L’Afrique du Sud a accueilli 26 jeunes chercheurs de sept pays africains pour une formation consacrée à l’intelligence artificielle appliquée à l’imagerie médicale. Organisée du 5 au 10 octobre 2026 au Cap, la sixième édition de la Big Data Africa School a également intégré, pour la première fois, l’informatique quantique à son programme.
Une formation africaine à l’IA appliquée à la santé
Organisée par le South African Radio Astronomy Observatory (SARAO), la Big Data Africa School vise à renforcer les compétences africaines en science des données et en intelligence artificielle.
Cette édition a réuni des étudiants du Botswana, du Ghana, du Kenya, de Madagascar, de Namibie, d’Afrique du Sud et de Zambie. Les participants poursuivent des formations universitaires en informatique, ingénierie, bioinformatique, sciences physiques ou analyse de données.
Pendant six jours, ils ont travaillé sur des problématiques médicales concrètes, en utilisant notamment le machine learning et le deep learning.
L’objectif consistait à leur apprendre à exploiter de grands volumes de données pour développer des outils susceptibles d’améliorer l’analyse des images médicales.
Cette approche présente un intérêt particulier pour les systèmes de santé africains, confrontés à des besoins importants en matière de diagnostic, d’équipements spécialisés et de formation scientifique.
Le programme repose sur une collaboration entre plusieurs institutions, dont IBM Research Africa, le projet Development in Africa with Radio Astronomy (DARA) et l’Inter-University Institute for Data Intensive Astronomy (IDIA).
Ce dernier a notamment fourni les infrastructures informatiques permettant aux étudiants de travailler sur des ensembles de données volumineux.
Cinq projets pour améliorer l’imagerie médicale grâce à l’IA
La formation s’est articulée autour de cinq projets de recherche, chacun consacré à une application précise de l’intelligence artificielle dans le domaine médical.
Les participants ont notamment exploré :
- L’interprétation des décisions de l’IA, afin de mieux comprendre comment un algorithme classe une image médicale.
- Les biais des systèmes de diagnostic, pour étudier les différences de performance entre groupes démographiques.
- L’informatique quantique, appliquée à l’analyse de données biologiques liées au cancer du sein.
- La reconstruction d’images IRM, à l’aide de techniques d’apprentissage profond génératif.
- L’analyse des maladies pulmonaires, pour identifier des marqueurs permettant d’estimer l’évolution de la fibrose pulmonaire idiopathique.
Ces travaux répondent à plusieurs limites des technologies médicales actuelles.
Les algorithmes peuvent notamment produire des résultats différents selon les populations représentées dans les données utilisées pour leur entraînement. Leur fiabilité dépend donc de la qualité et de la diversité des informations disponibles.
La reconstruction des images par résonance magnétique constitue un autre domaine prometteur. Certaines méthodes d’IA peuvent contribuer à reconstruire des images exploitables à partir de données d’acquisition moins nombreuses, avec l’objectif de réduire la durée des examens.
Les projets réalisés pendant cette formation restent toutefois des travaux pédagogiques et expérimentaux. Ils ne constituent pas des dispositifs médicaux validés pour une utilisation clinique.
L’informatique quantique fait son entrée dans le programme
La principale nouveauté de cette sixième édition concerne l’introduction de l’informatique quantique, une technologie encore émergente dans ses applications médicales.
Contrairement aux ordinateurs classiques, qui utilisent des bits, les ordinateurs quantiques exploitent des qubits et certaines propriétés de la mécanique quantique pour effectuer des calculs.
Dans le domaine de la santé, les chercheurs étudient leur capacité à traiter certains problèmes complexes, notamment en biologie moléculaire et en analyse de données.
À la Big Data Africa School, les étudiants ont découvert des méthodes combinant informatique classique et calcul quantique.
L’un des projets portait sur la classification de données liées au cancer du sein à l’aide de réseaux neuronaux quantiques.
Cette approche demeure expérimentale. Les avantages pratiques de l’informatique quantique par rapport aux méthodes conventionnelles doivent encore être démontrés pour de nombreuses applications médicales.
L’enjeu de la formation était donc avant tout de familiariser les chercheurs africains avec ces technologies et leurs possibilités futures.
Pourquoi cette initiative compte pour la recherche africaine
Lancée en 2017, la Big Data Africa School a progressivement élargi ses domaines d’intervention, de la radioastronomie à l’observation de la Terre, puis à la santé.
Cette diversification permet de transférer vers d’autres disciplines des compétences initialement développées pour analyser les immenses volumes de données astronomiques.
L’édition 2026 se distingue également par la participation féminine. Plus de la moitié des 26 étudiants étaient des femmes, pour la troisième édition consécutive.
À l’issue des travaux, l’équipe Fibro 5, consacrée aux biomarqueurs de la fibrose pulmonaire idiopathique, a remporté la compétition organisée entre les groupes.
Financée dans le cadre du programme britannique International Science Partnerships Fund, cette initiative cherche surtout à développer des compétences durables et des collaborations scientifiques internationales.
Son impact dépendra désormais de la capacité des participants à poursuivre leurs recherches et à transformer les connaissances acquises en projets concrets, adaptés aux besoins des systèmes de santé africains.
