,
6 min de lecture
Les logiciels basés sur l'IA évoluent, passant de simples fonctionnalités « d'assistance » à des systèmes qui influencent de manière significative les décisions cliniques et les processus opérationnels. Cette évolution stimule l'innovation, mais elle renforce également les attentes en matière de gouvernance, de transparence et de maîtrise du cycle de vie. En 2026, le changement le plus déterminant pour de nombreux développeurs ne sera pas de savoir si les autorités de réglementation accepterontML, mais comment elles attendront des fabricants qu'ils gèrent ces changements permanents sans compromettre la sécurité et l'efficacité.
Pour les équipes qui développent des capacités SaMD , le débat réglementaire s'articule de plus en plus autour du cycle de vie. La question posée par les autorités de réglementation est simple : si le modèle évolue, comment préserver la validité clinique, maîtriser les risques et documenter les changements de manière à garantir la traçabilité ?
Ce blog explore les implications pratiques de cette évolution, en mettant l'accent sur l'approche du cycle de vie total du produit (TPLC) et la « fabrication d'algorithmes », où les mises à jour continues des modèles sont gérées avec la rigueur d'un processus de production plutôt que comme une opération de développement ponctuelle.
La nouvelle norme : la gouvernance du cycle de vie des systèmes d'apprentissage
La plus grande idée fausse concernantML SaMD qu'un modèle validé est « achevé ». En réalité, SaMD basé sur l'IA SaMD davantage comme un système vivant. Ses performances dépendent de la qualité des données, du contexte clinique, des habitudes d'interaction des utilisateurs et des conditions de déploiement. Au fil du temps, les dérives, l'évolution des ensembles de données et les changements dans les flux de travail peuvent entraîner une dégradation insidieuse des performances, en particulier dans des environnements à forte variabilité tels que l'imagerie, le triage et la surveillance.
C'est pourquoi les autorités de réglementation évaluent de plus en plus votre modèle opérationnel, et pas seulement votre dossier de mise sur le marché. Un plan crédible montre comment vous comptez détecter les problèmes à un stade précoce, limiter les risques et gérer les mises à jour avec rigueur. Pour un dispositif médical, cela signifie que les pratiques d'ingénierie doivent être étroitement intégrées aux systèmes qualité, à la surveillance post-commercialisation et au contrôle des modifications.
Ce que 2026 signifie pour FDA et ML à FDA : les PCCP et les TPLC comme guide pratique
La position FDAest claire : pour que l'innovation en matière d'IA soit sûre, il faut un cadre de gouvernance des mises à jour prévisible et prédéfini. Concrètement, c'est là que la réglementation FDA entre en jeu, à travers des plans structurés qui définissent ce qui peut changer, comment ces changements seront validés et ce qui fera l'objet d'un suivi après le déploiement.
Le plan de contrôle des modifications prédéterminé (PCCP) constitue un mécanisme essentiel à cet égard. Les recommandations finalesFDA concernant les PCCP fournissent un cadre concret permettant d'autoriser au préalable certaines catégories de mises à jour de modèles sans qu'il soit nécessaire de déposer une nouvelle demande pour chaque modification concernée, à condition que les engagements du plan en matière de validation et de surveillance soient respectés.
Cette approche s'inscrit dans le cadre des attentes plus générales FDA FDA concernant le cycle de vie complet des produitsSaMD, selon lesquelles le « produit » ne se limite pas à la version commercialisée, mais englobe également le système de contrôles qui garantit la sécurité d'une version à l'autre. Pour les équipes chargées d'interpréter FDA SaMD , la conclusion pratique est que la gouvernance fait désormais partie intégrante des éléments de preuve.
Le point de vue de l'UE : le règlement MDR et la loi européenne sur l'IA
En Europe, SaMD basés sur l'IA SaMD à la croisée de la réglementation des dispositifs médicaux et de la gouvernance horizontale de l'IA. Le RDM continue de régir les performances cliniques, la sécurité et les obligations post-commercialisation. Toutefois, la loi européenne sur l'IA introduit des exigences supplémentaires en matière de gestion des risques, de transparence, de responsabilité et de surveillance pour les systèmes d'IA à haut risque, en particulier lorsque leurs résultats peuvent influencer de manière significative les décisions cliniques.
Le texte juridique officiel de la loi européenne sur l'IA précise le champ d'application, les obligations et les exigences en matière de gouvernance au niveau de l'Union européenne.
Pour les développeurs, la stratégie à adopter est l'intégration, et non la duplication. Si vous mettez en place un volet « conformité IA » parallèle, distinct de votre système de gestion de la qualité (SGQ) et de votre gouvernance clinique, vous vous exposez à un risque d'incohérence. L'approche la plus évolutive consiste à aligner les exigences de la loi sur l'IA sur les contrôles existants du cycle de vie conformes au Règlement sur les dispositifs médicaux (MDR) : gestion des risques, documentation liée aux allégations cliniques et surveillance post-commercialisation, qui inclut la dérive, les signaux de biais et les risques liés à l'ergonomie.
L'IMDRF et les « bonnes pratiques » comme langage commun à l'échelle mondiale
La convergence mondiale reste encore imparfaite, mais elle s'accélère autour de principes communs. Les travaux de l'IMDRF ont joué un rôle déterminant dans la définition d'attentes communes concernant les dispositifs médicaux basés sur l'IA, notamment en ce qui concerne les bonnes pratiques qui devraient s'appliquer tout au long de leur cycle de vie. L'écosystème SaMD de l'IMDRF considère de plus en plus les « bonnes pratiques en matière d'apprentissage automatique » comme une référence pour garantir la sécurité du développement, de la validation et de la maintenance.
Concrètement, cela aide les fabricants à mettre en œuvre leur stratégie dans toutes les régions : même si les formats des dossiers varient, les attentes sous-jacentes en matière de gouvernance des données, de rigueur d'évaluation et de discipline de suivi s'harmonisent de plus en plus.
Fabrication d'algorithmes : transformer les mises à jour de modèles en un processus de production contrôlé
Si l'on devait retenir un seul modèle conceptuel pour 2026, ce serait SaMD basé sur l'IA, SaMD nécessite une « fabrication d'algorithmes ». Cela implique de traiter les mises à jour des modèles comme une production contrôlée, avec des données d'entrée, des méthodes, des critères d'acceptation et des décisions de mise en production standardisés et vérifiables.
Une approche solide comprend généralement :
- Des « types de modification » clairement définis (actualisation des données, ajustement des seuils, modifications de l'architecture du modèle) et les justificatifs requis pour chacun d'entre eux
- Un protocole d'évaluation figé pouvant être exécuté à plusieurs reprises sur différentes versions
- Suivi des signaux qui reflètent de manière significative les performances cliniques (et pas seulement les indicateurs techniques)
- Une gouvernance qui établit un lien entre les modifications, l'usage prévu, les mesures de contrôle des risques et les allégations figurant sur l'étiquetage
C'est là que l'intelligence artificielle et l'apprentissage automatique dans le domaine des logiciels considérés comme des dispositifs médicaux passent de la sophistication des modèles à la maîtrise du cycle de vie. Les équipes qui sauront innover et faire preuve de maîtrise seront les gagnantes du prochain cycle.
Là où se concentre la valeur : des applications concrètes qui suscitent l'intérêt
C'est souvent lorsque les résultats générés par l'IA peuvent influencer directement les décisions cliniques que la surveillance est la plus stricte. Les applications deML des logiciels considérés comme des dispositifs médicaux concernent généralement la détection, le triage, la prévision des risques et l'optimisation des flux de travail, des domaines où la qualité des données probantes et la surveillance des dérives sont tout aussi importantes que la précision des modèles.
Les systèmes d'aide à la décision clinique constituent une catégorie particulièrement importante, dans laquelle les résultats générés par l'IA peuvent influencer les choix en matière de diagnostic ou de traitement. Dans ce contexte, les autorités de régulation ont tendance à se poser trois questions : quelle décision clinique est concernée ? Quelles sont les conséquences d'une erreur ? Et comment l'utilisateur humain est-il censé interpréter ces résultats et agir en conséquence dans des conditions réelles ?
Cette surveillance est également liée à la croissance macroéconomique. À mesure que le marché des logiciels considérés comme des dispositifs médicaux prend de l'ampleur, les autorités de régulation s'intéressent de plus en plus à des modèles de gouvernance évolutifs, capables de suivre le rythme de l'adoption, des mises à jour itératives et du déploiement sur plusieurs marchés.
Conclusion : la stratégie comme système évolutif, et non comme simple événement de lancement
SaMD basés sur l'IA en 2026 tend à s'articuler autour d'un principe fondamental : l'apprentissage continu exige un contrôle continu. Que vous vous conformiez à SaMD aux US, en Europe ou à l'échelle mondiale, les autorités de régulation s'accordent sur un même objectif : garantir que les performances soient maintenues dans le temps et que les changements soient gérés de manière responsable.
Dans la pratique, les équipes qui mettent en œuvre l'approche TPLC en associant la pérennité des données, la gouvernance du changement et le suivi en conditions réelles ont tendance à se conformer davantage aux attentes décrites dans le Guide complet sur la conformité et l'enregistrement mondial des logiciels utilisés comme dispositifs médicaux (SaMD), ainsi qu'aux exigences opérationnelles tout au long du cycle de vie abordées dans le document « Conformité réglementaire des logiciels utilisés comme dispositifs médicaux (SaMD) ».
Contactez Freyr Solutionspour discuter de votre stratégie SaMD et découvrir comment Freyr peut simplifier vos enregistrements à l'échelle mondiale.
