IA & maladies rares

IA & maladies rares : du génome aux agents, une semaine après le 28 février 2026

Introduction — “More Than You Can Imagine”… et plus urgent qu’on ne le croit

Le 28 février 2026, la Journée mondiale des maladies rares a rappelé un fait brut : les maladies rares sont “plus que ce qu’on imagine” — par leur diversité, leur impact et les inégalités d’accès au diagnostic et aux soins. Côté tech, 2026 marque aussi un tournant : l’IA en santé sort (un peu) de la démonstration pour entrer dans un paradigme plus “système” : standardiser le phénotype, exploiter la génomique à grande échelle, puis orchestrer le raisonnement clinique avec des approches dites agentiques.

1) Le vrai problème : ce n’est pas “diagnostiquer”, c’est raccourcir l’odyssée

Le diagnostic des maladies rares est un problème d’ingénierie clinique : symptômes dispersés, atypiques, évolutifs ; expertises rares (et pas partout) ; données fragmentées (hôpital / ville / compte-rendus PDF / imagerie / biologie / génétique). • symptômes dispersés, atypiques, évolutifs ; • expertises rares (et pas partout) ; • données fragmentées (hôpital / ville / compte-rendus PDF / imagerie / biologie / génétique). Ce que l’IA peut changer, ce n’est pas une “réponse magique”, c’est la capacité à : structurer (ce qui est dans du texte), prioriser (gènes/variants/examens), faire émerger des similarités (“patient-like-me”), documenter le raisonnement (traçabilité), et s’intégrer à la décision clinique (RCP, filières, centres experts). • structurer (ce qui est dans du texte), • prioriser (gènes/variants/examens), • faire émerger des similarités (“patient-like-me”), • documenter le raisonnement (traçabilité), • et s’intégrer à la décision clinique (RCP, filières, centres experts).

2) Le pipeline qui gagne (presque) toujours : HPO → WGS/WES → priorisation → preuve → décision

Si tu devais retenir une architecture “réaliste” et industrialisable : Phénotype standardisé (extraction + codage en HPO) Données omiques (WES/WGS, VCF) Priorisation gènes/variants (outils bioinfo + IA) Evidence linking : justification vérifiable (littérature, bases, phénotype↔gène) Boucle clinique : validation, discussion, action, suivi • Phénotype standardisé (extraction + codage en HPO) • Données omiques (WES/WGS, VCF) • Priorisation gènes/variants (outils bioinfo + IA) • Evidence linking : justification vérifiable (littérature, bases, phénotype↔gène) • Boucle clinique : validation, discussion, action, suivi C’est exactement ce que les meilleurs programmes nationaux ont commencé à faire : la génomique fournit la profondeur, l’IA fournit l’échelle — et le workflow fournit la réalité.

3) Ce qui change en 2026 : l’IA devient “agentique” (et ça compte)

Les LLM “généralistes” savent parler médecine. Mais le rare exige autre chose : raisonner avec des contraintes, intégrer des outils, et laisser des traces. Les systèmes agentiques (LLM + orchestration + outils + mémoire) visent précisément ça : composer plusieurs “agents spécialisés” (génomique, phénotype, bibliographie, guidelines…), produire une liste d’hypothèses classées, et relier chaque étape à des éléments vérifiables. • composer plusieurs “agents spécialisés” (génomique, phénotype, bibliographie, guidelines…), • produire une liste d’hypothèses classées, • et relier chaque étape à des éléments vérifiables. Ce n’est pas une promesse philosophique : c’est désormais publié dans des journaux de premier plan. 📌 Encart 1) DeepRare (Nature, 2026) : diagnostic rare “agentique” avec raisonnement traçable DeepRare est décrit comme un système agentique pour le diagnostic différentiel des maladies rares, capable de traiter des entrées hétérogènes (texte clinique, termes HPO, données génétiques) et de produire des hypothèses classées avec un raisonnement relié à des preuves vérifiables. Points saillants rapportés : performance élevée sur des évaluations multi-datasets (dont Recall@1 ~69% en multimodal dans certains sets), et validation humaine du raisonnement rapportée autour de 95,4% d’accord expert. 2) 100,000 Genomes Project (UK) : le WGS “à l’échelle d’un système de santé” Le pilote rare disease publié (NEJM, 2021) a inclus 4 660 participants de 2 183 familles sur 161 troubles rares, et montre qu’un parcours intégrant le WGS apporte un gain de diagnostic substantiel dans une population non résolue par les soins standards. Genomics England résume le résultat clé pour le grand public : ~25% des participants reçoivent un nouveau diagnostic via WGS. ➜ Traduction “produit” : la valeur n’est pas seulement dans le test, mais dans l’industrialisation (collecte phénotype, pipelines d’analyse, gouvernance, retour clinique).

4) Ce qu’on doit éviter : l’illusion “IA = diagnostic automatique”

Deux pièges classiques, particulièrement toxiques dans le rare : Le piège du modèle isolé : un super algo sans données standardisées, sans intégration SI, sans circuit de décision… finit en POC éternel. Le piège de la boîte noire : si le clinicien ne peut pas suivre la logique, il ne peut ni faire confiance, ni expliquer, ni assumer. • Le piège du modèle isolé : un super algo sans données standardisées, sans intégration SI, sans circuit de décision… finit en POC éternel. • Le piège de la boîte noire : si le clinicien ne peut pas suivre la logique, il ne peut ni faire confiance, ni expliquer, ni assumer. 2026 pousse une exigence claire : traçabilité (evidence-linked reasoning), auditabilité, et responsabilité médicale conservée.

5) À quoi ressemble un projet “sérieux” IA & maladies rares en 2026 ?

Si tu montes un programme (hôpital, filière, industriel, payeur), voici la checklist “IAtrogénique-approved” : Standardiser le phénotype dès la source (HPO, structuration, qualité) Construire un dataset multi-centres (sinon sur-apprentissage assuré) Mesurer des métriques de parcours (temps jusqu’au diagnostic, examens évités, orientation centre expert, accès essai) plutôt que des métriques de bench seules Penser gouvernance & consentement (génomique = données hautement sensibles) Prévoir la maintenance (drift, mises à jour, suivi post-déploiement) • Standardiser le phénotype dès la source (HPO, structuration, qualité) • Construire un dataset multi-centres (sinon sur-apprentissage assuré) • Mesurer des métriques de parcours (temps jusqu’au diagnostic, examens évités, orientation centre expert, accès essai) plutôt que des métriques de bench seules • Penser gouvernance & consentement (génomique = données hautement sensibles) • Prévoir la maintenance (drift, mises à jour, suivi post-déploiement)

Conclusion — Le rare, c’est le crash test de la médecine de précision (et de l’IA)

La Journée mondiale du 28 février 2026 nous rappelle que le rare n’est pas un “segment” : c’est un révélateur des limites du système. Et l’IA, en 2026, devient enfin intéressante quand elle cesse d’être “un cerveau” pour devenir une chaîne : phénotyper, prioriser, justifier, partager, décider — ensemble. DeepRare illustre le futur proche : des systèmes capables d’intégrer données et outils, avec un raisonnement traçable. 100,000 Genomes prouve que la génomique, intégrée à un système national, délivre déjà une valeur clinique tangible. Karine Levesque Rachida NAÏT Frank Swaelens Didier Tranchier Jean-François Goglin Guillaume LEVAVASSEUR Yann de CAMBOURG Silvia Martinez-Roulier Thomas Mourait Muriel JALADON Magali RICHARD Linda Nait CEDRIC VILLEMINOT Andre Darmon Sabrina SELLAM Alexandra Pruvot Tania Aydenian Mériadec Gaignard Antoine Lubineau Pierre SANCHEZ Laure Gurtner Isabelle Bikart Hélène Chautard Gabriel Roteta Marañón Marguerite BRAC DE LA PERRIERE Dina Zielinski Julien MEICHLER Isabelle Vitali Guy Eiferman Benjamin Thomas Prof. Nikos Paragios Hédi Michau - MD Cécile GATTO Anne-Marie Farouz Elise Douar Luc BERGER Bernard castells Laetitia Hans Marion Touboul Paul Recourt Jacques Bonte Sébastien M. Maxime Latry Rosana Melki Romain Pochet Pascal BECACHE Jean-Philippe Bertocchio Elvira Perreaudin Sébastien Petit Bertrand SPILTHOOREN Maxime Champain Alexandre Tortel Marlène Petrolo Michèle Melhem Loïc Etienne Emmanuel Capitaine MD Philippe Fernandes, PhD Mounia Chabane de Saint Aubin Claude Lutringer Marie-Theodora Vandewiele, LL.M. Marie-Catherine THERENE Antoine Liénéré Dania Ait Mammar Sanat Patel Anne-Sophie Dubromer Krystyna HAWLENA - KRZEMIŃSKA - Sue Kovacs Etienne GLEVAREC Joy Caceres Yoann GUYMARD Anish Shindore Hervé DUTAL Alexis BOURON Zoe Delapalme Sandra Schnock Gwenaël Dhaene Alexandre Soupramanien Marion Bougerol, PhD Sylvie Pucheu Matthieu DARTUS Sabine Fossard Odile GAMEIRO Nicolas NAUDY Cecile ALLARD Anita Burgun Rahma Kechaou marie-laure ceyssat Kathryn ERNECQ Ahalya Devi M R Anissa Kebila Pharmaceutiques Karim Vassanji Rado A. Christelle Domy Marina Vasiliou Steven Haken Lionel GUERIN Lionel MARTY Henri Souchay Béatrice BACIOTTI Dr. Wolfram Schmidt Laurence Vallet Berthois Ines Ftouhi Sylvie Hirrien Mathilde Bloumine Rikard Lundvall Alvarez Gauri Nawathe Antoine Teston Laetitia Huret 💬 Digital Pharma Lab Biogen Mehdi MOURI Charlène Gautier Jan Belletti Laure SIMONOT JOUBERT Julie Wierzbicki Maxime Bonnet codoc Géraldine Marguliès Benoît Bauwens Alex Joiner DIRONA CONSULTING Gregoire Guillet Céline Cazau-Hourcade Nawel Yakoubi (MD) Bertrand Gili Claude Bertrand Mathilde DEMOUGIN Lydie ROUX Dalya PALLOT Coralie Bouillot Caroline Métais Malika de Maillard Brice de Kinkelin Pelletan Julie Thudin Rym BERGAYA Anny Tirel Alban LAURENT Sylvie Donnasson Eric Phélippeau Lilian REVERSAT Bernard Gauthier Stephanie Kervestin - Yates - Pierre Muguet Elisabeth AUVRAY Dr Thierry Marquet Valentine Bourgeois Amina Karam Nathalie Lahitte Jean Perreaud Georges Kengue Cécile Tardy-Srinivasan Marie-Suzanne CARIME Dr Solène Vo Quang Caroline Bonhomme Michaël Pressigout Pierre-Yves Brossard Dr Thibault SUTTER, PhD 🧬 Thomas Beslé Caroline Vaquet Mouna Mael-ainin Christophe Bonneton Nouara Lhocine Marzieh KOHANDANI TAFRESH Louie LYU Kathi Apostolidis Yaniss Blain Muriel Benitah Gizem Temiz, PhD Solange Roumengous Djamila Kourta Aude Selleret Béatrice Chabance, PhD Hervé de Belenet John Rendu Andréa Hachem Nicolas BONNET Fabien Omhover Anne Ridel Yannick Chaudron Oriane Walkowiak Stéphanie Devolder Virginie Davergne Benjamin Grancher Clara Eynard Rotem Bar-Or François-Xavier Mouly Elie H. Assaf Dominique Patrone Marion Porche-Lesage Isabelle Antonin Virginie Chevalier Chris Ryan Thanh-Van DANG Margaux Gouysse Ludivine Videloup Valérie Mengeaud Jeremy Hamelin Mawa DIOUF Salima BOUHADDI Nathalie Wereminski Pichard Marielle Christophe Tallec Christine Cong Guo Thierry Thieffenat Isabelle Schäfer-Chassagny Anne Panchout Bernard Adrien Bougé Zuzanna Piwkowska-Zvonkine Amgen France Etienne Samain Ayoub Saanoun Karim Hatem Laure Jamot Hoang Anh PHAM Mourad Moussaoui Wiam El Abassi Ariane Giraud Eleonore DUBOIS Philippe Soulié Nick Davis Delphine El kharrat 🎯 🎯 Manon Debuigny-Cardon Christine SOUQUIERES Thi My Lan Dang Sophie Henniart Thibaut Perchet Romain Seguin Armelle Arisi Zsuzsanna Varga, PhD Sixtine Folliet Leslie Bouhan Rita Reis Aurelie Girard Mathilde Boizon Laurence Shah, PharmD Christelle Becquet Danielle Roméro Maelle Clausse Zeyd Boukhedcha Xavier Brée Corinne Cournede Carol Bereuter Céline Romiguiere Kévan Boulaire Joaquín Peñalver de Andrés, PhD Bettayeb Mohamed Said Benjamin Magnan Andrian Consulting Fanny Audibert