IA dans les soins de fertilité : promesse, preuves et réalité clinique

Le monde entre dans une nouvelle ère démographique. Le taux mondial le taux de fertilité a chuté d’environ 4,9 enfants par femme dans les années 1950 à 2,3 aujourd’hui, et l’ONU prévoit qu’il continuera de diminuer tout au long de ce siècle. Au Royaume-Uni, le taux de natalité est encore plus bas – 1,39 enfant par femme en Angleterre et au Pays de Galles en 2025. Alors que la baisse des taux de natalité, le report de la parentalité et l’augmentation de l’infertilité reconfigurent les soins de santé reproductive, la fertilité est devenue l’un des secteurs d’investissement HealthTech à la croissance la plus rapide. Les investisseurs soutiennent des technologies qui promettent de faciliter la conception, de mieux comprendre la santé reproductive et de gérer les traitements plus efficacement. Le marché mondial de la technologie de procréation assistée devrait atteindre 33,4 milliards de dollars en 2026.une estimation de 45,6 milliards de dollars à l’échelle mondiale en 2025 et devrait plus que tripler d’ici 2033. 

L’intelligence artificielle est naturellement devenue partie intégrante de cette vague. Aujourd’hui, l’IA alimente les applications de suivi du cycle, les appareils portables, les tests de fertilité à domicile et les technologies de fécondation in vitro (FIV), promettant des informations de plus en plus personnalisées sur la santé reproductive. À mesure que ces outils se sophistiquent, la discussion se déplace toutefois de ce que l’IA peut faire à la confiance qu’elle doit inspirer. Cette confiance dépend non seulement de la qualité des recommandations qu’elle produit, mais aussi de la transparence des entreprises concernant les données sous-jacentes : quels ensembles de données sont utilisés pour entraîner ces systèmes, à quel point ils sont représentatifs et fiables, et où résident leurs limites tant pour les cliniciens que pour les patients. 

Les outils numériques de fertilité modifient le comportement des patients plus rapidement que les preuves cliniques ne rattrapent

Les preuves concernant la HealthTech de fertilité sont plus nuancées que ce que suggèrent souvent ses plus ardents défenseurs ou ses critiques les plus sévères. chercheurs de l’UCL conclut que les outils numériques – des applications de fertilité et des appareils portables aux tests à domicile et à la télésanté – peuvent améliorer la littératie en matière de fertilité, soutenir l’auto‑surveillance, élargir l’accès aux soins et renforcer la communication entre patients et cliniciens. À mesure que les patients s’impliquent davantage dans la compréhension et la gestion de leur propre santé reproductive, l’IA devient de plus en plus partie intégrante de ce même parcours. Selon une enquête KFF 2026, un adulte américain sur trois a déjà utilisé un chatbot IA pour obtenir des informations ou des conseils de santé, beaucoup s’y tournant avant de consulter un professionnel de santé. Cela suggère que l’IA devient plus qu’un simple outil de recherche : elle aide désormais les personnes à interpréter les informations de santé avant que des décisions cliniques ne soient prises.

En même temps, les chercheurs soutiennent que ces avantages dépendent de la précision, de la validité clinique et de l’intégration aux parcours de soins, avertissant que de nombreuses technologies de fertilité arrivent encore sur le marché sans preuves suffisantes que leurs prédictions soient analytiquement robustes, cliniquement pertinentes ou réellement bénéfiques pour les patients. Le défi dépasse le simple fait que l’IA commette des erreurs ou hallucine. De nombreuses technologies de fertilité atteignent les patients avant qu’il n’existe suffisamment de preuves que leurs prédictions soient cliniquement pertinentes ou améliorent réellement les résultats, créant ainsi un risque que la confiance dans la technologie dépasse les preuves qui la sous-tendent. 

Ce fossé de preuves devient particulièrement visible lorsque l’IA passe de l’explication de la biologie reproductive de base au soutien des décisions en matière de fertilité. Chercheurs qui ont comparé ChatGPT, Gemini, Copilot et Perplexity sur 37 questions de fertilité ont constaté que les modèles étaient généralement fiables sur des sujets tels que le cycle menstruel et la conception, mais devenaient beaucoup moins cohérents lorsqu’ils répondaient à des questions concernant la FIV, la congélation d’ovocytes et d’autres technologies de procréation assistée.

L’explication est étonnamment pratique plutôt que purement technique. Les concepts de base de la fertilité sont soutenus par des décennies de preuves bien établies, tandis que les technologies de procréation assistée évoluent beaucoup plus rapidement. Comme le soulignent les auteurs, même les modèles qui citent des articles scientifiques peuvent surestimer les affections rares ou des résultats dépassés, donnant des réponses confiantes qui ne sont pas représentatives de la population de patients dans son ensemble.

À mesure que les dispositifs healthtech et les outils d’IA influencent de plus en plus la façon dont les personnes interprètent les symptômes, comprennent les résultats des tests et abordent les décisions de traitement avant d’entrer en consultation, les exigences en matière de preuves, de transparence et de surveillance réglementaire deviennent beaucoup plus élevées.

Où l’IA pourrait avoir le plus grand impact dans les soins de fertilité

Alors que les applications de fertilité grand public, les appareils portables et les tests à domicile continuent d’évoluer, l’IA transforme également le volet clinique de la médecine reproductive. Plutôt que de remplacer les spécialistes, la recherche la plus prometteuse se concentre sur l’aide aux embryologistes, aux médecins de fertilité et aux équipes de laboratoire pour prendre des décisions mieux éclairées. 

Un des domaines les plus établis de la recherche en IA appliquée à la fertilité est l’évaluation des embryons lors de la FIV. En analysant des milliers d’images en time‑lapse du développement embryonnaire, les modèles d’apprentissage automatique ont montré des résultats impressionnants pour prédire la viabilité des embryons et restent l’une des applications les plus prometteuses du secteur. En même temps, un essai Nature Medicine a démontré qu’une forte performance sur des ensembles de données rétrospectives ne se traduit pas automatiquement par de meilleurs résultats cliniques, incitant les chercheurs à relever le niveau de validation. Travaux plus récents ont encore déplacé le focus, en mettant l’accent sur l’évaluation clinique en conditions réelles comme prochaine étape cruciale avant que ces systèmes ne soient largement adoptés en pratique.

Une autre direction prometteuse consiste à prédire la réponse ovarienne avant la FIV. Les chercheurs utilisent l’IA pour combiner des indicateurs cliniques tels que l’âge, les niveaux d’hormone anti‑Müllérienne (AMH) et le nombre de follicules antraux afin d’estimer la probabilité de réponse d’une patiente à la stimulation ovarienne avant le début du traitement. Études récentes suggèrent que ces modèles peuvent améliorer la planification des traitements et aider à identifier les patientes qui pourraient bénéficier d’une intervention plus précoce ou d’une stratégie de stimulation plus personnalisée, bien que la validation clinique à plus grande échelle reste une étape importante à venir.

La maturité de ces technologies varie considérablement. Certains outils d’IA assistent déjà les cliniciens dans les laboratoires de FIV aujourd’hui, tandis que d’autres sont encore en transition de la recherche universitaire prometteuse vers la validation clinique. Cette distinction est importante car elle reflète un changement plus large dans les soins de fertilité : l’impact le plus important à court terme provient de plus en plus de systèmes d’IA qui soutiennent les flux de travail cliniques plutôt que de remplacer le jugement clinique.

Des percées de l’IA à l’amélioration des soins quotidiens aux patients

Il n’est pas secret que la principale attente des entreprises vis‑à‑vis des outils d’IA est la réduction des coûts. Et l’industrie de la fertilité n’est pas différente – la FIV peut être une procédure onéreuse. Il n’est donc pas étonnant que les cliniques et autres entreprises cherchent des moyens de diminuer les coûts et de rendre le traitement accessible au plus grand nombre.

Nous ne pouvons pas simplifier la FIV et les traitements de fertilité en général, car la composante biologique est complexe. Ce que nous pouvons simplifier, c’est le parcours du patient et le flux de travail clinique. Ainsi, nous nous sommes tournés vers l’IA pour réduire le temps que nos médecins consacrent à la préparation des dossiers – l’une des ressources les plus précieuses en matière de soins de fertilité.

À mon avis, l’outil le plus utile aujourd’hui serait un système d’IA conçu pour analyser l’historique clinique complet d’un patient, ses traitements antérieurs et ses résultats de laboratoire, puis organiser ces informations en un dossier structuré. Par exemple, il peut fournir aux médecins une suggestion de dosage médicamenteux basée sur les résultats d’analyses sanguines. La décision clinique reste entièrement du ressort du médecin ; l’IA se contente de réduire le temps consacré à la préparation.

Chez Plan Your Baby, nous travaillons actuellement avec des partenaires du secteur pour créer un tel système. Selon notre vision, il doit être entraîné sur des données anonymisées recueillies au cours de plusieurs années de soins de fertilité, car en médecine la qualité d’un produit d’IA dépend autant du contexte clinique des données que du modèle lui‑même. Chaque dossier est dé‑identifié avant d’être utilisé pour le développement, ce qui permet au système d’apprendre à partir de soins réels tout en protégeant la confidentialité des patients. 

Il est également important de souligner que, puisqu’il s’agit d’une technologie qui s’intégrera au flux de travail clinique, elle ne peut pas être traitée comme un produit d’IA conventionnel. De tels outils doivent être conçus dès le départ avec la certification de dispositif médical à l’esprit, car dans le domaine de la santé, le déploiement n’est possible que si la technologie satisfait aux mêmes normes attendues de tout autre outil clinique.