






Classer des patients avec des indicateurs de coût peut accélérer l’organisation, mais aussi marginaliser les multimorbides, moins « rentables » à court terme. Une alternative consiste à intégrer des critères cliniques robustes, des résultats rapportés par les patients et des seuils d’alerte d’équité. Associer des revues humaines systématiques et des justifications transparentes permet d’éviter que l’optimisation budgétaire ne dégrade silencieusement la pertinence des soins réellement délivrés.

Lorsqu’un modèle apprend que « peu de dépenses » équivaut à « faible besoin », il reflète des années d’accès imparfait, de barrières culturelles et de sous-prescriptions. Les corriger exige d’abandonner des proxys douteux, d’intégrer des variables cliniques significatives, de tester des contraintes de justice et de pratiquer des validations externes. Les données racontent une histoire; notre responsabilité consiste à vérifier qu’elle ne reproduit pas des injustices persistantes.

Pour être acceptables, les décisions automatisées doivent être compréhensibles. Publier des fiches descriptives de modèles, préciser les jeux de données, documenter les performances et les limites évite l’opacité. Offrir des explications simples au point de soin, un mécanisme d’appel réactif et des garde-fous déontologiques transforme un calcul en outil de dialogue. Ainsi, technologie et éthique peuvent réellement se renforcer, plutôt que s’annuler silencieusement.
All Rights Reserved.