La réglementation britannique des dispositifs médicaux d’IA s’oriente vers une refonte du cycle de vie
Le Royaume-Uni a proposé un changement majeur de la réglementation des dispositifs médicaux d’IA après qu’une commission indépendante a recueilli les témoignages de plus de 12 000 personnes. Au lieu de considérer l’autorisation comme une ligne d’arrivée unique, la proposition prévoit de surveiller les systèmes d’IA tout au long de leur durée de fonctionnement.
Ce plan émane de la National Commission into the Regulation of AI in Healthcare, un groupe d’experts créé par la Medicines and Healthcare products Regulatory Agency. Sa conclusion centrale est sans détour : des règles conçues pour des dispositifs médicaux relativement statiques ne conviennent pas à des logiciels qui évoluent selon les lieux, les données, les mises à jour et les flux de travail cliniques.
La commission souhaite que le Royaume-Uni remplace l’assurance ponctuelle par un accès progressif, des données probantes issues des conditions réelles, une supervision continue et une répartition plus claire des responsabilités dans l’ensemble du système de santé. C’est là que se situe le compromis principal. Les régulateurs veulent que les patients bénéficient plus rapidement de technologies utiles, mais cet accès précoce doit s’accompagner de limites opposables et d’une surveillance fiable.
La réglementation britannique des dispositifs médicaux d’IA irait au-delà de l’autorisation ponctuelle
La commission souhaite que l’autorisation réglementaire marque le début de la supervision, et non sa fin.
La commission a publié ses recommandations le 10 septembre 2026, après sa création par la MHRA en septembre 2025. Il s’agissait d’un organisme consultatif indépendant et non statutaire ; son rapport ne modifie donc pas à lui seul le droit britannique.
Le gouvernement et la MHRA examineront les recommandations avant de publier une réponse officielle. Cette distinction est importante, car le rapport constitue une feuille de route, et non un cadre réglementaire déjà adopté.
La proposition offre néanmoins aux responsables publics une voie à suivre détaillée. Sa première recommandation demande un examen systématique du UK Medical Devices Regulations 2002. L’objectif est d’établir un cadre adapté aux logiciels et aux produits reposant sur l’IA.
Selon la commission, les règles existantes ne classent pas clairement tous les produits d’IA destinés à la santé. Un assistant administratif, une application de bien-être et un outil d’aide à la décision clinique peuvent présenter des risques très différents. Pourtant, leurs frontières peuvent devenir difficiles à tracer lorsqu’un même produit combine plusieurs fonctions.
Dans le cadre de la proposition, les régulateurs se concentreraient davantage sur la fonction médicale à l’origine du risque clinique concerné. Ils tiendraient également compte des bénéfices attendus, du cycle de vie du produit et de l’alignement avec les approches réglementaires internationales.
Le rapport accorde une attention particulière aux dispositifs de classe I à faible risque que les fabricants peuvent parfois auto-déclarer. Il recommande de corriger les faiblesses de ce modèle lorsque les logiciels créent un risque suffisant pour les patients afin de justifier une supervision indépendante.
La proposition la plus visible est l’autorisation par étapes. Le cadre de la commission la définit comme un déploiement dans un périmètre limité avant une autorisation plus étendue.
Un dispositif pourrait d’abord fonctionner dans des hôpitaux, des contextes cliniques ou auprès de groupes de patients déterminés. Son développeur recueillerait des données probantes dans des conditions convenues, tandis que les cliniciens et les régulateurs suivraient ses performances.
L’extension dépendrait de ces données. Un système offrant des performances sûres pourrait progresser vers une utilisation plus large, tandis que des résultats insuffisants ou instables pourraient interrompre le déploiement.
Des responsables gouvernementaux ont comparé ce modèle à un apprenti conducteur utilisant des « L-plates ». Cette analogie illustre l’équilibre recherché entre l’expérience en conditions réelles et des conditions d’utilisation restreintes.
Cette comparaison révèle aussi une question complexe de politique publique. Un apprenti conducteur dispose d’un superviseur titulaire du permis à ses côtés, tandis que la responsabilité d’un algorithme médical peut s’étendre à de nombreuses organisations.
Les fabricants conçoivent et mettent à jour le modèle. Les hôpitaux choisissent où le déployer. Les cliniciens interprètent ses résultats, et les fournisseurs technologiques peuvent gérer l’infrastructure qui transporte les données entre les systèmes.
La MHRA réglemente les dispositifs médicaux, mais d’autres organisations supervisent la qualité des soins, la conduite professionnelle, les achats, la recherche et la protection des données. Une autorisation par étapes ne peut protéger les patients que si ces responsabilités sont effectivement reliées.
La proposition dépasse donc l’autorisation des produits. Elle appelle à une approche à l’échelle du système reliant les régulateurs, les prestataires de soins, les professionnels, les développeurs, les fabricants, les patients et le public.
Cette portée élargie fait du rapport davantage qu’une mise à jour des règles techniques applicables aux dispositifs. Il s’agit d’une tentative de définir qui doit agir lorsque les performances changent après l’intégration d’un système d’IA aux soins cliniques.
Les règles relatives aux dispositifs statiques peinent à suivre la dérive des performances de l’IA
Un système d’IA peut réussir une évaluation tout en se comportant différemment lorsque les patients, les flux de travail ou les données locales changent.
La réglementation traditionnelle des dispositifs médicaux accorde souvent un poids considérable aux données probantes recueillies avant la mise sur le marché d’un produit. Cette approche fonctionne le mieux lorsque le produit autorisé reste sensiblement cohérent après son déploiement.
Les logiciels reposant sur l’IA compliquent cette hypothèse. Leurs performances peuvent dépendre de la population, de l’hôpital, du matériel, du flux de travail clinique et de la chaîne de données qui les entourent.
Un modèle diagnostique développé à partir de données d’une région peut rencontrer ailleurs des schémas de maladie différents. Il peut également recevoir des images issues d’autres scanners ou des données enregistrées selon d’autres pratiques cliniques.
Ces différences peuvent entraîner des performances dépendantes du contexte, c’est-à-dire des résultats qui varient selon l’environnement d’utilisation. Une solide évaluation en laboratoire ne peut pas couvrir toutes les conditions rencontrées dans un système de santé national.
La dérive des performances crée un autre problème. La dérive correspond à une baisse ou à une évolution mesurable du comportement d’un modèle après son déploiement, souvent due à l’évolution des données ou des conditions cliniques.
Cette dérive ne nécessite pas qu’un développeur publie un nouveau modèle. Le monde environnant peut changer alors que le logiciel sous-jacent reste inchangé.
Un hôpital peut remplacer son matériel d’imagerie, modifier ses critères d’orientation ou introduire un nouveau flux de travail pour les dossiers électroniques. Les populations de patients peuvent également évoluer au fil du temps.
L’algorithme peut alors traiter des entrées différentes de ses données de développement. Sa précision peut se dégrader progressivement sans provoquer un incident manifeste unique.
Ce schéma progressif est important, car les systèmes de vigilance conventionnels se concentrent souvent sur les incidents. Un dysfonctionnement grave déclenche un signalement, une enquête ou une action corrective.
La dégradation d’une IA peut être plus discrète. Un système peut devenir légèrement moins sensible pour un groupe, générer davantage de fausses alertes ou perdre en précision dans un lieu donné.
Aucun résultat individuel ne semblera nécessairement constituer une défaillance de dispositif à signaler. Pourtant, l’effet cumulé peut tout de même retarder des diagnostics ou accroître le nombre d’interventions inutiles.
La commission estime que ce risque rend la surveillance réactive insuffisante. L’alternative qu’elle privilégie repose sur des mesures récurrentes des performances et des données probantes issues des conditions réelles tout au long du cycle de vie du produit.
Les données probantes issues des conditions réelles désignent les informations collectées lorsqu’un dispositif fonctionne dans des environnements de soins effectifs. Elles peuvent inclure des rapports de sécurité, des résultats cliniques, des schémas d’erreur, les performances par sous-groupe et des données opérationnelles.
L’objectif n’est pas simplement de recueillir davantage d’informations. Les régulateurs ont besoin de seuils prédéfinis indiquant à quel moment les performances dépassent une plage acceptable.
Les développeurs ont également besoin de procédures d’escalade. Ces procédures doivent indiquer à quel moment enquêter, restreindre l’utilisation, suspendre une mise à jour ou retirer un dispositif.
La commission recommande en outre des évaluations de l’équité en santé tout au long du cycle de vie. Les performances moyennes d’un modèle peuvent dissimuler des résultats plus faibles pour des populations insuffisamment desservies ou de plus petits groupes démographiques.
Cette question peut devenir plus grave lors d’un déploiement par étapes. Les premiers sites peuvent ne pas représenter l’ensemble de la population qui utilisera le système après son extension.
Une voie d’autorisation crédible doit donc préciser quels groupes figurent dans les données probantes. Elle doit également expliquer comment les régulateurs réagiront lorsque les performances diffèrent selon ces groupes.
La consultation publique de la commission étaye cette priorité. Une étude de la Health Foundation a organisé des ateliers réunissant 78 personnes à Cardiff, Milton Keynes et York en mars et avril 2026.
Les participants ont élaboré cinq principes pour la réglementation de l’IA en santé. La précision est arrivée en tête de leurs priorités, tandis que la supervision humaine et la protection contre l’inégalité des soins figuraient aussi parmi les conditions essentielles.
Ces résultats ne signifient pas que le public rejette l’IA en santé. Ils montrent que son acceptation dépend de contrôles visibles et de données probantes qui restent pertinentes après le déploiement.
C’est pourquoi la surveillance continue occupe une place centrale dans la réglementation britannique proposée pour les dispositifs médicaux d’IA. Elle lie l’accès précoce à une obligation permanente de démontrer la sécurité et l’efficacité.
L’autorisation par étapes échange une part de certitude contre de meilleures données probantes
L’autorisation par étapes accepte une incertitude limitée au départ, puis exige des données probantes plus solides avant d’élargir l’exposition.
La proposition de la commission remet en cause l’idée selon laquelle les régulateurs doivent lever toute incertitude avant qu’un produit n’atteigne les patients. Pour certains systèmes d’IA, un déploiement contrôlé peut produire de meilleures données probantes que des essais supplémentaires en laboratoire.
Cette approche peut être utile lorsque les performances dépendent fortement des flux de travail locaux. Elle peut aussi aider les développeurs à vérifier que les cliniciens utilisent un résultat comme prévu.
Par exemple, un modèle peut signaler de possibles AVC sur des images médicales. Sa précision technique compte, mais les délais de réponse, les effectifs, la présentation des alertes et les procédures d’escalade comptent également.
Un déploiement par étapes pourrait limiter ce modèle à des hôpitaux déterminés disposant de personnel formé. L’autorisation pourrait imposer des rapports fréquents et un dispositif de secours lorsque le service devient indisponible.
Le fabricant et les hôpitaux pourraient alors étudier si le système améliore les soins dans ces conditions. L’extension n’interviendrait qu’après le respect d’exigences prédéfinies en matière de sécurité et de performance.
La recommandation 14 de la commission indique que ces parcours devraient tenir compte de la maturité technique, du besoin clinique et des contrôles des risques nécessaires. Elle précise aussi que leurs conditions devraient être transparentes.
Le passage d’une autorisation par étapes à une autorisation complète doit être clairement défini. Sans cela, les hôpitaux pourraient dépendre d’un produit qui reste provisoire indéfiniment.
La proposition demande également que les plans de surveillance soient évalués au moment de l’autorisation. Les fabricants pourraient être tenus de mener des études post-commercialisation et de soumettre des rapports récurrents sur les performances.
Les régulateurs auraient besoin de procédures pour intervenir avant qu’un incident à signaler ne survienne. Une dégradation détectable des performances pourrait elle-même déclencher une escalade.
Cette conception inverse la répartition habituelle des données probantes. Elle n’élimine pas les essais préalables à la commercialisation, mais accorde un rôle plus important aux données probantes post-commercialisation.
Ce compromis présente des avantages potentiels. Les patients pourraient accéder plus tôt à des technologies prometteuses, et les régulateurs pourraient évaluer les performances dans les contextes les plus importants.
Il crée aussi de sérieux risques d’exécution. Un déploiement limité concerne toujours de vrais patients, et une surveillance insuffisante transformerait une incertitude contrôlée en exposition non maîtrisée.
La disponibilité des données constitue une contrainte. Les hôpitaux doivent recueillir des informations cohérentes sur les versions des modèles, les entrées, les résultats, les actions cliniques, les issues et les groupes de patients.
Ces dossiers peuvent être répartis entre des systèmes distincts. Un fabricant peut consulter des journaux techniques sans recevoir les résultats cliniques nécessaires pour les interpréter.
Les hôpitaux peuvent disposer de données sur les résultats tout en manquant de données de télémétrie sur le modèle nécessaires pour identifier une modification logicielle. Les régulateurs se retrouvent alors avec une vision incomplète, constituée à partir de plusieurs organisations.
La fréquence de surveillance impose un autre choix. Des rapports mensuels peuvent manquer une dégradation soudaine, tandis qu’une supervision en temps réel peut générer du bruit et de fausses alertes.
Les seuils de performance doivent également avoir une signification clinique. Un faible mouvement statistique peut ne pas affecter les soins aux patients, tandis qu’une variation moyenne modeste peut masquer un préjudice grave pour certains sous-groupes.
L’autorisation progressive exige donc plus qu’un simple label d’autorisation. Elle nécessite des normes de données, une traçabilité, des capacités d’analyse et des règles pour résoudre les preuves contradictoires.
Le Royaume-Uni a déjà testé certains éléments de ce modèle via le bac à sable AI Airlock. La MHRA a lancé ce programme en 2024 afin d’explorer les défis réglementaires à partir de produits réels.
Sa deuxième phase a examiné la surveillance après commercialisation, la production de preuves, les facteurs humains et les algorithmes évolutifs. Le programme a constaté que les cadres actuels peuvent être fragmentés et difficiles à appliquer de manière cohérente.
L’Airlock a également étudié les plans de contrôle des changements prédéterminés. Un PCCP décrit les modifications logicielles prévues, le processus qui les encadre et la manière dont leurs effets seront évalués.
Un tel plan peut permettre à un développeur d’apporter des catégories de changements approuvées sans demander un nouvel examen pour chaque mise à jour. Toutefois, le plan doit définir des limites claires et des exigences de validation.
Le rapport Airlock de 2026 a relevé que les PCCP n’étaient pas encore formellement intégrés au cadre britannique. Il a également décrit l’incertitude quant à leur fonctionnement concret.
Cette lacune est importante, car l’autorisation progressive et les mises à jour contrôlées dépendent de la prévisibilité réglementaire. Les développeurs doivent savoir quelles modifications restent couvertes par une autorisation existante.
Les régulateurs ont besoin d’une clarté équivalente sur les changements nécessitant un nouvel examen. Les hôpitaux doivent savoir quelle version est utilisée et si les preuves qui l’étayent restent applicables.
Un parcours progressif peut améliorer à la fois l’accès et les preuves lorsque ces éléments fonctionnent ensemble. Sans eux, il risque de devenir une voie d’autorisation plus souple, avec des défaillances plus difficiles à détecter.
La sécurité des patients dépend d’une responsabilité partagée
La partie la plus difficile de la réglementation tout au long du cycle de vie consiste à attribuer les actions à mener, et non simplement à détecter qu’un système d’IA a changé.
La commission rejette l’idée selon laquelle les fabricants peuvent à eux seuls gérer tous les risques. L’IA en santé fonctionne au sein d’un système sociotechnique, ce qui signifie que les résultats du logiciel dépendent des personnes, des organisations, des processus et des infrastructures.
Une sortie de modèle correcte peut néanmoins causer un préjudice si un clinicien l’interprète mal. À l’inverse, un résultat défectueux peut être détecté lorsque le personnel comprend les limites du système.
Le biais d’automatisation complique cette relation. Il désigne la tendance à privilégier une recommandation automatisée même lorsqu’il existe des éléments contraires.
La formation peut réduire ce risque, mais l’éducation seule ne suffit pas. Les interfaces, les charges de travail, les alertes, les politiques locales et les attentes de la direction façonnent tous le comportement des cliniciens.
La commission affirme que l’IA devrait soutenir les professionnels de santé plutôt que remplacer leur jugement. Elle demande également que les patients sachent lorsque l’IA contribue de manière substantielle à leurs soins.
Toutes les utilisations en arrière-plan n’exigent pas le même niveau d’information. Un outil administratif de planification soulève des préoccupations différentes d’un logiciel influençant un diagnostic ou un choix thérapeutique.
Le défi réglementaire consiste à définir une transparence proportionnée. Trop peu d’informations laisse les patients dans l’ignorance, tandis que des avis indiscriminés peuvent perdre tout sens.
La responsabilité devient encore plus importante lorsqu’un problème survient. Les patients ont besoin d’un mécanisme leur permettant d’obtenir une explication, une enquête, une correction et une réparation.
Un fabricant peut mettre en cause la mise en œuvre locale. Un hôpital peut se référer à un dispositif approuvé, tandis qu’un clinicien peut affirmer que le système a influencé la décision.
La commission souhaite que les responsabilités soient établies avant le déploiement. Les contrats d’approvisionnement, la gouvernance clinique et les conditions réglementaires devraient soutenir le même plan de surveillance et de réponse.
La politique britannique antérieure avait déjà reconnu cette question. Dans sa réponse réglementaire antérieure, le gouvernement a soutenu des accords entre fabricants et établissements de santé pour surveiller la sécurité et les performances.
Cette réponse a également approuvé un plan de repli au cas où un dispositif devrait être retiré. Toutefois, les responsables ont indiqué que certaines responsabilités relevaient des exigences d’approvisionnement plutôt que du droit relatif aux dispositifs médicaux.
La nouvelle commission adopte une vision plus large. Elle soutient que la réglementation, les achats, les normes professionnelles et la gouvernance des soins de santé doivent fonctionner comme un système interconnecté.
La proposition comprend une source publique consultable d’informations sur la sécurité des dispositifs d’IA. Les patients pourraient examiner les incidents connus et d’autres détails pertinents concernant des produits spécifiques.
Cela s’appuie sur le principe qui sous-tend les bases de données de sécurité existantes. Toutefois, une transparence utile exige plus que la publication de simples chiffres bruts d’incidents.
Un produit utilisé des millions de fois générera naturellement davantage de signalements qu’un système rarement déployé. Les différences dans les pratiques de signalement peuvent également fausser les comparaisons.
Les informations publiques doivent donc expliquer l’usage prévu, la version du dispositif, la classe de risque, l’échelle de déploiement et les limites des preuves disponibles. Sans cela, une ouverture apparente peut induire en erreur.
La commission recommande également de renforcer les pouvoirs d’application de la MHRA. Une surveillance continue offre peu de protection si un régulateur ne peut pas obtenir les données ou agir rapidement sur la base des preuves.
La MHRA devrait disposer de suffisamment d’expertise technique pour évaluer les performances des modèles et les modifications logicielles. Elle aurait également besoin de ressources pour superviser un nombre croissant de produits.
Jennifer Dixon, directrice générale de la Health Foundation, a identifié cette question de capacité dans l’annonce de la commission du gouvernement. Elle a déclaré que la mise en œuvre dépend des capacités, des compétences et des systèmes du NHS.
C’est l’angle sceptique le plus solide de la proposition. La conception est crédible, mais sa valeur protectrice dépend d’une infrastructure opérationnelle qui demeure inégale.
Les hôpitaux gèrent déjà d’importantes obligations en matière de sécurité clinique, de cybersécurité, d’approvisionnement et de données. La surveillance de l’IA tout au long de son cycle de vie ajoute un travail spécialisé à l’ensemble de ces fonctions.
Les petits prestataires peuvent avoir du mal à maintenir des équipes capables d’interpréter les dérives, les biais, les mises à jour et les performances en conditions réelles. Les petits développeurs peuvent rencontrer des limites similaires.
Un soutien centralisé pourrait réduire le travail en double. Une infrastructure de surveillance partagée et des normes communes de signalement faciliteraient la comparaison des preuves entre les sites.
Toutefois, la centralisation introduit ses propres risques. Une plateforme nationale de surveillance doit protéger les informations de santé sensibles et préserver un contexte local significatif.
Les recommandations de la commission reconnaissent que la mise en œuvre exige des régulateurs disposant de ressources adéquates. Elles n’établissent pas encore les budgets, les effectifs ou l’architecture technique.
Cette omission est compréhensible dans un rapport consultatif. Elle signifie également que le futur plan de mise en œuvre du gouvernement déterminera si la proposition modifie les pratiques.
Le Royaume-Uni s’inscrit dans une évolution internationale vers une supervision tout au long du cycle de vie
La proposition britannique est spécifique au contexte national, mais ses principaux outils réglementaires ressemblent de plus en plus aux approches utilisées par d’autres grandes autorités.
La réglementation des dispositifs médicaux d’IA devient un problème de coordination internationale. Les développeurs conçoivent souvent un produit unique pour plusieurs marchés, tandis que les régulateurs conservent leur responsabilité dans leurs propres juridictions.
Des définitions ou exigences de signalement différentes peuvent accroître les coûts de conformité. Plus important encore, des normes de preuve incohérentes peuvent rendre les signaux de sécurité difficiles à comparer.
La commission recommande une harmonisation internationale lorsqu’elle favorise une réglementation claire et résiliente. Elle reconnaît également que le Royaume-Uni doit conserver la responsabilité des produits utilisés par ses patients.
Un outil commun est le plan de contrôle des changements prédéterminés. La MHRA a contribué à l’élaboration de principes internationaux pour les PCCP avec la Food and Drug Administration américaine et Santé Canada.
Le cadre américain a davantage progressé. La FDA a publié des orientations finales sur les PCCP pour les fonctions logicielles de dispositifs activées par l’IA en août 2025.
Les orientations couvrent les modifications prévues, les méthodes de développement et de validation, les contrôles de mise en œuvre et les évaluations d’impact. La FDA examine le plan dans le cadre d’une demande de mise sur le marché.
Un développeur autorisé peut ensuite mettre en œuvre les changements couverts par ce plan sans déposer une demande distincte pour chaque modification. Les changements dépassant le cadre du plan exigent toujours un examen réglementaire approprié.
Ce modèle n’autorise pas les logiciels à s’auto-mettre à jour sans restriction. Il définit un espace contrôlé pour les changements anticipés et exige des preuves que les contrôles restent efficaces.
L’approche de la commission britannique fondée sur le cycle de vie complète cette idée. Un PCCP gère des catégories de changements connues, tandis qu’une surveillance continue recherche des problèmes de performance inattendus.
L’autorisation progressive intervient à un autre stade du cycle de vie. Elle régit la manière dont le périmètre initial d’un produit pourrait s’élargir à mesure que les preuves issues du monde réel réduisent l’incertitude.
L’Union européenne offre un autre point de comparaison important. Son cadre relatif aux dispositifs médicaux comprend déjà des exigences de surveillance après commercialisation et de vigilance.
L’AI Act de l’UE ajoute des exigences pour certains systèmes d’IA à haut risque. Pour les systèmes d’IA qui sont des dispositifs médicaux, les principales dispositions relatives au haut risque doivent s’appliquer à partir du 2 août 2027.
Les orientations européennes relient la surveillance après commercialisation à la nature et aux risques de la technologie. Cette direction ressemble à l’appel de la commission britannique en faveur d’une supervision proportionnée tout au long du cycle de vie.
Toutefois, les structures juridiques ne sont pas identiques. La Grande-Bretagne fonctionne dans le cadre du UK Medical Devices Regulations, tandis que les règles de l’UE continuent de s’appliquer en Irlande du Nord au titre du Windsor Framework.
Un développeur desservant le Royaume-Uni peut donc rencontrer des régimes réglementaires différents à l’intérieur même du pays. L’alignement peut réduire les frictions, mais il ne peut effacer ces distinctions juridiques.
La commission soutient également des voies de reconnaissance et de recours à des régulateurs étrangers de confiance. De telles voies peuvent prendre en compte des évaluations étrangères sans abandonner la décision finale du Royaume-Uni.
Cette approche pourrait réduire les examens redondants pour des produits disposant de preuves solides ailleurs. Elle pourrait également aider les patients à accéder plus tôt à des dispositifs utiles.
Le recours à ces mécanismes devient risqué si les autorités échangent des décisions d’approbation sans le contexte sous-jacent. Un modèle validé dans un autre système de santé peut fonctionner différemment au sein du NHS.
Les normes de données et des preuves transparentes sont donc essentielles. Les régulateurs ont besoin de suffisamment de détails pour déterminer si les résultats étrangers sont transposables aux populations et aux flux de travail locaux.
La coordination internationale peut également améliorer la surveillance après l’autorisation. Un signal de sécurité apparaissant sur un marché peut être pertinent avant que le même schéma ne devienne visible ailleurs.
Une terminologie commune pour les versions de modèles, les changements, les incidents et les mesures de performance rendrait ces signaux plus faciles à interpréter. Elle rendrait également les obligations des fabricants plus prévisibles.
Pourtant, l’harmonisation ne devrait pas devenir une course vers la voie la moins exigeante. Les développeurs préféreront naturellement les marchés offrant des autorisations claires et rapides.
La commission tente de faire de la sécurité et de la rapidité des objectifs qui se renforcent mutuellement. Des conditions prévisibles peuvent encourager l’investissement tandis que des preuves continues protègent les patients.
Cette promesse reste à démontrer. Le Royaume-Uni doit prouver qu’un accès progressif produit de meilleures preuves sans réduire le niveau d’exigence requis pour une autorisation complète.
S’il réussit, ce cadre pourrait influencer d’autres régulateurs. Si sa mise en œuvre devient lente ou incohérente, les développeurs pourraient faire face à une couche procédurale supplémentaire sans gagner en clarté.
Trois signaux indiqueront si la réforme protège les patients
Le prochain test sera de savoir si les ministres transforment un plan consultatif en règles applicables, en suivi financé et en information publique utilisable.
Le premier signal sera la réponse officielle du gouvernement. Les responsables devront décider quelles recommandations ils acceptent et lesquelles nécessitent une législation, des orientations ou des changements opérationnels.
Une réponse solide identifierait les organisations responsables et des dates cibles. Elle distinguerait également les orientations à court terme de la MHRA des changements nécessitant de modifier le droit applicable aux dispositifs médicaux.
Ce signal révélera si l’autorisation progressive devient une voie clairement définie ou reste une ambition politique. Des règles claires de progression et de retrait renforceraient la position de la commission.
Des engagements vagues l’affaibliraient. Les développeurs et les hôpitaux ne peuvent pas concevoir de programmes de production de preuves autour d’un concept d’autorisation sans conditions réglementaires détaillées.
Le deuxième signal sera la conception du suivi post-commercialisation. Les détails importants comprennent les indicateurs requis, la fréquence des rapports, l’analyse par sous-groupes et les seuils d’escalade.
Le Royaume-Uni a renforcé la surveillance générale des dispositifs grâce à des règles entrées en vigueur en 2025. Toutefois, les conclusions d’Airlock expliquent pourquoi l’IA exige un traitement plus spécifique.
Les systèmes actuels peuvent supposer que les changements sont distincts et détectables. Certaines défaillances de l’IA émergent progressivement ou uniquement dans certains environnements cliniques.
Un plan de mise en œuvre crédible devrait relier les versions des dispositifs aux sites de déploiement et aux preuves de performance. Il devrait également préciser qui enquête sur les signaux contradictoires.
La communication publique doit être conçue avec soin. Les régulateurs doivent fournir des informations utiles sur la sécurité sans exposer de données de santé privées ni encourager des comparaisons trompeuses.
Si la MHRA publie des normes communes en matière de preuves et de rapports, la supervision tout au long du cycle de vie deviendra mesurable. Si chaque hôpital et fabricant invente sa propre méthode, la visibilité nationale restera limitée.
Le troisième signal sera la capacité de mise en œuvre au sein du NHS et de la MHRA. Les exigences de suivi ne fonctionnent que lorsque les organisations disposent des personnes, des outils et de l’autorité nécessaires pour agir.
Il faudra surveiller les financements, le recrutement de spécialistes, l’infrastructure technique partagée et la définition des rôles des cliniciens. Les documents d’approvisionnement devraient également attribuer les responsabilités avant le début du déploiement.
Cette question de capacité déterminera si la supervision continue devient proactive ou génère simplement davantage de paperasse. C’est aussi là que se rencontrent la sécurité des patients et les incitations à l’innovation.
Les développeurs bénéficient d’exigences de preuve cohérentes entre les sites du NHS. Les hôpitaux en bénéficient lorsqu’ils peuvent réutiliser des méthodes de suivi validées et éviter de dupliquer le travail technique.
Les équipes qui se préparent à cet environnement devraient conserver les décisions, la documentation des modèles, les rapports de performance et les communications réglementaires dans une base de connaissances interrogeable. La traçabilité fera partie des opérations quotidiennes, et non d’un exercice final de conformité.
La proposition britannique de réglementation des dispositifs médicaux d’IA apporte une réponse cohérente à une réelle faiblesse de l’approbation ponctuelle. Elle reconnaît que l’évolution des logiciels exige une évolution de la supervision.
Son succès ne se mesurera pas au nombre de produits d’IA qui entrent dans le NHS. Les mesures pertinentes seront de savoir si les problèmes apparaissent plus tôt, si les responsabilités restent claires et si les patients reçoivent des soins plus sûrs.
La question immédiate est donc pratique : le gouvernement financera-t-il et appliquera-t-il l’infrastructure nécessaire pour rendre réelle la réglementation tout au long du cycle de vie ?
