Le Doctors Not AI Act of 2026 établirait une limite claire pour l'intelligence artificielle dans l'examen des demandes de prise en charge par les assurances santé américaines: l'IA pourrait assister le processus, mais elle ne pourrait ni émettre ni dicter une décision défavorable exigeant un jugement clinique. Une professionnelle de santé qualifiée et habilitée devrait décider après une évaluation indépendante de la situation individuelle.
Les représentants Greg Landsman, Buddy Carter, Kim Schrier et Tom Barrett ont présenté H.R. 10210 le 1er septembre 2026. Le texte a été renvoyé à trois commissions de la Chambre des représentants. Il n'a été adopté par aucune chambre et ne crée aucune obligation actuelle. Son architecture opérationnelle mérite néanmoins l'attention, car elle relie jugement humain, information et conservation des preuves dans une même chaîne de contrôle proposée.
Le texte trace une limite autour du jugement clinique
La proposition couvre les algorithmes, modèles prédictifs, systèmes d'apprentissage automatique et logiciels de décision automatisée qui influencent de manière significative les décisions de prise en charge. Pour une décision défavorable concernant la nécessité médicale, la pertinence, le niveau de soins, l'efficacité, des recommandations cliniques ou toute autre question nécessitant l'évaluation des besoins d'une personne, elle exigerait une professionnelle habilitée disposant de la formation et de l'expérience pertinentes.
Cette professionnelle ne pourrait pas considérer la sortie du système comme présumée exacte. Le texte impose une évaluation indépendante fondée sur les normes de soins généralement reconnues. L'IA pourrait toujours soutenir le traitement des demandes, mais le raisonnement clinique final ne pourrait pas se réduire à une validation formelle d'une recommandation automatisée.
Cette distinction est essentielle pour les équipes de gouvernance. Un point de contrôle humain n'est utile que si la personne dispose de l'autorité, du contexte, des compétences et du temps nécessaires pour contester la recommandation. Un flux qui n'affiche qu'une conclusion sans ses preuves peut donner l'apparence d'un examen tout en maintenant le biais d'automatisation.
L'information et le dossier administratif font partie du contrôle
Si l'IA a été utilisée, l'avis de refus devrait le signaler, décrire le rôle du système et identifier la professionnelle habilitée qui a pris la décision. Le dossier administratif devrait aussi décrire le système, son rôle, ses sorties, scores, recommandations ou décisions, ainsi que la preuve du jugement indépendant. Ces éléments seraient accessibles à la personne assurée sur demande.
La proposition traite donc l'explication comme un problème de tenue de dossiers, et non comme une simple phrase dans un avis. Un dossier utile doit relier la demande exacte, la version du modèle ou du système, les informations d'origine, la sortie générée, la personne chargée de l'examen, le fondement de la décision et la communication finale.
Le guide Maetra sur les preuves d'audit de l'IA présente les enregistrements que les équipes peuvent conserver autour des décisions automatisées à conséquences importantes. Le guide des flux d'approbation de l'IA explique comment définir un véritable point de décision au lieu d'ajouter une revue purement formelle.
Une cartographie pratique pour les assureurs et administrateurs de régimes
Le texte reste une proposition, mais sa structure peut servir à tester les systèmes actuels d'examen.
| Question de contrôle | Preuve à conserver |
|---|---|
| Quel système d'IA a influencé l'examen? | Nom, version, responsable, objectif, sources de données et date de modification |
| Qu'a produit le système? | Sortie, score, recommandation, information de confiance et limites connues |
| Qui a pris la décision clinique? | Identité, habilitation, expertise pertinente, affectation et horodatage |
| L'examen était-il indépendant? | Faits individuels considérés, écarts par rapport à la sortie et justification |
| Quelles informations ont été communiquées? | Avis final, description du rôle de l'IA, décisionnaire nommé et preuve d'envoi |
| Le dossier peut-il être reproduit? | Provenance des entrées, configuration, version de politique, sortie conservée et journal d'accès |
L'inventaire constitue le point de départ. Les équipes doivent connaître chaque modèle, moteur de règles, service fournisseur et automatisation pouvant influencer une demande, même s'il n'émet pas le refus final. La définition proposée vise l'influence significative, ce qui dépasse une liste étroite de systèmes explicitement étiquetés comme IA.
La parité en santé mentale fait l'objet d'une attention distincte
La proposition qualifierait l'usage d'un système d'IA dans la revue de l'utilisation de limitation de traitement pour l'analyse fédérale de parité en santé mentale. Elle exigerait aussi suffisamment d'informations sur la fonction et les effets du système pour permettre aux régulateurs de comparer son fonctionnement pour les prestations de santé mentale et de traitement des troubles liés à l'usage de substances avec les prestations médicales et chirurgicales.
Cela ne prouve pas qu'un système particulier discrimine ou enfreint le droit de la parité. Le texte créerait une voie permettant d'examiner si l'automatisation modifie différemment l'accès selon les catégories de prestations. Les équipes auraient besoin de preuves sur le fonctionnement réel, pas seulement de documents de conception.
Ce qui reste incertain
H.R. 10210 est un projet présenté. L'examen en commission, les amendements, les votes, la promulgation et la mise en oeuvre peuvent ne jamais intervenir. La date d'application prévue concernerait des années de régime commençant après un seuil futur lié à une éventuelle promulgation, et non immédiatement. Le texte ne précise pas non plus de norme technique d'audit, de durée de conservation, de méthode de validation des modèles ou de temps minimal de revue.
La couverture indépendante du Washington Post confirme la présentation bipartisane et les principales dispositions sur la revue humaine et l'information. Elle souligne aussi une limite importante: la présence d'un médecin ne garantit pas un contrôle efficace si cette personne manque de temps, d'informations ou de liberté pour contester la recommandation automatisée.
Analyse de Maetra
La leçon la plus utile tient à la différence entre une personne nommée et une décision véritablement responsable. Les organisations peuvent tester cette différence dès maintenant. Choisissez un flux de décision défavorable et cartographiez chaque système qui l'influence. Consignez les faits transmis à la personne chargée de l'examen, la recommandation du système, la politique applicable, la possibilité de la contester et les preuves qui subsistent en cas de recours.
Testez ensuite le flux avec un cas où la sortie du modèle devrait être rejetée. Si la personne ne peut pas voir le contexte pertinent, expliquer un écart ou préserver le fondement de sa décision, le point de contrôle humain n'est pas encore fiable.
Le projet n'interdit pas l'IA dans les opérations d'assurance santé. Il énonce un principe plus ciblé: lorsque le jugement clinique détermine l'accès aux soins, l'assistance peut être automatisée, mais la responsabilité, l'information et le dossier de décision doivent rester humains et vérifiables.