L'article de Futura Sciences nous invite à découvrir les enjeux de la technologie de jumeau numérique dans le secteur médical. Selon le journal, seule une minorité de publications sur le sujet correspondent réellement à un jumeau numérique tel qu'il est défini par l'Académie des sciences aux États-Unis.
Ce qu'il faut retenir
- Seulement 12% des publications sur le jumeau numérique correspondent à un jumeau numérique tel qu'il est défini par l'Académie des sciences aux États-Unis.
- La technologie de jumeau numérique est à la croisée des chemins entre les modèles prédictifs et la médecine prédictive.
- La qualité des données est cruciale pour permettre un apprentissage suffisamment fiable d'une IA.
- La responsabilité et la réglementation sont des enjeux majeurs pour la généralisation du jumeau numérique.
La technologie de jumeau numérique a pris de plus en plus d'envergure dans le secteur médical, promettant des résultats importants en matière de prévision et de prise en charge des patients. Mais qu'est-ce qui se cache derrière ce terme ?
Un jumeau numérique est-il un jumeau numérique ?
Sur le stand de la French Care à SantExpo 2026, les experts réunis autour de la table ronde organisée par Bpifrance et Futura ont d'emblée posé le problème terminologique. « Seulement 12% des publications sur le jumeau numérique correspondent réellement à un jumeau numérique tel qu'il est défini par l'Académie des sciences aux États-Unis », rappelle Lionel Reichardt, le fondateur de Pharmageek. Les autres relèvent de modèles prédictifs plus ou moins avancés, utiles, certes, mais distincts.
La distinction est pourtant fondamentale. Entre le Digital Shadow, où le patient alimente un modèle de données en temps réel, sans retour, et le vrai Digital Twin, qui implique une communication bilatérale entre objet physique et objet virtuel, il y a une nuance technologique et conceptuelle. Dans le second cas seulement, les prédictions générées modifient effectivement la prise en charge du patient.
La qualité des données : un problème majeur
Comme pour toute technologie actuelle, les données sont aussi fondamentales. L'industrie manufacturière, qui a vu naître le concept, bénéficiait de capteurs IoT produisant des flux structurés et homogènes. La santé, elle, compose avec 300 variables par patient dans le Système national des données de santé (SNDS), pour 67 millions de lignes (population française).
Pour permettre un apprentissage suffisamment fiable d'une IA, une règle empirique voudrait qu'il faille 100 fois plus de lignes (taille de l'échantillon) que de variables (en-têtes de colonnes). En deçà de ce ratio, c'est ce que Jérôme Vetillard, VP R&D de la startup Qualees, appelle le « marécage » de l'entraînement pour une IA. Pour 300 variables, il faut donc 30 000 lignes minimum, une exigence que la plupart des cohortes cliniques ne peuvent pas satisfaire.
La responsabilité et la réglementation : des enjeux majeurs
La responsabilité et la réglementation sont des enjeux majeurs pour la généralisation du jumeau numérique. L'Académie de médecine est formelle : le médecin reste responsable, quoi qu'il arrive, au bout du bout. Mais cette position soulève une difficulté croissante à mesure que les outils gagnent en autonomie et en complexité.
La question de la responsabilité est à l'épine dorsale du jumeau numérique. Qui est responsable ? Le médecin, l'IA, ou les deux ? Et comment la réglementation peut-elle s'adapter pour prendre en compte ces nouveaux défis ?
Conclusion
Le jumeau numérique en santé est une technologie à la croisée des chemins. Elle a le potentiel de révolutionner la manière dont nous traitons les patients, mais elle présente également des risques et des défis importants. Il est crucial de considérer ces questions et de prendre des mesures pour garantir que cette technologie soit utilisée de manière responsable et efficace.
