La prévention algorithmique peut se définir selon trois critères : (i) une collecte de données sur des facteurs génétiques, socio-économiques et comportementaux d’un citoyen ou d’un patient ; (ii) une prédiction par des traitements algorithmiques des risques de survenue de la maladie ou de complications ; (iii) et un suivi personnalisé pour prévenir ce qui peut l’être. Cette nouvelle forme de prévention s’applique autant à la prévention primaire (avant la survenue de la maladie) qu’aux préventions secondaires (lors de l’apparition des premiers symptômes) et tertiaires (avant l’apparition de complications d’une maladie). Elle s’observe dans différents domaines depuis quelques années : oncologie, neurologie, santé mentale, gériatrie, risque épidémique infectieux, notamment. Bien que les évidences soient encore modestes, deux tendances se dégagent: la satisfaction des personnes engagées dans les programmes, et un moindre recours à l’hospitalisation dans le cas de la prévention tertiaire. Plusieurs défis doivent être surmontés avant d’envisager une éventuelle généralisation: ceux qui ont trait aux données, leur collecte et leur traitement, et ceux qui entourent le développement de ces programmes de prévention, à savoir les conséquences sur l’organisation du système de soins et de la protection sociale. Notamment, se posent des questions d’adoption tant par les médecins que par les patients. En dépit de ces réserves, la prévention algorithmique semble devoir tenir un rôle dans le futur, sa complémentarité avec les approches classiques, en population générale, apparaissant de plus en plus nécessaire.

Algorithmic prevention can be defined by three criteria: (i) a collection of data on genetic, socio-economic, and behavioural factors of a citizen or patient; (ii) a prediction by algorithmic processing of the risks of disease or complications; (iii) personalised monitoring to prevent what can be prevented. This new form of prevention applies to primary prevention (before the disease occurs), secondary prevention (when the first symptoms appear), and tertiary prevention (before the onset of disease complications). It has been observed in various fields for several years, including oncology, neurology, mental health, geriatrics, and infectious disease risk, among others. Although the evidence remains limited, two trends are emerging: the satisfaction of those involved in the programmes and a reduced reliance on hospitalisation in tertiary prevention cases. Several challenges need to be addressed before considering wider application: those concerning data collection and processing, and those related to the development of these prevention programmes, particularly the organisational implications for healthcare systems and social protection. In particular, questions about adoption arise from both doctors and patients. Despite these reservations, algorithmic prevention is likely to play a role in the future, with its complementary relationship to traditional approaches in the general population becoming increasingly evident.