La possibilité d’estimer, grâce à l’intelligence artificielle, le risque individuel de rejet après une greffe pulmonaire pourrait conduire à une évolution du modèle français d’allocation des greffons. Le développement et l’intégration de scores prédictifs composites semblent pouvoir conduire au déplacement d’une appréciation des priorités à l’échelon local vers un ordonnancement national. À terme, cette estimation statistique pourrait devenir quasi décisive dans la hiérarchisation des candidats à la greffe. Or, ces scores ne peuvent, à eux seuls, rendre compte ni de la complexité de la décision médicale, ni des exigences éthiques propres à l’allocation d’une ressource rare. En l’absence d’un encadrement suffisant, leur usage risquerait de compromettre l’équité entre receveurs potentiels. Des garde-fous apparaissent dès lors nécessaires afin de limiter le poids de ces scores au regard d’autres critères cliniques majeurs, et de prévenir des inversions injustifiées de priorité.

The possibility of estimating, through artificial intelligence, the individual risk of rejection following a lung transplant could lead to an evolution of the French graft allocation model. The development and integration of composite predictive scores appears likely to shift the assessment of priorities from a local level to a national ranking system. With time, this statistical estimation may become quasi-decisive in the hierarchy of transplant candidates. However, these scores alone cannot account for either the complexity of medical decision-making or the ethical requirements inherent in allocating a scarce resource. In the absence of adequate oversight, their use could risk undermining equity among potential recipients. Safeguards therefore appear necessary in order to limit the weight of these scores regarding to other major clinical criteria, and to prevent unjustified reversals of priority.