TRADUCTION IA

COMPÉTENCE:

Traduction IA

Définition

Couche:Compétences interface humain-IA

Combiner les expertises provenant de la science de données et du terrain pour faciliter une implantation de systèmes basés sur l’IA adaptés aux besoins

Quadrant: Action

Les compétences de collaboration humain-machine sont relativement nouvelles et se manifestent une fois les équipes de travail en interaction avec l’IA. Elles représentent des rôles à maitriser après l’implantation de l’IA pour continuer à bien utiliser ses systèmes dans le temps.

Éléments clés

Vulgariser les connaissances issues des sciences des données aux personnes non initiées

Contextualiser les données en fonction de connaissances métier

Cerner les obstacles et enjeux liés à l’adoption des systèmes basés sur l'IA par les équipes terrain ou l’organisation

Exemples

Simplifier des informations techniques et s’assurer de leur compréhension

Expliquer le contexte de santé aux scientifiques des données

Je gère les facteurs humains pour favoriser l'adoption de l'IA

Développement de la compétence:

Traduction IA

Apprendre dans l'action

Dans le flux du travail :

• Faites une tournée d’observation dans le secteur en question où l’IA sera introduite. Attardez-vous aux processus de travail, aux difficultés et à ce qui rend le travail plaisant ou désagréable. Testez les idées régulièrement avec les équipes et impliquez-les rapidement dans le processus.
• Apprenez, en tant que scientifique des données, le langage terrain des équipes pour qu’elles se sentent comprises. Ceci vous aidera également à mieux interpréter les données.

• Essayez d’enseigner votre matériel plus technique auprès d’une personne de confiance moins initiée. Testez une présentation avec un proche qui ne maîtrise pas le sujet permet de tester si elle est adaptée au public cible.

• Intéressez-vous à plusieurs forums en IA. Les émissions scientifiques à la radio, télé, web et les conférences grand public sont de bons moyens de comprendre la vulgarisation scientifique.

• Portez-vous volontaire au travail pour interagir avec les nouveaux membres de l’équipe (accueil et intégration, présentations informelles, supervision de stagiaire, entrevues, etc.).

• Restez curieux des occasions de développer votre « bilinguisme », c’est-à-dire l’art de combiner les sciences des données et les sciences du terrain. Il s’agit d’une expertise fort recherchée en santé. Faire partie d’une équipe de projet IA en est une bonne façon.

• Assurez-vous de bien communiquer aux responsables des équipes les enjeux, les impacts, les contraintes et les leviers en présence dans le service pour les considérer tôt dans le développement du projet.

• Pratiquez, pratiquez, pratiquez. On développe des messages clés facilement compréhensibles par les essais, erreurs et améliorations. Demandez de la rétroaction sur votre compréhension et vos explications.

Réflexion sur l'action :

• Déterminez, avant de donner une formation, quels seront vos objectifs d’apprentissage. Quels moyens allez-vous utiliser pour simplifier et vulgariser les concepts plus techniques (exemples, métaphores, exercices, etc.) ?

Extra :

• Allez chercher des bases pour mieux comprendre le langage des scientifiques de données si vous êtes membre de l’équipe terrain. L’ÉIAS propose de nombreux outils éducatifs, notamment le Petit Lexique d’IA en santé, et plusieurs ressources en littératie sur le site web.

Sous-titre

Ressources additionnelles:

Traduction IA

Articles

Bastian, G., Baker, G. H., & Limon, A. (2022). Bridging the divide between data scientists and clinicians. Intelligence-Based Medicine, 6, 100066.

Cussat-Blanc, S., Castets-Renard, C., & Monsarrat, P. (2022). Doctors in Medical Data Sciences: A New Curriculum. International Journal of Environmental Research and Public Health, 20(1), 675.

Esmaeilzadeh, P. (2024). Challenges and strategies for wide-scale artificial intelligence (AI) deployment in healthcare practices: A perspective for healthcare organizations. Artificial Intelligence in Medicine, 151, 102861.

Khanijahani, A., Iezadi, S., Dudley, S., Goettler, M., Kroetsch, P., & Wise, J. (2022). Organizational, professional, and patient characteristics associated with artificial intelligence adoption in healthcare: A systematic review. Health Policy and Technology, 11(1), 100602.

Singh, R. P., Hom, G. L., Abramoff, M. D., Campbell, J. P., Chiang, M. F. (2020). Current Challenges and Barriers to Real-World Artificial Intelligence Adoption for the Healthcare System, Provider, and the Patient. Translational Vision Science & Technology, 9(2), 45.

Livre