L’intelligence artificielle peut aider à augmenter le taux de réussite de la FIV, mais de façon progressive et modérée, pas spectaculaire. Elle améliore surtout la sélection des embryons, l’optimisation des protocoles et l’organisation des laboratoires, avec des gains de quelques points de pourcentage, très dépendants du centre et du profil des patientes.
Pour un couple, cela peut déjà représenter un cycle de moins, quelques mois de stress en moins. Mais l’IA ne change ni l’âge, ni la qualité des ovocytes, ni l’utérus. C’est un outil d’aide, pas une baguette magique.
A retenir :
- L’IA améliore déjà certains maillons clés du parcours FIV
- Les gains actuels sont réels mais modestes, et variables selon les centres
- Très peu d’études prouvent une hausse nette des naissances vivantes
- À court terme, l’IA peut surtout réduire le nombre de cycles nécessaires
FIV et IA, entre espoirs et réalité médicale
Quand on est en plein parcours FIV avec don d’ovocytes, chaque pourcentage de chance compte. On lit partout que l’intelligence artificielle “révolutionne” la médecine. Alors une question vient très vite : est-ce que l’IA va vraiment augmenter nos chances de grossesse ?
Aujourd’hui, l’IA intervient surtout pour rendre plus objectives des étapes très humaines et subjectives : choisir l’embryon à transférer, évaluer le sperme, ajuster les doses d’hormones, ou encore prédire la probabilité de succès par cycle. Selon une méta-analyse de 2025, les modèles d’IA sélectionnent souvent mieux les embryons que les embryologistes, mais avec une précision encore loin d’être parfaite.
Dans les travaux que j’ai analysés, on voit se dessiner une tendance assez claire :
- l’IA standardise des décisions qui dépendaient beaucoup de l’œil et de l’expérience d’une personne,
- elle gagne du temps et peut réduire certains coûts,
- mais les grosses promesses de “taux doublés” ne sont pas confirmées par les essais cliniques sérieux.
“L’IA en FIV ressemble moins à une révolution instantanée qu’à une série de petits ajustements intelligents, qui, mis bout à bout, peuvent finir par compter vraiment pour certains couples.”
Principaux défis : ce que l’IA ne peut pas (encore) changer
Limite n°1 : la biologie reste la biologie
Même le meilleur algorithme ne peut pas rajeunir des ovaires ni corriger une réserve ovarienne très basse. Les taux de FIV tournent souvent autour de 25 à 35 % de naissance vivante par cycle chez les femmes jeunes, moins chez les plus de 38 ans. Ces chiffres dépendent fortement de l’âge, du centre, des pathologies associées.
L’IA intervient à partir des gamètes et embryons disponibles. Si la qualité des ovocytes est très altérée, ou si l’utérus est peu réceptif, son impact restera limité.
Limite n°2 : beaucoup de modèles prédissent… mais n’améliorent pas encore
Une partie de la littérature scientifique sur l’IA en FIV est impressionnante sur le papier :
- certains modèles annoncent des AUC proches de 0,99 pour prédire la naissance vivante sur des bases de données rétrospectives,
- d’autres atteignent des précisions supérieures à 80 % pour prédire implantation ou grossesse clinique.
Mais prédire n’est pas encore prouver que l’on améliore réellement le nombre de bébés nés. Pour cela, il faut :
- des essais randomisés,
- avec des critères solides (naissance vivante, pas seulement “test de grossesse positif”),
- menés dans plusieurs centres, sur des patientes variées.
Or, les essais de ce type restent rares. Selon une revue critique publiée en 2025 sur l’IA en procréation médicalement assistée, la plupart des études utilisent des critères intermédiaires (implantation, qualité embryonnaire) et peu mesurent l’impact réel sur les naissances vivantes.
Limite n°3 : des données hétérogènes et parfois biaisées
Les algorithmes sont souvent entraînés sur :
- les données d’un seul centre,
- une population particulière,
- avec des pratiques de laboratoire très spécifiques.
Quand on les applique ailleurs, leurs performances baissent parfois sensiblement. Les auteurs soulignent régulièrement :
- le manque de partage de données entre centres,
- la faible présence de données de long terme,
- des risques de biais (par exemple, sur l’âge, l’origine des patientes, les pathologies).
Limite n°4 : éthique, confiance et effets de mode
Il y a aussi une dimension humaine : accepter qu’un algorithme aide à choisir l’embryon posé dans son utérus n’est pas anodin. Une étude de 2025 sur les perceptions des patientes montre qu’elles sont plutôt ouvertes à l’IA, à condition qu’elle reste supervisée par des médecins et expliquée clairement. Elles craignent surtout la déshumanisation et le sentiment de ne plus décider.
En parallèle, des dérives apparaissent déjà, comme la sélection d’embryons sur des critères polygéniques de “QI” ou de taille via des sociétés privées à l’étranger, très critiquées sur le plan scientifique et éthique.
Impacts et conséquences : ce que l’on observe déjà sur le terrain
L’IA pour la sélection embryonnaire : un gain, mais pas un miracle
C’est le cœur de la promesse : choisir l’embryon qui a le plus de chances de s’implanter.
Les méta-analyses récentes montrent que :
- les modèles d’IA atteignent en moyenne une précision meilleure que celle des embryologistes pour prédire l’implantation,
- l’aire sous la courbe tourne autour de 0,70, ce qui correspond à une performance “correcte à bonne”, mais loin de l’infaillibilité.
Dans un grand essai randomisé de 2024 comparant une sélection par IA (iDAScore) à la sélection classique par embryologistes :
- le taux de grossesse clinique était d’environ 46–48 % dans les deux groupes,
- la non-infériorité de l’IA n’a pas été clairement démontrée pour ce critère.
Autrement dit : l’IA fait au moins aussi bien que des embryologistes expérimentés, mais pas encore largement mieux, pour la grossesse clinique.
Certaines séries industrielles, moins robustes méthodologiquement, rapportent des hausses plus spectaculaires (par exemple plus de 70 % de grossesses cliniques dans des centres équipés d’outils IA), mais avec de gros biais possibles : centres très performants, patientes sélectionnées, financement par les fabricants.
L’IA pour l’infertilité masculine : transformer un “impossible” en “possible”
C’est un domaine très prometteur. L’IA est utilisée pour :
- analyser la motilité et la morphologie des spermatozoïdes,
- prédire la fragmentation de l’ADN à partir d’images non invasives,
- repérer des spermatozoïdes viables dans des échantillons presque “vides” selon les techniques classiques.
Dans des cas extrêmes d’infertilité masculine, cela peut faire passer un couple d’un échec total de prélèvement à une réelle possibilité de FIV/ICSI. Le nombre de couples concernés est limité, mais pour eux, l’impact est énorme.
L’IA pour les protocoles de stimulation : vers des doses plus fines
Plusieurs équipes testent des modèles de machine learning pour :
- ajuster plus finement les doses de FSH,
- prédire le nombre d’ovocytes récupérés,
- mieux choisir le moment du déclenchement.
Selon une revue de 2024 sur l’IA et la stimulation ovarienne, certains modèles permettent une réduction de 15–20 % des doses d’hormones sans dégrader les résultats, ce qui signifie moins d’effets secondaires et un coût légèrement moindre.
L’IA comme “système d’exploitation” des laboratoires
Des plateformes complètes, parfois appelées “operating systems” pour FIV, combinent :
- gestion du laboratoire,
- suivi des embryons,
- scoring automatique,
- reporting et traçabilité.
Des séries publiées ou présentées par ces acteurs indiquent :
- une réduction du temps de traitement de 30 à 35 %,
- une baisse de certains coûts de laboratoire pouvant aller jusqu’à 20–25 %,
- une diminution du nombre de cycles nécessaires pour obtenir un cœur fœtal (une plateforme évoque environ 27,5 % de cycles en moins).
Il faut rester prudent : ces chiffres viennent souvent des promoteurs eux-mêmes. Mais ils illustrent une idée importante : l’impact de l’IA ne se joue pas seulement sur un embryon, mais sur tout le parcours FIV.
“Nous savions que notre centre utilisait un outil d’IA pour noter les embryons. On nous a surtout expliqué que cela aidait à standardiser les décisions. Nous n’avons pas eu de garantie de succès, mais savoir que tout n’était pas laissé à l’intuition d’une seule personne nous a un peu rassurés.”
Ce que racontent les équipes de FIV
Dans les enquêtes internationales auprès de spécialistes de la fertilité, un point revient souvent : l’IA est perçue comme un moyen de réduire la variabilité entre embryologistes, surtout dans des équipes où tout le monde n’a pas vingt ans d’expérience.
Selon deux grandes enquêtes menées en 2022 et 2025, l’usage de l’IA en FIV est passé d’environ un quart à plus de la moitié des centres répondants, principalement pour la sélection embryonnaire. Les freins cités sont le coût, le manque de formation et la crainte d’une dépendance excessive à la technologie.
Ce retour d’expérience est intéressant :
- dans les centres déjà très performants, l’IA est vue comme un outil de standardisation et de gain de temps,
- dans les centres moins dotés, elle est vécue comme une opportunité de rehausser le niveau moyen, en particulier pour la crise de l’infertilité masculine et le tri des embryons.
Ce que montrent les premiers essais cliniques
Quand on se concentre sur les essais cliniques :
- certains travaux montrent que l’IA est non inférieure aux embryologistes pour la sélection des embryons,
- d’autres suggèrent des gains modestes mais réels sur les taux de grossesse clinique, surtout lorsqu’on combine images et données cliniques,
- très peu d’études vont jusqu’au critère “naissance vivante” avec des effectifs suffisants.
L’impression générale, en lisant ces études, est la suivante :
- les signaux sont positifs,
- mais on est encore dans une phase où l’IA doit faire ses preuves au-delà du marketing.
Solutions et initiatives : comment l’IA peut vraiment augmenter les chances de FIV
Comparer ce qui change concrètement avec l’IA
Voici un tableau pour visualiser où l’IA apporte déjà quelque chose, et ce qu’on peut attendre dans les prochaines années (sans promesse miraculeuse) :
| Étape du parcours FIV | Sans IA (pratique actuelle) | Avec IA aujourd’hui | Avec IA dans 5–10 ans (scénario plausible, non prouvé) |
|---|---|---|---|
| Sélection des embryons | Notation morphologique, time-lapse, forte variabilité entre embryologistes | Scores automatiques, précision meilleure que l’humain sur l’implantation, essais de non-infériorité | Modèles multimodaux images + données cliniques, sélection plus fiable pour certaines patientes |
| Protocoles de stimulation ovarienne | Doses définies à partir de l’âge, AMH, expérience du clinicien | Modèles ML testés pour adapter les doses, possibilité de réduire la FSH sans dégrader les résultats | Stimulation quasi personnalisée en temps réel à partir d’images et données biologiques |
| Infertilité masculine | Analyse manuelle, tests chimiques parfois destructeurs pour les spermatozoïdes | IA pour analyser motilité, morphologie, prédire la fragmentation ADN sur images non invasives | Sélection automatisée des spermatozoïdes optimaux pour ICSI dans les cas complexes |
| Organisation et gestion du laboratoire | Traçabilité partielle, dépendance forte à quelques personnes clés | Plateformes IA de gestion de labo, standardisation, gain de temps et réduction de certains coûts | Automatisation partielle accrue, accès élargi à des FIV de qualité dans plus de centres |
Ce tableau ne doit pas être lu comme une promesse, mais comme une trajectoire probable si les validations cliniques suivent.
Ce que peut faire un couple, concrètement
Si vous êtes en parcours FIV, il peut être utile de poser quelques questions à votre centre :
- L’équipe utilise-t-elle des outils d’IA pour la sélection embryonnaire ou la gestion du laboratoire ?
- Si oui, comment ces outils sont-ils intégrés : décision automatique, ou aide à la décision discutée en équipe ?
- Les résultats annoncés sont-ils basés sur des données internes du centre ou sur des chiffres fournis par les fabricants ?
- Qui reste responsable in fine de la décision de transfert : l’algorithme ou le médecin / l’embryologiste ?
L’enjeu n’est pas d’exiger absolument de l’IA, mais de vérifier que :
- vos décisions restent comprises et partagées,
- les outils utilisés sont expliqués de manière transparente,
- vous ne payez pas simplement pour un argument commercial.
Une relation à construire entre patients, équipes médicales et algorithmes
Selon plusieurs revues récentes, l’IA en FIV a un potentiel réel pour augmenter modérément les taux de réussite, réduire le nombre de cycles nécessaires et rendre la prise en charge plus homogène, surtout dans les centres moins expérimentés.
Mais pour que ces promesses deviennent autre chose que des slogans :
- il faudra plus d’essais randomisés centrés sur la naissance vivante,
- des cadres éthiques clairs pour éviter les dérives (sélection d’embryons pour des traits non médicaux, par exemple),
- une vraie pédagogie auprès des patients, afin qu’ils restent acteurs de leurs décisions.
Et vous, si vous étiez en parcours FIV aujourd’hui, qu’attendriez-vous vraiment d’un algorithme : plus de chances, plus de transparence, ou les deux ? N’hésitez pas à partager votre point de vue, vos attentes ou vos interrogations en commentaire : ce sont ces retours qui permettent de sortir des promesses abstraites pour revenir à ce qui compte le plus, le vécu des personnes concernées.