NUMERO SPECIAL - CALL FOR PAPER La puissance transformatrice du numérique en santé : Nouveaux challenges et perspectives de recherche

NUMERO SPECIAL - CALL FOR PAPER

 La puissance transformatrice du numérique en santé :

Nouveaux challenges et perspectives de recherche

 

Comme le soulignent Orlikowski et Iacono (2001), si les chercheurs en SI ont non seulement l’opportunité d’influencer l’avenir, ils ont surtout la responsabilité de le faire en rendant compte de ce que le numérique change, en saisissant ce qui disparaît et ce qui se crée.

 

Dans le domaine de la santé, ces dernières années ont été marquées par une croissance massive des innovations et implémentations de technologies numériques : développement de la santé mobile (Motammarri et al., 2014 ; Ghose et al., 2022), déploiement de dispositifs numériques de suivi des patients (Chan et al., 2020), opérationnalisation des systèmes intégrés de dossiers médicaux électroniques (Eden et al., 2022), introduction de l’intelligence artificielle appliquée au diagnostic clinique (Anichini & Geffroy, 2021, Abdel-Karim, et al., 2023), développement des thérapies d’immersion via la réalité virtuelle (Lacity et al., 2023), utilisation de la technologie blockchain (Dubovitskaya et al., 2020). Mais au-delà du foisonnement de dispositifs numériques innovants, ce qui est frappant désormais semble d’un autre ordre : leur interdépendance qui nourrit de nouvelles formes de complexité, le mouvement de quantification à l’œuvre (médecine intensive en données) et les modes sans précédents de calcul instantané (médecine algorithmique) qui les supportent, les enjeux de connectivité (télémédecine)… autant de dynamiques à même de décupler la puissance transformatrice du numérique.

L'analyse des données et l'Intelligence Artificielle (IA), stimulées par l'accélération de la quantité de données collectées dans le secteur, portent des ruptures et des innovations radicales dans les soins de santé.

Par exemple, les progrès rapides en IA créent de nouvelles opportunités en santé. Ces technologies ont à elles seules un pouvoir transformateur sur l’industrie et la société. Mais au travers de leur intégration, leurs effets disruptifs augmentent de manière exponentielle et posent de nouveaux problèmes. Ainsi, plus les organisations collectent des données du fait d’une intégration accrue des dispositifs numériques, plus la question de la protection de la vie privée est brûlante (compte tenu de la sensibilité des données collectées et traitées). Avec la diffusion d’algorithmes fondés sur l’auto-apprentissage, les problématiques de cybersécurité deviennent un sujet de préoccupation d’autant plus critique. Cette nouvelle génération d’innovations numériques soulève par ailleurs de nouvelles questions de gouvernance, notamment celle posée par l’implication de nouvelles parties prenantes pour l’analyse des systèmes de santé, incarnées par l’intervention d’agents non humains dans les systèmes de décision automatisée et algorithmique (Niederman & Baker, 2023).

De même, l’explicabilité, la responsabilité, les relations entre les professionnels de santé et l’organisation du travail, constituent des défis majeurs associés aux usages de l’IA pour les organisations de santé (Schwennesen, 2019 ; Choudhury & Asan, 2022 ; Siala, & Wang, 2022). La complexité des algorithmes et le volume colossal de données utilisées par l’IA rendent en effet extrêmement difficile la compréhension et donc l’explicabilité du fonctionnement et des résultats que l’IA produit ; le deep learning en est une illustration emblématique (Lebovitz et al., 2021). L’interrogation sur la responsabilité du professionnel de santé et de l’organisation à laquelle il est rattaché prend toute son acuité lorsqu’il a recours à cette technologie (Reis et al., 2020 ; Lebovitz et al., 2021). Sur le plan managérial, le recours à l’IA est un élément perturbateur majeur des systèmes de gestion des soins de santé (Cavallone & Palumbo, 2020) contribuant à modifier les relations entre les acteurs mais aussi à faire émerger de nouvelles organisations de travail au cœur desquelles s’expriment de nouvelles compétences. Offrir aux patients un accès élargi à la santé via la télémédecine ou aux objets connectés pour une surveillance à distance, modifie en profondeur l’organisation des soins et la figure du patient. Cela soulève aussi de nombreux défis sur le plan de l’équité en matière de santé et de confiance (Petersen et al., 2019).

 

Pour certains, nous assistons là à une rupture significative (Davenport et al., 2019 ; Mesko et al., 2017). Pour d’autres, les avancées technologiques en santé oscillent entre continuité et basculement. Nombre de recherches ont montré que l'impact des premières générations de technologies de l'information sur les soins de santé a été largement en deçà des attentes (Payton et al., 2011, Eden et al., 2018). Et même si la crise du Covid a conduit à l’accélération de la transformation numérique du secteur des soins de santé (Lin et al., 2021), ce dernier, et encore plus le secteur du médico-social, restent marqués par une adoption lente des innovations dans le domaine des technologies de santé numériques.

 

Les capacités transformatrices des technologies numériques dans le secteur de la santé demeurent complexes à appréhender, s’inscrivant dans des spécificités structurelles, telles que :

 

• La complexité du domaine lié à la multiplicité des acteurs concurrents et/ou coopérants (industriels, consommateurs, patients, les professionnels de la santé, compagnies d’assurance…)., un environnement institutionnel également caractérisé par de multiples niveaux de régulation et le pouvoir des organismes professionnels.

 

• Le défi permanent que constitue l’intégration de systèmes hérités, de la diversité des plateformes technologiques et des réglementations strictes qui posent des problèmes majeurs d’interopérabilité, les gouvernements, les fournisseurs et les utilisateurs devant s'accorder sur des cadres d'interopérabilité et de normalisation dans un contexte de réglementation en constante évolution (Spil et al., 2007).

 

• Les freins à la diffusion des technologies. Chaque nouvelle technologie intégrée dans un parcours de soins introduit une multiplicité de changements dans le contexte existant comme autant d’obstacles et de résistance. Ces changements peuvent concerner l'organisation sociale et spatiale des soins, mais aussi la division du travail médical et paramédical, et les interactions entre leurs différents acteurs. Elles peuvent concerner les activités de travail elles-mêmes ainsi que les niveaux de connaissance et les identités professionnelles (Lapointe & Rivard, 2005 ; Liang & Xue, 2022).

 

• La dynamique du pouvoir à l’exercice dans l'industrie des soins de santé́, soulignée dans les travaux sur la gouvernance des SI et l’orientation du développement de l’IA (Xue et al., 2008 ; Dwivedi et al., 2021). Ou encore, la dynamique du pouvoir interne au sein d'une organisation de soins de santé́, mais aussi celle, externe, qui s’exerce souvent entre les patients et les soignants (Woodside, 2016).

 

La puissance transformatrice du numérique en santé est-elle de nature à améliorer l'efficacité et l'efficience des systèmes de santé ? Comme l’Organisation Mondiale de la Santé (2021) le rappelle, les innovations numériques visent à transformer la prestation des soins de santé, en rendant les services plus accessibles, personnalisés et potentiellement plus efficaces.

 

 

 

 

Appel à communication :

Les technologies émergentes en santé posent de nouveaux défis et renouvellent les problématiques en raison des discontinuités imprévisibles portées par des technologies comme l’IA et leur intégration ou encore leur extension à l’ensemble du secteur. Elles offrent des opportunités significatives pour la recherche future et la possibilité de renouveler les approches théoriques et méthodologiques en management des SI (White Baker et al., 2023).

Afin de surmonter les difficultés passées et d'aborder la complexité du domaine, Payton et al., (2011) font un plaidoyer en faveur d’approches interdisciplinaires en matière de soins de santé et de technologies de l'information dans le domaine de la santé. Le domaine de la santé constitue « un environnement riche à partir duquel il est possible de développer de nouvelles théories et d'étendre les théories existantes en matière de SI » (Chiasson & Davidson, 2004).

Ce numéro spécial est ouvert à des contributions s’inscrivant dans des perspectives pluridisciplinaire (Chen et al., 2019) et sociotechnique, souvent considérées comme l’un des points de vue fondateurs de la discipline des SI (Sarker et al., 2019). Les propositions attendues devront porter sur les transformations en cours induites par des technologies numériques de santé innovantes et en saisir l’ampleur. Des travaux portant sur le secteur médico-social qui est aujourd’hui sous-investi en recherche, seront appréciés (Bonjour & Daragon, 2018). Les contributions attendues peuvent être de différents types : empiriques, théoriques, méta-analyses.

A titre d’exemples les thématiques suivantes pourront être abordées :

• Les défis de l’IA en santé (éthique, responsabilité, …),

• L’empowerment du patient et la démocratie sanitaire,

• La dynamique « techno push » des technologies numériques de santé et l’influence industrielle sur le rythme et l’orientation des innovations dans ce domaine (IA notamment),

• L’enjeu de nouvelles formes de gouvernance multiniveaux en santé,

• La nouvelle génération de technologies numériques de santé et leurs fragilités,

• Le parcours de soin et les technologies,

• La coopération/coordination hôpital/ville,

• …

 

Modalités de soumission

 

Les soumissions sont ouvertes à tous et tous types d’articles : empiriques, méta-analyses, revues de littérature, nouveaux cadres théoriques.

Les travaux pourront être soumis en français ou en anglais ; les versions finales seront en anglais (avec copy editing).

Les articles doivent être déposés en version intégrale et ils devront impérativement respecter les consignes de la revue SIM. http://revuesim.org/index.php/sim/about/submissions

Dates importantes

 

Date limite de soumission : 30 septembre 2025

Notification du premier tour : 20 décembre 2025

Date limite pour les révisions : 20 mars 2026

Deuxième/dernière décision rédacteurs invités : début juin 2026

Décision de publication du comité de rédaction : juillet 2026

Parution : septembre 2026

 

 

Co-éditeurs du numéro 

 

Valérie Fernandez (Valerie.fernandez@telecom-paris.fr)

Bénédicte Geffroy (Benedicte.geffroy@imt-atlantique.fr)

Liette Lapointe (liette.lapointe@mcgill.ca)

Jean-François Berthevas (jean-francois.berthevas@univ-lr.fr)

 

Références

Abdel-Karim, B. M., Pfeuffer, N., Carl, K. V., & Hinz, O. (2023). How ai-based systems can induce reflections: the case of ai-augmented diagnostic work. MIS Quarterly, 47(4), 1395-1424.

Anichini, G., & Geffroy, B. (2021). L’intelligence artificielle à l’épreuve des savoirs tacites. Analyse des pratiques d’utilisation d’un outil d’aide à la détection en radiologie, Sciences sociales et santé, 39, 43-69.

Baird, A., Angst, C., & Oborn, E. (2018). Health information technology. A. Bush & A. Rai (Eds.), MIS quarterly research curations. Retrieved from http://misq.org/research-curations.

Bonjour, A., & Daragon, E. (2018). Technologies numériques et travail médico-social : retour d’expérience à partir d’une recherche action formation. Communication et organisation, 197-204.‬‬‬‬

Cavallone, M., & Palumbo, R., (2020). Debunking the myth of industry 4.0 in health care:

insights from a systematic literature review. TQM Journal, 32(4), 849-868.

Chan, H.-P., Samala, R. K., Hadjiiski, L. M., & Zhou, C. (2020). Deep learning in medical image analysis. In Deep learning in medical image analysis: Challenges and applications (pp. 3–21). Springer.

Chen, L., Baird, A., & Straub, D. (2019). An analysis of the evolving intellectual structure of health information systems research in the information systems discipline. Journal of the Association for Information Systems, 20(8), 1023–1074.

Chiasson, M. W., & Davidson, E. (2004). Pushing the contextual envelope: Developing and diffusing IS theory for health information systems research. Information and Organization, 14(3), 155-188.

Choudhury, A., & Asan, O. (2022). Impact of accountability, training, and human factors on the

use of artificial intelligence in healthcare: Exploring the perceptions of healthcare practitioners in the US, Human Factors in Healthcare, 2.

 

Davenport, T., & Kalakota, R. (2019). The potential for artificial intelligence in healthcare, Future Health, 6(2), 94-98.

Dubovitskaya, A., Novotny, P., Xu, Z., & Wang, F. (2020). Applications of blockchain technology for data-sharing in oncology: Results from a systematic literature review. Oncology, 98(6), 403-411.

Dwivedi, Y.K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., & Williams M.D.

(2021). Artificial Intelligence (AI): multidisciplinary perspectives on emerging challenges,

opportunities, and agenda for research, practice and policy. International Journal of

Information Management, 57.

Eden, R., Burton-Jones, A., Ballantine, C., Donovan, R., McKavanagh, D., Staib, A. & Sullivan, C. (2022). The digital transformation journey of a large australian hospital: A teaching case. Communications of the Association for Information Systems, 51(1), 25.

Ghose, A., Guo, X., Li, B., & Dang, Y. (2022). Empowering patients using smart mobile health platforms: Evidence from a randomized field experiment. Management Information Systems Quarterly, (03).

Jones, S. S., Rudin, R. S., Perry, T., & Shekelle, P. G. (2014). Health information technology: an updated systematic review with a focus on meaningful use. Annals of internal medicine, 160(1), 48-54.

Lacity, M., Mullins, J. K. & Kuai, L. (2023). Evolution of the Metaverse. MIS Quarterly Executive, 22(2).

Lapointe, L., & Rivard, S. (2005). A multilevel model of resistance to information technology implementation. MIS Quarterly, 29(3), 461-491. 

 

Lebovitz, S., Levina, N., & Lifshitz-Assaf, H. (2021). Is AI ground truth really true? The dangers of training and evaluating AI tools based on experts’ know-what. MIS Quarterly, 45(3), 1501-

1525.

 

Liang, H., & Xue, Y. (2022). Save face or save life: Physicians’ dilemma in using clinical decision Support systems. Information Systems Research, 33(2), 737–758.

Lin, Y.-W., Ivanov, A., Chang, H.-L. & Shaw, M. J. (2021). Role of Telehealth Adoption in Shaping Perceived Quality of Care: Empirical Analysis. 22.

Meskó B, Drobni Z, Bényei É, Gergely, B, Győrffy Z. (2017) Digital health is a cultural transformation of traditional healthcare. mHealth, 3:38.

Motamarri, S., Akter, S., Ray, P. et Tseng, C.-L. (2014). Distinguishing 'mhealth' from other healthcare services in a developing country: A study from the service quality perspective. Communications of the Association for Information Systems, 34(1).

Niederman, F., & Baker, E. W. (2023). Ethics and AI issues: Old container with new wine? Information Systems Frontiers, 25(1), 9–28.

Orlikowski, W. J., & Iacono, C. S. (2001). Research commentary: Desperately seeking the “IT” in IT research—A call to theorizing the IT artifact., Information Systems Research, 12(2), 121–134.

Payton, Fay Cobb, et al. "Health care IT: Process, people, patients and interdisciplinary considerations." Journal of the Association for Information Systems 12.2 (2011): 4.

Petersen, A., Tanner, C., & Munsie, M. (2019). Navigating the cartographies of trust: How patients and carers establish the credibility of online treatment claims. Sociology of Health & Illness, 41(S1), 50–64. https://doi.org/10.1111/1467-9566.12872

Reis, L, Maier, C., Mattke, J., Creutzenberg, M., & Weitzel, T. (2020). Addressing User Resistance Would Have Prevented a Healthcare AI Project Failure. MIS Quarterly Executive,

19(4), 279-236.

Sarker, S., Chatterjee, S., Xiao, X., & Elbanna, A. (2019). The sociotechnical axis of cohesion for the IS discipline: Its historical legacy and its continued relevance. MIS Quarterly, 43(3), 695–720.

Schwennesen, N. (2019). Algorithmic assemblages of care: Imaginaries, epistemologies and repair work. Sociology of Health & Illness, 41(S1), 176–192. https://doi.org/10.1111/1467-9566.12900

Siala, H. & Wang, Y. (2022), Shifting artificial intelligence to be responsible in healthcare:

A systematic review. Social Science & Medicine, 296.

Spil, T. A., Katsma, C. P., & Stegwee, R. A. (2007). Information systems and healthcare XXIII: Exploring interoperability of electronic healthcare records by studying demand and supply in the Netherlands. Communications of the Association for Information Systems, 20(1).

White Baker, E., Eden, R., & Xue, Y. (2023). Health Information Systems Research: Opportunities to Further Advance the Field. Communications of the Association for Information Systems, 53(1), 984-1002.

Woodside, J. (2016). Transforming healthcare provider and patient power dynamics-exploring the impact of mobile healthcare. In AMCIS.

World Health Organization. (2021). Global strategy on digital health 2020-2025. World Health Organization.

 

Xue, Y., Liang, H. & Boulton, W. R. (2008). Information technology governance in information technology investment decision processes: The impact of investment characteristics, external environment and internal context. MIS Quarterly, 32(1), 67-96.