données, et figurent parmi les premiers à adopter des technologies numériques et des dispositifs médicaux intégrant l'IA. Cela en fait un terrain particulièrement pertinent pour étudier la perception et l'acceptation de l'IA en pratique clinique.
En se concentrant sur ce réseau, le second axe vise à fournir des résultats empiriques systématiques sur les facteurs qui déterminent les attitudes vis-à-vis de l'utilisation de l'IA en oncologie chez les patients et les professionnels de santé. Il permettra d'identifier les principaux déterminants de la confiance, de l'utilité perçue et des préoccupations associées à l'usage des technologies d'IA en oncologie et de faire émerger les caractéristiques de leur utilisation les plus susceptibles de favoriser leur adoption par les professionnels et de leur acceptation par les patients.

Afin de répondre aux objectifs de recherche, le projet combinera des approches qualitatives et quantitatives.

Le premier axe reposera sur des études de cas de technologies d'IA mises en oeuvre dans le réseau Unicancer. Les données seront collectées à partir de documents institutionnels, d'informations relatives aux dispositifs technologiques et à leurs applications cliniques, ainsi que de données administratives hospitalières. Cette étape permettra d'identifier et de caractériser les technologies pertinentes à analyser.

Le second axe reposera sur la collecte et l'analyse de données d'enquête auprès de patients et de professionnels de santé au sein du réseau Unicancer. En s'appuyant sur les technologies identifiées dans le premier axe, des questionnaires seront développés afin de mesurer les perceptions de l'IA en pratique clinique, notamment en termes de confiance, d'utilité perçue, de risques et d'intention d'usage. Les instruments d'enquête seront conçus à partir des cadres existants dans la littérature sur l'acceptation des technologies et adaptés au contexte de l'oncologie. Ces questionnaires pourront inclure des instruments d'élicitation des préférences relatives à l'utilisation de l'IA en oncologie de type expériences en choix discrets.

Avant leur diffusion à grande échelle, les questionnaires feront l'objet d'une phase pilote visant à tester leur validité, affiner leur formulation et assurer leur fiabilité. Les données collectées seront ensuite analysées à l'aide de méthodes quantitatives standards, incluant des statistiques descriptives et des modèles économétriques multivariés afin d'identifier les déterminants de l'acceptabilité de l'IA, en contrôlant pour les caractéristiques socio-démographiques, les rôles professionnels et l'exposition aux technologies numériques.

Des méthodes complémentaires, telles que l'analyse factorielle ou les modèles d'équations structurelles, pourront être mobilisées pour explorer les relations entre confiance, utilité perçue et acceptation.