L’intelligence artificielle, un atout pour développer la médecine traditionnelle

L’universitaire algérienne Amel Bouzabata montre comment l’intelligence artificielle peut aider la médecine traditionnelle africaine à découvrir les remèdes de demain.

[ANNABA, SciDev.Net] En Afrique, les remèdes traditionnels issus des plantes médicinales sont depuis des siècles au cœur de la pratique médicale populaire. Depuis l’adoption de la Déclaration d’Alma-Ata (texte fondateur de la santé publique mondiale, adopté en 1978 à Alma-Ata, alors en Union soviétique), l’utilisation de la médecine traditionnelle a beaucoup évolué.

En particulier, il est apparu dans les pays à revenu élevé une tendance croissante et relativement nouvelle à utiliser la médecine traditionnelle, tout comme la médecine complémentaire et parallèle, pour compléter les soins allopathiques.

D’un autre côté, dans bien des pays à faible revenu et à revenu intermédiaire, la médecine traditionnelle est souvent la seule forme de soins qui soit à la fois disponible, accessible et abordable, et elle constitue donc un volet essentiel du système de soins de santé primaires.

“En Afrique, la découverte de médicaments pilotée par l’IA est particulièrement prometteuse pour lutter contre les maladies infectieuses et les maladies tropicales négligées, pour lesquelles la médecine traditionnelle a démontré son efficacité mais nécessite une validation scientifique supplémentaire”

Amel Bouzabata, université d’Annaba

Il a été signalé que, dans certains pays en développement, jusqu’à 80 % des habitants continuaient à avoir recours à la médecine traditionnelle pour répondre à leurs besoins au niveau des soins primaires  (OMS, 2002; OMS, 2022). [1][2]

Si la médecine traditionnelle est beaucoup utilisée, c’est souvent aussi parce qu’elle est associée à un système plus large de croyances dont l’acceptation et la pratique sont d’ordre culturel (OMS, 2007)[3].

Pourtant, ces savoirs, transmis oralement, risquent de disparaître, faute de reconnaissance scientifique ou de mécanismes de valorisation. Aujourd’hui, l’intelligence artificielle (IA) offre de nouvelles perspectives pour préserver, analyser et exploiter ces connaissances dans une démarche moderne de recherche biomédicale.

En mariant traditions anciennes et technologies avancées, chercheurs et développeurs africains explorent les plantes médicinales comme une source précieuse dans la découverte de nouveaux médicaments grâce à la richesse de leurs composés chimiques et à leur diversité biologique en utilisant les techniques de calculs avancés de l’intelligence artificielle.

Comment préserver une richesse traditionnelle méconnue et encore sous exploitée ?

Selon l’interview -réalisée en 2024 avec SciDev.Net- du Pr Fidele Ntie-Kang[4], un professeur associé en chimie pharmaceutique à l’université de Buea, Cameroun : « La médecine traditionnelle joue un rôle fondamental en Afrique : plus de 80 % de la population s’y réfère encore aujourd’hui pour ses soins de santé primaires, selon l’OMS. Le continent africain abrite plus de 40 000 espèces végétales uniques, soit environ un quart des ressources génétiques végétales de la planète. Parmi elles, plus de 5 000 sont utilisées à des fins médicinales traditionnelles ».

Ces ressources sont utilisées depuis des générations pour prévenir et traiter plusieurs pathologies comme le paludisme, la bilharziose, la leishmaniose cutanée ou encore les infections respiratoires.

Pourtant, ces pratiques demeurent peu documentées dans des formats exploitables par les scientifiques et encore moins par des algorithmes. Le défi réside donc dans la numérisation, la validation et la structuration de ces données ethnobotaniques.

La préservation de la transmission d’un savoir ancestral a été le point crucial pour créer des bases de données des produits naturels. Un exemple concret est la création d’une base de données appelée: Eastern Africa Natural Products Database (EANPDB) qui rassemble des informations sur 1 870 molécules naturelles, extraites à partir de 300 espèces végétales ou marines originaires de l’Afrique de l’Est et qui couvrent des publications allant de 1962 à 2019.

Les propriétés chimiques et biologiques, ainsi que le profil de toxicité est décrit pour la recherche pharmaceutique. Cette base EANPDB a ensuite été fusionnée avec une autre base équivalente consacrée à l’Afrique du Nord (NANPDB) pour former un répertoire panafricain appelé African Natural Products Database (ANPDB). Ce dernier regroupe aujourd’hui environ 6 500 molécules uniques issues de près de 1 000 espèces (Simoben et al., 2020)[5]. Il est librement accessible en ligne.[6]

Quelles sont les branches de l’IA utilisées pour la valorisation de la médecine traditionnelle en Afrique et la découverte de nouveaux médicaments ?

Les technologies d’IA telles que l’apprentissage automatique et l’apprentissage profond sont utilisées pour analyser des prescriptions complexes de médecine traditionnelle, qui ont toujours été difficiles à évaluer en raison de leur composition complexe et de l’absence de méthodes d’évaluation standardisées [7] (Wu et al., 2022).

L’IA peut établir un lien entre la composition chimique des plantes et leurs effets pharmacologiques, ce qui permet d’identifier les composés bioactifs et leurs mécanismes d’action. Cela accélère le processus de découverte de médicaments en fournissant un moyen plus efficace de cribler et de valider les agents thérapeutiques potentiels (Wu et al., 2022, Sharma et al., 2025)[7][8].

En Afrique, la découverte de médicaments pilotée par l’IA est particulièrement prometteuse pour lutter contre les maladies infectieuses et les maladies tropicales négligées, pour lesquelles la médecine traditionnelle a démontré son efficacité mais nécessite une validation scientifique supplémentaire (Andigema et al., 2024)[9].

Dans ce contexte, l’IA offre justement des outils puissants qui permettent de sauvegarder, d’organiser et d’exploiter ces connaissances. Trois grandes branches de l’IA sont particulièrement utiles dans ce domaine…

• Les systèmes à base de connaissances (ou systèmes experts).

Ces systèmes permettent de reproduire le raisonnement d’un expert – ici, d’un guérisseur traditionnel – à l’aide d’un ensemble de règles et d’une base de savoirs bien structurée. Dans ce contexte, Devine et al. (2022) ont conçu un système de gestion des connaissances dédié à la médecine herboriste africaine.[10]

Ce système qui utilise une ontologie, c’est-à-dire une carte structurée des concepts liés aux plantes, maladies, préparations et usages traditionnels, a été mis en oeuvre par une équipe de l’université du Ghana. Il permet par exemple de relier une plante spécifique à ses effets connus, ses composés chimiques et les maladies qu’elle peut soigner.

• Le traitement automatique du langage naturel (NLP)

C’est une branche de l’IA qui permet à un ordinateur de comprendre et d’analyser le langage humain, comme le texte ou la parole. Les savoirs traditionnels sont souvent dispersés dans des textes anciens, des publications scientifiques ou des interviews avec des guérisseurs. Le NLP permet d’extraire automatiquement les informations clés de ces documents : noms de plantes, effets thérapeutiques, modes de préparation, etc.

Le NLP, via des modèles comme BioBERT ou SciBERT, est également utilisé pour extraire automatiquement des informations à partir de textes anciens, de publications scientifiques ou de transcriptions d’entretiens avec des tradipraticiens.

Ces outils permettent de créer des graphes de connaissances reliant les espèces, les usages, les indications et les données chimiques de manière dynamique. L’étude de Yea et al. (2025) a développé le corpus qui constitue un ensemble de données structuré appelé TFDR (Traditional Formula-Disease Relationships) qui constitue une ressource pertinente destinée à faciliter l’extraction automatique des relations entre les formules traditionnelles et les maladies à partir de la littérature biomédicale.[11]

Ce corpus renferme des informations extraites de 740 résumés d’articles scientifiques publiés dans PubMed, et un total de 6 211 mentions des formules traditionnelles, ainsi que 7 166 pathologies et 1 109 relations identifiées entre ces deux éléments, le tout réparti dans 744 phrases clés.

• L’apprentissage automatique (machine learning)

Il constitue le cœur de l’IA moderne : les machines apprennent à partir de données. Dans le contexte de la médecine traditionnelle, l’ordinateur peut apprendre à prédire les propriétés d’une plante, son efficacité, ou sa toxicité à partir d’exemples connus.

Exemple : En analysant les caractéristiques chimiques de plusieurs plantes utilisées contre la fièvre, un algorithme peut prédire si une nouvelle plante pourrait avoir le même effet. Ainsi, l’étude de Bollans Adam et al. (2023) publiée dans Frontiers in Plant Science a illustré l’utilisation de l’apprentissage automatique pour prédire les propriétés médicinales des plantes.[12]

Les chercheurs ont démontré que des modèles d’apprentissage automatique, peuvent prédire l’activité antipaludique de plantes en se basant sur des données ethnobotaniques et des caractéristiques des plantes. Cette approche permet d’identifier efficacement de nouvelles sources potentielles d’antipaludiques à partir de vastes ensembles de données botaniques.

Les maladies tropicales, comme le paludisme, la fièvre jaune, la dengue ou encore la trypanosomiase, continuent de représenter une menace majeure pour la santé publique en Afrique. Si la plupart des efforts se concentrent sur la prise en charge curative, la prévention constitue un levier stratégique décisif.

Dans ce contexte, l’IA est mobilisée dans la modélisation de molécules actives issues de plantes à visée prophylactique. Le centre H3D de l’université du Cap en Afrique du Sud a développé la plateforme ZairaChem, un pipeline open source capable de prédire l’activité pharmacologique de composés naturels contre le Plasmodium falciparum, l’agent du paludisme (Turon et al., 2023).[13]

Ce système utilise l’apprentissage automatique pour modéliser les propriétés ADMET (absorption, distribution, métabolisme, excrétion, toxicité) des molécules issues de plantes africaines.

Le criblage virtuel est un outil essentiel dans la découverte de médicaments, permettant l’identification de nouveaux composés prometteurs et la priorisation des composés pour les tests ; ce qui entraîne une réduction significative des taux d’abandon expérimentaux.

Au Cameroun, l’équipe du professeur Fidele Ntie-Kang (université de Buea) a mis au point une base de données regroupant près de 400 composés naturels africains, explorés par IA pour leur potentiel antiviral et antipaludique. Ces travaux visent à anticiper les épidémies en identifiant précocement des agents bioactifs utilisables en prévention (Ntie-Kang et al. 2013).[14]

L’IA n’est pas une solution miracle, mais un formidable levier d’accélération scientifique. En s’alliant aux savoirs traditionnels africains, elle permet de mieux comprendre, valider et valoriser des pratiques ancrées dans les cultures.

Dans un contexte où les maladies tropicales continuent de faire des ravages, la prévention par des remèdes issus de la nature, soutenue par la rigueur de l’IA, ouvre la voie à une médecine plus accessible, durable et enracinée.

Il appartient désormais aux décideurs, aux chercheurs et aux communautés de soutenir cette alliance entre traditions et technologies, pour que l’Afrique puisse transformer ses racines en ressources pour l’avenir.

Comment peut–on encourager l’utilisation de l’IA pour promouvoir la médecine traditionnelle pour la découverte de médicaments moins couteux en Afrique ?

Il faudrait former les chercheurs africains de demain pour l’intégration de l’IA dans l’exploration des médecines traditionnelles. Pour cela, plusieurs initiatives africaines peuvent être mises en place :

• Proposition de modules de formation en science des données et IA pour jeunes chercheurs africains.
• Intégration des projets d’IA dans cycles de master en pharmacognosie, pour la découverte de médicaments.

Ce renforcement des capacités vise à garantir une appropriation locale de la technologie et à construire une souveraineté scientifique continentale autour du potentiel médicinal africain.

Malgré les avantages potentiels, l’intégration de l’IA à la médecine traditionnelle pose des défis tels que la confidentialité des données, des dilemmes éthiques et la préservation des valeurs culturelles. Il est essentiel de résoudre ces problèmes pour réussir l’adoption des technologies d’IA dans ce domaine (Amabie et al., 2023, Ng et al., 2024).[15][16]

Il est donc important de développer une infrastructure, un personnel qualifié et des bases de données sécurisées qui sont nécessaires pour exploiter pleinement le potentiel de l’IA en Afrique. Il est également essentiel de veiller à ce que les Africains mènent des initiatives pour une mise en œuvre efficace et respectueuse des différences culturelles [13] (Turon et al., 2024).

Enfin, il est capital de favoriser la collaboration entre les experts en IA, les praticiens de la médecine traditionnelle et les décideurs politiques pour exploiter tout le potentiel de l’IA dans ce domaine. Cette approche collaborative aidera à surmonter les obstacles et à garantir que les innovations basées sur l’IA sont alignées sur les besoins et les valeurs des communautés qu’elles visent à servir.

Amel Bouzabata est professeure en pharmacognosie, Faculté de médecine, Cité Zaafrania BP 205, Annaba 23000, Algérie. Elle répond à l’adresse : amelbouz2009@gmail.com.