Échelle de préférence pour l’IA dans les soins de santé

1. Résumé / Abstract

L’Échelle de préférence pour l’IA dans les soins de santé (en anglais, AI Healthcare Preference Scale), développée par Sophie Kerstan, Nadine Bienefeld et Gudela Grote (2024) au sein de l’ETH Zurich, est un instrument psychométrique conçu pour évaluer les préférences individuelles relatives à la délégation des actes médicaux et de soins à des systèmes d’intelligence artificielle (IA) par rapport à des médecins humains. L’échelle a été opérationnalisée dans le cadre d’une vaste étude en ligne auprès d’adultes recrutés via la plateforme Prolific aux États-Unis. Fondé sur le modèle théorique des niveaux d’automatisation (levels of automation) initialement formalisé par Endsley et Kaber (1999), cet outil est composé de six items mesurant le degré d’intervention privilégié par l’usager tout au long du continuum clinique, allant d’une prise en charge assurée exclusivement par un praticien humain jusqu’à une autonomie décisionnelle complète conférée à l’IA.

Chaque item est évalué au moyen d’une échelle de réponse de type Likert en 5 points (allant de 1 = « Médecin uniquement » à 5 = « IA uniquement »). Sur le plan des qualités psychométriques, l’instrument présente une consistance interne satisfaisante avec un coefficient alpha de Cronbach (α) de 0,75. Les analyses factorielles exploratoires (AFE) confirment une structure unidimensionnelle robuste, où l’ensemble des six items saturent sur un facteur unique sous-jacent représentant la préférence globale pour l’automatisation médicale. De plus, une analyse factorielle confirmatoire (AFC) intégrée à un modèle structurel à cinq facteurs démontre des indices d’ajustement conformes aux standards méthodologiques internationaux (χ² = 1008,46, df = 547, p < 0,001 ; χ²/df = 1,84 ; CFI = 0,91 ; TLI = 0,90 ; RMSEA = 0,04 ; SRMR = 0,06). Cet instrument constitue une avancée méthodologique majeure pour l’étude de l’acceptabilité technologique, de la confiance comparée et de l’éthique appliquée à la santé numérique.

2. Mots-clés / Keywords

Intelligence artificielle, soins de santé, préférences de traitement, relation médecin-patient, automatisation clinique, psychométrie, prise de décision médicale, acceptabilité des technologies, confiance comparée, interaction humain-machine, télémédecine, éthique médicale.

3. Auteurs / Authors

L’échelle a été développée et validée par une équipe de chercheurs du Département de gestion, technologie et économie (D-MTEC), au sein du laboratoire de psychologie du travail et des organisations de l’École polytechnique fédérale de Zurich (ETH Zurich), en Suisse :

• Sophie Kerstan (M.Sc.) : Chercheuse et doctorante en psychologie du travail et des organisations, ETH Zurich. Courriel de correspondance : [email protected]. Identifiant ORCID disponible dans les registres institutionnels.
• Dr Nadine Bienefeld : Chercheuse senior et maître de conférences, spécialiste de la collaboration humain-IA et des dynamiques d’équipe en environnements à haut risque, ETH Zurich.
• Prof. Dr Gudela Grote : Professeure ordinaire de psychologie du travail et des organisations, ETH Zurich. Reconnue internationalement pour ses travaux sur la gestion du risque, l’autonomie et l’interaction homme-technologie.

Adresse de correspondance : Sophie Kerstan, ETH Zurich, Department of Management, Technology, and Economics, Work and Organizational Psychology, Weinbergstrasse 56/58, 8092 Zurich, Suisse.

4. Objectif / Purpose

L’introduction exponentielle des algorithmes d’apprentissage automatique, de vision par ordinateur et de modèles de traitement du langage naturel dans la pratique clinique transforme radicalement le paradigme traditionnel du colloque singulier entre le patient et son médecin. Si les performances diagnostiques de certains algorithmes égalent ou surpassent désormais celles des spécialistes humains dans des domaines tels que la radiologie, l’oncologie ou la dermatologie, l’adoption effective de ces technologies dépend fondamentalement de la disposition psychologique des patients à accepter que des actes de soin soient délégués à des entités artificielles. L’objectif principal de l’AI Healthcare Preference Scale est de quantifier précisément la préférence relative des individus quant à la répartition du contrôle clinique entre le médecin humain et l’agent automatisé.

Sur le plan de la recherche fondamentale et appliquée, cet instrument répond à un manque méthodologique majeur dans la littérature sur l’interaction humain-machine (Human-Computer Interaction, HCI). Jusqu’alors, la majorité des études évaluaient l’acceptation de l’IA via des mesures dichotomiques (« Accepteriez-vous un diagnostic posé par une IA ? Oui/Non ») ou des questionnaires d’acceptabilité génériques, tels que le Technology Acceptance Model (TAM) ou le modèle UTAUT. Ces outils classiques omettent souvent de conceptualiser le soin de santé comme un processus multidimensionnel impliquant des degrés variables d’autonomie algorithmique et ignorent le caractère intrinsèquement comparatif du choix du patient, qui arbitre constamment entre les compétences perçues de l’humain et celles de la machine.

Dans le domaine clinique et organisationnel, la mesure standardisée des préférences des patients permet d’identifier les segments de population réfractaires à l’automatisation, d’isoler les phases du parcours de soin où la présence humaine est jugée non négociable, et de modéliser les facteurs explicatifs du refus ou de l’adhésion aux protocoles de télémédecine assistée par IA. L’échelle permet ainsi aux décideurs de santé publique, aux concepteurs de dispositifs médicaux et aux praticiens de calibrer les systèmes d’aide à la décision pour qu’ils respectent l’autonomie et les attentes des usagers, évitant ainsi le rejet technologique ou la rupture de l’alliance thérapeutique.

5. Construit psychologique / Construct

Le construit psychologique ciblé par l’instrument est défini comme la préférence pour l’intelligence artificielle dans les soins de santé (Artificial Intelligence Healthcare Preferences). Ce construit ne mesure pas une simple attitude favorable ou défavorable envers la technologie, mais un positionnement préférentiel relatif et continu quant au lieu de contrôle décisionnel et opérationnel lors de la dispensation des soins.

Contrairement aux représentations simplistes opposant radicalement l’humain à la machine, le construit repose sur un continuum d’arbitrage. À un pôle de ce continuum se trouve la préférence exclusive pour l’expertise clinique humaine, caractérisée par l’attribution de la confiance, de l’empathie et de la compétence diagnostique au seul médecin en chair et en os. À l’autre pôle se situe la préférence exclusive pour les systèmes autonomes d’IA, motivée par la perception d’une précision analytique supérieure, d’une absence de biais cognitifs humains, d’une disponibilité permanente ou d’une objectivité statistique accrue.

Le construit s’articule autour des différentes étapes fonctionnelles de la trajectoire clinique, incluant :

• L’acquisition et l’analyse initiale des données médicales : Préférence quant à l’entité chargée de collecter les antécédents, de trier les symptômes et d’analyser les biomarqueurs ou examens d’imagerie.
• La génération d’hypothèses diagnostiques : Degré auquel l’individu préfère que les options nosologiques soient formulées par la puissance computationnelle de l’algorithme ou par le jugement clinique intuitif du praticien.
• La formulation de recommandations thérapeutiques : Arbitrage quant au choix des protocoles de traitement, posologies médicamenteuses ou indications chirurgicales.
• La prise de décision finale et l’exécution du soin : Détermination de l’autorité ultime habilitée à valider le plan d’intervention et à en assumer la responsabilité morale et procédurale.

Ce construit capture ainsi les tensions cognitives et affectives inhérentes à la confiance comparée. Il est étroitement corrélé à la perception des risques médicaux (e.g., crainte de l’erreur logicielle, déshumanisation des soins, violation du secret médical) et à la perception des bénéfices (e.g., réduction des délais de prise en charge, personnalisation basée sur le big data).

6. Cadre théorique / Theoretical Framework

Le socle théorique de l’AI Healthcare Preference Scale repose directement sur le modèle séminal des niveaux et fonctions d’automatisation formalisé par Mica R. Endsley et David B. Kaber (1999). Dans leurs travaux sur l’ingénierie cognitive et les facteurs humains, Endsley et Kaber ont déconstruit l’automatisation en une taxonomie graduée à 10 niveaux, articulée autour de quatre fonctions cognitives majeures :

1. L’acquisition de l’information (information acquisition) ;
2. L’analyse de l’information (information analysis) ;
3. La prise de décision et sélection des actions (decision selection) ;
4. L’exécution des actions (action implementation).

Dans ce modèle, l’automatisation n’est pas un état binaire (présente vs absente), mais une distribution dynamique du contrôle partagé entre l’opérateur humain et l’agent technologique. Les auteurs de l’échelle (Kerstan, Bienefeld, & Grote, 2024) ont transposé ce cadre au contexte de la consultation médicale. Aux niveaux inférieurs d’automatisation, le praticien humain réalise l’ensemble des tâches cliniques, la machine n’intervenant au mieux que comme un support passif d’archivage. Aux niveaux intermédiaires, une collaboration hybride s’établit : l’IA génère des options ou suggère des diagnostics différentiels, mais le médecin conserve l’autorité décisionnelle finale (modèle de l’« humain dans la boucle » ou human-in-the-loop). Aux niveaux supérieurs, le système algorithmique prend les décisions de manière autonome, l’humain n’ayant plus qu’un rôle de supervision passive, voire aucun droit de veto.

Ce cadre théorique intègre également les paradigmes de la théorie de la confiance dans l’automatisation (Lee & See, 2004) et des heuristiques de jugement sous incertitude (Tversky & Kahneman). La décision de préférer l’humain ou l’IA implique un arbitrage psychologique sous contrainte de risque vital. La littérature montre que les individus manifestent fréquemment une « aversion pour l’algorithme » (algorithm aversion ; Dietvorst et al., 2018), refusant de s’en remettre à des modèles prédictifs dès lors qu’ils les voient commettre une erreur minime, alors même qu’ils tolèrent l’imperfection humaine. L’échelle opérationnalise précisément ce basculement d’adhésion en fonction des exigences cognitives de chaque phase du soin.

7. Validité / Validity

La validité psychométrique de l’AI Healthcare Preference Scale a été rigoureusement démontrée dans l’étude fondatrice de Kerstan, Bienefeld et Grote (2024) menée sur un échantillon représentatif de participants adultes américains (N = 553 après filtrage de qualité des données).

Validité de construit et dimensionnalité

La validité de construit a été examinée par le biais d’une démarche factorielle rigoureuse. L’analyse factorielle exploratoire (AFE) a confirmé que les 6 items convergent vers un seul et même construit sous-jacent, démontrant que les préférences pour l’IA forment une attitude globale cohérente face à la délégation technologique. Par la suite, l’analyse factorielle confirmatoire (AFC) a inséré l’échelle au sein d’un modèle structurel comprenant quatre autres construits latents théoriquement liés : la confiance comparée (envers les médecins vs l’IA), les connaissances perçues en IA, la perception des risques liés à l’IA en santé, et la perception des bénéfices. Les indices d’ajustement globaux obtenus attestent d’une excellente validité de construit globale (χ² = 1008,46, df = 547, p < 0,001 ; χ²/df = 1,84 ; CFI = 0,91 ; TLI = 0,90 ; RMSEA = 0,04 [IC 90 % : 0,036 – 0,044] ; SRMR = 0,06).

Validité convergente et prédictive

Bien que l’article princeps n’ait pas administré d’échelle concurrente préexistante d’automatisation médicale — celles-ci étant inexistantes sous ce format comparatif —, la validité prédictive et nomologique s’avère hautement significative :

• Les scores sur l’échelle prédisent positivement et de manière significative la perception des bénéfices de l’IA en médecine (β standardisé élevé, p < 0,001).
• Les scores sont inversement corrélés à la perception des risques associés à l’IA (β négatif, p < 0,001). Les individus préférant l’intervention humaine perçoivent des risques accrus de défaillance diagnostique, de dépersonnalisation et d’atteinte à l’intimité.
• La préférence pour l’IA est fortement corrélée aux associations implicites et explicites de confiance comparée : les participants manifestant un biais de confiance initial en faveur de l’IA affichent des scores systématiquement supérieurs sur l’instrument.

8. Fidélité / Reliability

La fidélité de l’AI Healthcare Preference Scale a été établie principalement par l’évaluation de sa consistance interne. Les données empiriques publiées par Kerstan et al. (2024) rapportent les métriques suivantes :

• Coefficient Alpha de Cronbach (α) : 0,75. Cette valeur dépasse largement le seuil standard de 0,70 préconisé par la communauté psychométrique (Nunnally & Bernstein, 1994) pour les instruments de recherche exploratoire et confirmatoire. Elle atteste d’une homogénéité satisfaisante des six items sans présenter de redondance excessive (ce qui serait le cas si α > 0,90).
• Homogénéité et corrélations inter-items : L’ensemble des items contribue significativement à la variance totale du test, sans qu’aucun item ne dégrade la consistance globale lors d’une procédure de suppression pas-à-pas (alpha if item deleted).
• Erreur de mesure : Le faible niveau d’erreur quadratique moyenne d’approximation (RMSEA = 0,04) obtenu dans le modèle global corrobore la stabilité de la mesure et la précision des estimations factorielles associées aux préférences des participants.

À ce jour, la fidélité test-retest n’a pas été formellement rapportée dans l’article initial en raison du devis transversal de l’administration Prolific ; de futures recherches longitudinales devront documenter la stabilité temporelle de ces préférences à mesure que l’acculturation technologique de la population progresse.

9. Analyse factorielle / Factor Analysis

L’architecture factorielle de l’instrument a fait l’objet d’investigations statistiques rigoureuses combinant démarches exploratoires et confirmatoires.

Analyse factorielle exploratoire (AFE)

Lors de la phase initiale d’évaluation de la structure latente, une AFE a été conduite sur les six items de l’échelle. L’analyse des valeurs propres (critère de Kaiser-Guttman, valeurs propres > 1) et l’examen du graphique des éboulis (scree plot de Cattell) ont nettement indiqué l’extraction d’un facteur unique. Tous les items ont présenté des saturations factorielles substantielles sur ce facteur primaire, sans saturation croisée complexe, validant ainsi l’unidimensionnalité du construit.

Analyse factorielle confirmatoire (AFC)

Afin d’éprouver la robustesse de cette solution unidimensionnelle au sein d’un réseau nomologique étendu, les auteurs ont conduit une AFC multivariée intégrant cinq instruments de mesure distincts pour un total de 547 degrés de liberté. Les paramètres d’estimation par le maximum de vraisemblance ont démontré une excellente adéquation aux données empiriques :

• Chi-deux d’ajustement : χ² = 1008,46 (df = 547, p < 0,001). Bien que le test formel du χ² soit significatif — ce qui est attendu compte tenu de la grande taille de l’échantillon (N > 500) —, le ratio de parcimonie est remarquable :
• Ratio χ²/df : 1,84. Un ratio inférieur à 2,0 est classiquement considéré dans la littérature spécialisée comme l’indice d’un ajustement exceptionnel du modèle théorique.
• Indice d’ajustement comparatif (CFI) : 0,91. Dépasse le seuil conventionnel d’acceptabilité fixé à 0,90.
• Indice de Tucker-Lewis (TLI) : 0,90. Conforme aux critères d’adéquation structurale.
• Root Mean Square Error of Approximation (RMSEA) : 0,04 (intervalle de confiance à 90 % : [0,036 ; 0,044]). Une valeur inférieure à 0,05 reflète un ajustement qualifié d’« étroit » (close fit).
• Standardized Root Mean Square Residual (SRMR) : 0,06. Bien inférieur au seuil critique de 0,08.

Toutes les saturations factorielles standardisées des six items sur leur variable latente respective se sont révélées statistiquement significatives (p < 0,001), confirmant la contribution psychométrique essentielle de chaque item à la capture du construit global.

10. Instrument de mesure / Instrument

L’instrument se caractérise par une administration simple, standardisée et rapide, spécialement optimisée pour les plateformes de recherche numérique et les environnements cliniques informatisés :

• Nom complet de l’outil : Échelle de préférence pour l’IA dans les soins de santé (AI Healthcare Preference Scale).
• Type d’instrument : Échelle d’auto-évaluation psychométrique (Rating scale / échelle de Likert).
• Format d’administration : Électronique (compatible ordinateurs, tablettes, smartphones).
• Nombre d’items : 6 items.
• Population cible : Adultes (18 ans et plus), grand public, usagers du système de santé ou cohortes cliniques.
• Format de réponse : Échelle ordinale de type Likert en 5 points :
  1 = Médecin uniquement (Only physician)
  2 = Principalement le médecin (Mostly physician)
  3 = Collaboration égale médecin-IA (Equal collaboration)
  4 = Principalement l’IA (Mostly AI)
  5 = IA uniquement (Only AI)
• Cotation et calcul du score : L’instrument étant unidimensionnel, le score global s’obtient en calculant la moyenne arithmétique ou la somme des 6 items (étendue théorique de 6 à 30 pour le score total, ou de 1,00 à 5,00 pour le score moyen). Un score plus élevé indique une préférence plus marquée pour l’automatisation clinique complète et l’autonomie accordée à l’intelligence artificielle, tandis qu’un score faible reflète un attachement strict au monopole médical humain.
• Temps de passation moyen : Environ 2 à 3 minutes.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de développement : 2024.
• Statut des droits d’auteur : © 2024 Society for Risk Analysis. Publié par John Wiley & Sons Ltd sous licence pour l’article académique source.
• Conditions d’utilisation et permissions : L’utilisation de l’échelle à des fins de recherche scientifique non commerciale est généralement autorisée dans le cadre d’un usage académique équitable (fair use), sous réserve de citer scrupuleusement la publication originale des auteurs. Toute adaptation commerciale, intégration dans des solutions logicielles propriétaires ou exploitation par des systèmes de télésanté privés requiert l’autorisation formelle préalable des auteurs (via Sophie Kerstan, [email protected]) ou du détenteur des droits éditoriaux (Wiley Rights & Permissions).
• Tarifs : L’accès au questionnaire à des fins de recherche académique est gratuit. L’article de référence est accessible via les bibliothèques universitaires ou les portails d’abonnement scientifique Wiley.

12. Références / References

• Dietvorst, B. J., Simmons, J. P., & Massey, C. (2018). Overcoming algorithm aversion: People will use imperfect algorithms if they can (even slightly) modify them. Management Science, 64(3), 1155–1170. https://doi.org/10.1287/mnsc.2016.2643
• Endsley, M. R., & Kaber, D. B. (1999). Level of automation effects on dynamic control and human performance. Ergonomics, 42(3), 462–492. https://doi.org/10.1080/001401399185595
• Kerstan, S., Bienefeld, N., & Grote, G. (2024). Choosing human over AI doctors? How comparative trust associations and knowledge relate to risk and benefit perceptions of AI in healthcare. Risk Analysis, 44(4), 939–957. https://doi.org/10.1111/risa.14216
• Lee, J. D., & See, K. A. (2004). Trust in automation: Designing for appropriate reliance. Human Factors, 46(1), 50–80. https://doi.org/10.1518/hfctr.46.1.50_30392
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3e éd.). McGraw-Hill.
• Parasuraman, R., Sheridan, T. B., & Wickens, C. D. (2000). A model for types and levels of human interaction with automation. IEEE Transactions on Systems, Man, and Cybernetics – Part A: Systems and Humans, 30(3), 286–297. https://doi.org/10.1109/3468.844354

13. Questions et items du questionnaire / Scale Items

Les formulations textuelles officielles et exactes des items de cette échelle sont protégées par le droit d’auteur de l’éditeur de la revue et des auteurs originaux. En conséquence, les items officiels ne sont pas reproduits intégralement dans le domaine public ouvert.

Conformément au cadre théorique des niveaux d’automatisation d’Endsley et Kaber (1999) décrit par Kerstan et al. (2024), l’instrument structure son inventaire en 6 situations cliniques distinctes réparties le long du processus de prise en charge :

• Item 1 : Collecte et enregistrement des antécédents médicaux (évaluation de la préférence pour l’interrogatoire clinique par un médecin vs par un agent conversationnel d’IA).
• Item 2 : Analyse et interprétation des examens diagnostiques (analyse des résultats de laboratoire, radiographies ou imageries médicales).
• Item 3 : Identification et formulation du diagnostic médical (détermination de la maladie ou de l’affection sous-jacente).
• Item 4 : Proposition et sélection des options de traitement (élaboration du plan thérapeutique adapté au patient).
• Item 5 : Prescription et dosage des médicaments (décision relative aux agents pharmacologiques requis).
• Item 6 : Suivi clinique et surveillance continue de l’évolution de l’état de santé (monitoring post-intervention ou suivi des affections chroniques).