Terry Fox Alloue 25 Millions À L’Ia Santé Canadienne
Quelques jours avant la course annuelle qui perpétue le souvenir de Terry Fox, une annonce venue de Montréal a rappelé que la légende canadienne ne se limite plus à un relais symbolique. Elle irrigue désormais des laboratoires, des cliniques et des jeunes entreprises qui veulent faire parler des montagnes de dossiers médicaux sans jamais les faire voyager. L’enjeu n’est pas abstrait : dépister plus tôt un cancer osseux, ajuster un traitement oncologique, repérer une lésion cutanée à risque, ou encore mieux accompagner le diabète et les maladies neurodégénératives.
Quand la recherche rencontre l’entreprise
L’Institut de recherche Terry Fox, souvent désigné par le sigle TFRI, vient d’engager 25 millions de dollars au profit de quatorze projets canadiens. Ces initiatives s’appuient sur l’intelligence artificielle pour affiner le diagnostic et personnaliser les soins. Le tout s’inscrit dans un premier programme national de financement baptisé Digital Health Innovation Fund, soutenu par des fonds fédéraux via le Strategic Response Fund.
Le bouquet n’est pas uniquement académique. Cinquante-cinq partenaires — entreprises, universités, établissements de santé — travaillent ensemble sur un ensemble estimé à près de 41 millions de dollars au total. La géographie est volontairement nationale : Montréal, Calgary, Vancouver et d’autres pôles se retrouvent autour d’un même défi, celui de transformer des données cliniques complexes en décisions utiles au chevet du patient.
These collaborations show research and enterprise coming together to drive innovation and accelerate clinical care, enabling personalized treatments tailored to the individual patient.
– Dr. Jim Woodgett, Terry Fox Research Institute
Cette phrase, prononcée par le président de l’institut, résume l’ambition : ne plus opposer laboratoire et marché, mais les faire avancer sur la même piste. Pour les patients, la promesse se traduit par des traitements conçus autour de leur profil plutôt qu’autour d’une moyenne statistique.
Une plateforme qui analyse sans déplacer
Le socle technique s’appelle Digital Health and Discovery Platform, ou DHDP. L’idée paraît simple, elle est en réalité délicate à exécuter : permettre aux équipes d’étudier d’immenses volumes de données de santé sans les extraire de leur institution d’origine. Moins de transferts, moins de copies, moins de surfaces d’attaque. La vie privée reste du côté de l’hôpital, pendant que les modèles d’apprentissage puisent des signaux utiles.
Cette architecture dite de données fédérées change la conversation autour de l’IA médicale. Trop souvent, les algorithmes plafonnent faute d’échantillons diversifiés. Ici, la diversité canadienne — langues, territoires, systèmes provinciaux — peut nourrir les modèles tout en restant juridiquement contenue. Le ministre fédéral chargé de l’intelligence artificielle, Evan Solomon, a d’ailleurs insisté sur un point : sans collaboration sur le partage de données, la médecine de précision restera un privilège inégalement réparti.
Des projets concrets, du cancer à l’œil
Parmi les lauréats, plusieurs noms dessinent déjà le visage de cette vague. À Montréal, Qalam Health Solutions développe une plateforme d’imagerie capable d’aider à détecter un cancer osseux. À Calgary, Onco-Innovations cherche à améliorer les traitements anticancéreux en croisant intelligence artificielle et données de soins canadiennes. À Vancouver, MetaOptima Technology constitue un jeu de données cutanées sécurisé pour que les médecins identifient plus tôt les cas à haut risque.
Le périmètre dépasse l’oncologie. Neurodégénérescence, diabète, ophtalmologie : les dossiers retenus couvrent des pathologies où le temps perdu se paie cher. Un cliché mal interprété, un suivi trop tardif, une molécule mal dosée, et la trajectoire du patient bascule. L’IA n’efface pas le clinicien ; elle lui rend des heures et des nuances que l’œil humain, saturé, laisse parfois échapper.
- Imagerie assistée pour repérer plus tôt certaines tumeurs osseuses.
- Modèles d’aide à la décision pour ajuster des protocoles oncologiques.
- Jeux de données dermatologiques conçus pour accélérer le triage.
- Applications exploratoires en maladies neurodégénératives, diabète et soins oculaires.
Pourquoi ce timing compte
L’annonce a été faite à Montréal, en marge de la conférence ALL IN, alors que le pays discute ouvertement de sa souveraineté numérique. Former des modèles sur des données étrangères, c’est importer des biais et exporter de la valeur. Former des modèles sur des données canadiennes, c’est ancrer l’innovation dans le réel des cliniques d’ici. Le fonds n’est donc pas seulement un chèque : c’est un signal politique et industriel.
Le TFRI indique avoir reçu plus de deux cents manifestations d’intérêt après l’ouverture des candidatures en mars 2025. Une deuxième vague d’appels est prévue dès cet automne. Autrement dit, les quatorze projets d’aujourd’hui ne sont qu’une première cohorte. Le filtre a été sévère, ce qui donne du poids aux équipes retenues, mais aussi une responsabilité : démontrer que l’argent public accélère vraiment le passage du prototype au soin.
Ce que cela change pour les start-up
Pour une jeune pousse healthtech, le plus dur n’est souvent pas l’algorithme. C’est l’accès propre, légal et durable aux données. Une plateforme nationale qui autorise l’analyse sans déplacement réduit ce goulot. Elle offre aussi un langage commun entre hôpitaux, chercheurs et entrepreneurs. Moins de contrats au cas par cas, plus de cadres réutilisables.
Cela ne supprime pas les exigences réglementaires. La validation clinique, la responsabilité en cas d’erreur, la transparence des modèles restent devant. Mais le terrain de jeu s’élargit. Une entreprise de Calgary peut s’adosser à des cohortes montréalaises. Une équipe de Vancouver peut tester un modèle cutané sur une diversité de peaux que son seul bassin local ne lui offrirait pas.
On voit aussi émerger une culture hybride. Les chercheurs cessent de considérer l’entreprise comme un simple débouché commercial. Les fondateurs cessent de voir l’hôpital comme un client captif. Entre les deux, le patient devient le critère d’arbitrage. Si le modèle n’améliore pas le parcours, il n’a pas vocation à durer, même financé.
Médecine personnalisée : promesse et vigilance
Le mot personnalisé circule beaucoup. Il mérite d’être précisé. Personnaliser, ce n’est pas inventer un médicament unique pour chaque individu dès demain. C’est classer plus finement les profils, éviter un traitement inutile, avancer un examen, ralentir une thérapie trop agressive. L’IA brille surtout lorsqu’elle réduit l’incertitude, pas lorsqu’elle prétend tout savoir.
Reste la question de l’équité. Un outil entraîné surtout dans les grands centres urbains peut sous-performer dans une clinique éloignée. La plateforme DHDP, si elle tient sa promesse de fédération, peut atténuer cet écart. Si elle reste concentrée sur quelques institutions déjà riches en données, elle le reproduira. Le financement public a donc un rôle de boussole : exiger la représentativité autant que la performance.
La confiance du public suivra la pédagogie. Expliquer qu’une donnée n’a pas quitté l’hôpital, qu’un modèle a été audité, qu’un clinicien reste décisionnaire, ce n’est pas un luxe de communication. C’est la condition d’adoption. Sans elle, même le meilleur algorithme reste dans un tiroir.
Un héritage qui se réinvente
Terry Fox a traversé le pays avec une conviction simple : la recherche contre le cancer devait devenir une cause collective. Quarante-cinq ans plus tard, cette cause emprunte d’autres routes. Elle passe par des serveurs sécurisés, des cohortes multi-établissements, des start-up qui parlent autant de conformité que de sensibilité diagnostique. Le relais n’est plus seulement sportif. Il est scientifique et entrepreneurial.
Le Canada dispose d’atouts rares : un système de santé encore largement public, des instituts de recherche reconnus, une scène d’IA visible à Montréal et ailleurs, et une exigence sociale forte sur la vie privée. Le défi consiste à les assembler sans les diluer. Vingt-cinq millions ne transformeront pas à eux seuls l’oncologie nationale. Ils peuvent, en revanche, prouver qu’un modèle de collaboration est viable.
La suite se jouera à l’automne, lors du prochain appel, puis dans les cliniques où ces outils seront — ou non — utilisés. C’est là que l’on mesurera si l’alliance entre recherche et entreprise a réellement raccourci le chemin entre une image floue et une décision claire. D’ici là, la piste est ouverte. Il reste à la parcourir jusqu’au bout, comme l’avait fait, à sa manière, celui dont l’institut porte le nom.
