6 min de lecture
Les logiciels dotés d'IA passent d'une fonctionnalité « d'assistance » à des systèmes qui façonnent de manière significative les décisions cliniques et les flux de travail opérationnels. Cette évolution accélère l'innovation, mais elle renforce également les exigences en matière de gouvernance, de transparence et de contrôle du cycle de vie. En 2026, le changement le plus déterminant pour de nombreux développeurs ne réside pas dans le fait que les autorités réglementaires accepteront l'IA/ML, mais dans la manière dont elles s'attendent à ce que les fabricants gèrent le changement continu sans compromettre la sécurité et l'efficacité.
Pour les équipes qui développent des fonctionnalités de SaMD basées sur l'IA, le dialogue réglementaire est de plus en plus centré sur le cycle de vie. La question posée par les autorités est simple. Si le modèle évolue, comment préserver la validité clinique, maîtriser les risques et documenter les modifications de manière à ce qu'elles restent contrôlables ?
Ce blog analyse les implications pratiques de cette évolution, en se concentrant sur la notion de cycle de vie global du produit (TPLC) et de « fabrication d'algorithmes », où les mises à jour continues des modèles sont traitées avec la rigueur d'un processus de production plutôt que comme un événement de développement ponctuel.
La nouvelle référence : gouvernance du cycle de vie pour les systèmes d'apprentissage
La plus grande idée reçue concernant l'IA/ML dans les SaMD est qu'un modèle approuvé est un produit « achevé ». En réalité, un SaMD doté d'IA se comporte davantage comme un système vivant. Ses performances dépendent de la qualité des données, du contexte clinique, des modes d'interaction des utilisateurs et des conditions de déploiement. Avec le temps, la dérive des données, les changements de jeux de données et l'évolution des flux de travail peuvent entraîner une dégradation silencieuse des performances, en particulier dans les environnements à forte variabilité tels que l'imagerie, le tri et la surveillance.
C'est pourquoi les autorités réglementaires évaluent de plus en plus votre modèle opérationnel, et pas seulement votre dossier de pré-commercialisation. Un plan crédible démontre comment vous détecterez les problèmes en amont, limiterez les risques et gérerez les mises à jour avec rigueur. Pour un dispositif médical, cela signifie que les pratiques d'ingénierie doivent être étroitement intégrées aux systèmes de qualité, à la surveillance après commercialisation et à la gestion des modifications.
Ce que l'année 2026 implique pour l'IA et le ML de la FDA : les PCCP et le TPLC comme guide pratique
L'orientation de la FDA est claire : l'innovation sécurisée en matière d'IA repose sur une gouvernance des mises à jour prévisible et prédéfinie. En pratique, c'est ainsi que la réglementation de la FDA sur l'IA devient opérationnelle, grâce à des plans structurés qui définissent ce qui peut changer, la manière dont les modifications seront validées et ce qui sera surveillé après le déploiement.
Le plan de contrôle des modifications prédéterminé (PCCP) constitue un mécanisme essentiel à cet égard. Les directives finales de la FDA sur les PCCP fournissent un cadre concret pour pré-autoriser des catégories de mises à jour de modèles sans exiger une nouvelle soumission pour chaque modification couverte, à condition que les engagements de validation et de surveillance du plan soient respectés.
Cette approche s'inscrit dans le droit fil des attentes plus larges de la FDA en matière de cycle de vie global du produit pour les SaMD, où le « produit » n'est pas seulement l'élément livré, mais l'ensemble des contrôles qui garantissent la sécurité d'une version à l'autre. Pour les équipes qui interprètent les directives relatives aux SaMD et à la FDA, la conclusion pratique est que la gouvernance fait désormais partie intégrante des preuves à fournir.
La perspective européenne : le règlement relatif aux dispositifs médicaux (MDR) croise le règlement sur l'intelligence artificielle de l'UE
En Europe, les SaMD dotés d'IA se situent au carrefour de la réglementation sur les dispositifs médicaux et de la gouvernance horizontale de l'IA. Le MDR reste le fondement en matière de performances cliniques, de sécurité et d'obligations après commercialisation. Néanmoins, le règlement sur l'intelligence artificielle de l'UE introduit des exigences supplémentaires liées à la gestion des risques, à la transparence, à la responsabilité et à la surveillance des systèmes d'IA à haut risque, en particulier lorsque les résultats peuvent influencer de manière significative les décisions cliniques.
Le texte juridique officiel du règlement sur l'intelligence artificielle de l'UE clarifie le champ d'application, les obligations et les exigences de gouvernance au niveau de l'Union européenne.
Pour les développeurs, l'approche stratégique réside dans l'intégration et non dans la duplication. Si vous créez un parcours parallèle de « conformité de l'intelligence artificielle » distinct de votre système de management de la qualité (SMQ) et de votre gouvernance clinique, vous vous exposez à des risques d'incohérence. L'approche la plus évolutive consiste à superposer les attentes de la législation sur l'intelligence artificielle (AI Act) aux contrôles du cycle de vie existants et alignés sur le règlement relatif aux dispositifs médicaux (RDM) : gestion des risques, documentation liée aux revendications cliniques et surveillance après commercialisation intégrant la dérive, les signaux de biais et les risques liés à l'ergonomie.
L'IMDRF et les « bonnes pratiques » comme langage commun mondial
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 l'élaboration d'attentes partagées pour les dispositifs médicaux dotés d'une intelligence artificielle, en particulier en ce qui concerne les bonnes pratiques applicables tout au long du cycle de vie. L'écosystème SaMD de l'IMDRF considère de plus en plus les « bonnes pratiques d'apprentissage automatique » comme une référence de base pour le développement, la validation et la maintenance en toute sécurité.
Sur un plan pratique, cela aide les fabricants à harmoniser leur stratégie entre les différentes régions : même si les formats de dossier diffèrent, les attentes sous-jacentes en matière de gouvernance des données, de rigueur d'évaluation et de rigueur de surveillance deviennent de plus en plus cohérentes.
Fabrication d'algorithmes : transformer les mises à jour de modèles en un processus de production contrôlé
Si vous devez retenir un seul modèle conceptuel pour 2026, c'est que les SaMD intégrant l'intelligence artificielle nécessitent une « fabrication d'algorithmes ». Cela signifie qu'il faut traiter les mises à jour de modèles comme une production contrôlée, avec des intrants, des méthodes, des critères d'acceptation et des décisions de mise sur le marché standardisés et auditable.
Une approche rigoureuse comprend généralement :
- Des « types de modifications » clairement définis (actualisation des données, ajustement des seuils, modifications de l'architecture du modèle) ainsi que les éléments de preuve requis pour chacun d'eux
- Un protocole d'évaluation verrouillé pouvant être exécuté de manière répétée d'une version à l'autre
- Des signaux de surveillance reflétant de manière significative les performances cliniques (et pas seulement des mesures techniques)
- Une gouvernance qui associe les modifications à l'utilisation prévue, aux mesures de maîtrise des risques et aux revendications d'étiquetage
C'est précisément là que l'intelligence artificielle et l'apprentissage automatique dans le domaine des logiciels en tant que dispositifs médicaux passent de la sophistication des modèles à la rigueur du cycle de vie. Les gagnants du prochain cycle seront les équipes capables d'innover et de démontrer leur maîtrise.
Où se concentre la valeur : les applications concrètes qui font l'objet d'un examen approfondi
L'examen le plus strict intervient souvent lorsque les résultats fournis par l'intelligence artificielle peuvent modifier directement les décisions thérapeutiques. Les applications de l'IA/ML dans les logiciels en tant que dispositifs médicaux concernent généralement la détection, le triage, la prédiction des risques et l'optimisation des flux de travail, des domaines où la qualité des preuves et la surveillance des dérives comptent autant que la précision du modèle.
Les systèmes d'aide à la décision clinique constituent une catégorie particulièrement importante, dans laquelle les résultats de l'intelligence artificielle peuvent influencer les choix de diagnostic ou de traitement. À ce titre, les autorités réglementaires ont tendance à examiner trois questions : quelle décision clinique est concernée ? Quelle est la conséquence d'une erreur ? Et comment l'utilisateur humain est-il censé interpréter les résultats et agir en conséquence dans des conditions réelles ?
Cet examen minutieux est également lié à la croissance macroéconomique. À mesure que le marché des logiciels en tant que dispositifs médicaux se développe, les autorités réglementaires se concentrent de plus en plus sur des modèles de gouvernance évolutifs capables de suivre le rythme de l'adoption, des versions itératives et du déploiement sur plusieurs marchés.
Conclusion : la stratégie comme système de cycle de vie, et non comme événement de lancement
La réglementation des SaMD dotés d'une intelligence artificielle en 2026 converge vers un principe fondamental : l'apprentissage continu exige un contrôle continu. Que vous vous aligniez sur la réglementation des SaMD aux US, en Europe ou à l'échelle mondiale, les autorités réglementaires s'orientent vers le même objectif : s'assurer avec certitude que les performances se maintiennent dans le durée et que les changements sont gérés de manière responsable.
En pratique, les équipes qui opérationnalisent la pensée TPLC en reliant la durabilité des preuves, la gouvernance du changement et la surveillance en conditions réelles ont tendance à s'aligner plus systématiquement sur les attentes décrites dans Guide complet sur la conformité et l'enregistrement mondial des logiciels en tant que dispositifs médicaux (SaMD) et les exigences opérationnelles du cycle de vie abordées dans la conformité réglementaire des logiciels en tant que dispositifs médicaux (SaMD).
Contactez Freyr Solutions pour discuter de votre stratégie réglementaire pour les SaMD et découvrir comment Freyr peut simplifier vos enregistrements mondiaux.
