Actualité

  • AI Act : l’AI Office pourra exiger des évaluations, retirer des modèles et infliger des amendes dès le 2 août

    La Commission consulte sur la qualification des systèmes d’IA à haut risque

    La Commission européenne a lancé une consultation ciblée, ouverte jusqu’au 23 juin 2026, sur son projet de lignes directrices relatives à la classification des systèmes d’intelligence artificielle à haut risque. L’objectif est de recueillir des retours sur la clarté du document et sur la pertinence des exemples proposés.

    Ces lignes directrices doivent aider les fournisseurs, déployeurs et autres acteurs concernés à déterminer si un système relève de la catégorie des systèmes à haut risque au sens de l’AI Act. Elles apportent des précisions sur les dispositions applicables et présentent des cas d’usage illustrant la méthode de classification dans différents secteurs.

    La Commission sollicite les contributions des fournisseurs et développeurs d’IA, des organisations utilisatrices, des autorités publiques, des chercheurs, des organisations de la société civile, des autorités de supervision ainsi que du grand public.

    Une FAQ détaille les obligations applicables aux modèles d’IA à usage général

    L’AI Office de la Commission européenne a publié une foire aux questions consacrée aux modèles d’IA à usage général (General Purpose AI Models – GPAI). Ce document rassemble les interrogations soulevées lors des webinaires du Pacte pour l’IA et dans les contributions des parties prenantes.

    La FAQ revient notamment sur la définition des modèles et systèmes GPAI, les critères d’identification d’un risque systémique, le rôle du seuil de puissance de calcul, l’identification du fournisseur responsable lorsqu’un modèle est modifié par un autre acteur, ainsi que les obligations applicables aux modèles open source.

    Le document aborde également la documentation de la consommation énergétique, la notification des incidents graves et le Code de bonnes pratiques GPAI. L’AI Office précise que les dialogues techniques de conformité constituent son principal outil d’action depuis l’année dernière et que leur utilisation devrait s’intensifier après le mois d’août. Les pouvoirs formels d’intervention seraient mobilisés lorsque ces échanges ne permettent pas d’obtenir les résultats attendus.

    La Pologne prépare son dispositif national de supervision

    En Pologne, la commission parlementaire chargée de la numérisation, de l’innovation et des technologies modernes a adopté un projet de loi destiné à aligner le cadre national sur l’AI Act.

    Le texte prévoit la création d’une autorité de supervision dédiée, la Commission pour le développement et la sécurité de l’intelligence artificielle (KRiBSI). Cette structure serait habilitée à inspecter les entreprises, contrôler leur conformité, prononcer des sanctions et exiger le retrait du marché de systèmes non conformes.

    L’organisme délivrerait également des autorisations pour les systèmes à haut risque utilisés dans des domaines tels que l’éducation, les infrastructures critiques, l’emploi ou la gestion des migrations. Il serait aussi chargé de mettre en place des « bacs à sable réglementaires » permettant des expérimentations encadrées.

    Sa gouvernance reposerait sur un président nommé par le Parlement avec l’accord du Sénat, assisté de deux adjoints et de représentants de plusieurs régulateurs existants.

    L’AI Office se prépare à exercer ses pouvoirs de contrôle

    À partir du 2 août 2026, l’AI Office pourra demander aux fournisseurs de modèles d’IA à usage général des documents techniques, des informations sur les données d’entraînement et des rapports relatifs aux modèles. Il pourra également faire réaliser des évaluations indépendantes et exiger des mesures de réduction des risques, voire restreindre ou retirer un modèle du marché.

    Ces prérogatives s’accompagnent de sanctions pouvant atteindre 3 % du chiffre d’affaires annuel mondial en cas de non-coopération. Selon une analyse publiée par Lawfare, les premières décisions de mise en œuvre et l’usage des mécanismes de dialogue avec les fournisseurs seront déterminants pour la crédibilité du dispositif européen.

    Des bacs à sable encore débattus

    Les bacs à sable réglementaires, introduits par l’AI Act en 2024, permettent aux fournisseurs de tester des systèmes d’IA sous la supervision des autorités avant leur mise sur le marché. Une consultation européenne sur leurs règles de fonctionnement a été lancée en décembre 2025.

    Le dispositif est présenté comme un levier d’innovation et de mise en conformité, certains travaux montrant un accès facilité aux financements pour les entreprises participantes. Des critiques subsistent toutefois concernant son efficacité réelle, son accessibilité pour les PME et la responsabilité des acteurs en cas de dommages. Dans ce contexte, l’accord provisoire du Digital Omnibus a repoussé d’un an, à août 2027, la date limite de déploiement de ces dispositifs par les États membres.

     

  • Santé au travail : 54 % des salariés déclarent un épuisement mental

    Une fatigue physique et psychologique largement répandue

    L’étude OpinionWay réalisée auprès de 1 180 salariés français montre que les difficultés susceptibles d’empêcher les salariés de poursuivre durablement leur activité professionnelle relèvent à la fois de dimensions physiques et psychologiques.

    La fatigue persistante ou l’épuisement physique sont cités par 50 % des répondants, devant les troubles musculosquelettiques (44 %), les maladies chroniques ou affections de longue durée (30 %) et les troubles visuels (25 %).

    Sur le plan psychologique, 46 % évoquent un épuisement mental ou une saturation, 45 % un stress ou une pression élevée, et 43 % une baisse de motivation ou une perte de sens.

    Les 35-49 ans concentrent les signaux d’usure

    Selon l’analyse de Ronan Chastellier, sociologue et maître de conférences à Sciences Po Paris, un point de bascule apparaît entre 35 et 49 ans. Dans cette tranche d’âge, la fatigue atteint 55 %, contre 49 % chez les moins de 35 ans. Les troubles musculosquelettiques concernent 46 % des répondants, contre 36 % chez les plus jeunes, tandis que les maladies chroniques progressent également.

    Les indicateurs psychologiques suivent la même tendance : 54 % des salariés de 35 à 49 ans déclarent un épuisement mental, contre 39 % chez les moins de 35 ans. La baisse de motivation ou la perte de sens atteint 50 %, tandis que le niveau de stress demeure élevé à 48 %. Selon l’étude, cette situation reflète l’accumulation des responsabilités professionnelles et personnelles au milieu de la carrière.

    Une usure ressentie dès le début de carrière

    L’enquête met également en lumière une fatigue précoce. Près de la moitié des moins de 35 ans (49 %) déclarent ressentir de la fatigue au travail, soit davantage que les salariés de plus de 50 ans (46 %). Ronan Chastellier attribue ce résultat à des phases d’entrée dans la vie active marquées par une forte intensité, la pression de performance et une frontière plus floue entre vie professionnelle et vie personnelle.

    42 % des moins de 35 ans déclarent déjà ressentir des signaux habituellement associés à l’âge et à l’usure professionnelle.

    La maladie grave reste un sujet sensible dans l’entreprise

    Face à une pathologie grave, 36 % des salariés estiment que l’attitude à adopter dépend des circonstances. L’ouverture est plus marquée chez les 35-49 ans, dont 24 % déclarent qu’ils en parleraient ouvertement au sein de leur entreprise. Cette proportion retombe à 18 % chez les plus de 50 ans. Au total, 16 % des salariés affirment qu’ils éviteraient d’évoquer une maladie grave dans le cadre professionnel, principalement par crainte d’éventuelles répercussions. Cette proportion atteint 19 % chez les plus de 50 ans.

    Trois générations, trois stratégies pour rester performantes

    Les salariés se montrent largement disposés à modifier leurs habitudes pour préserver leur capacité à travailler : 75 % se disent prêts à adopter au moins un changement de routine.

    • Chez les moins de 35 ans, cette proportion atteint 86 %. Les répondants privilégient une meilleure hygiène de vie et accordent davantage d’importance à l’apparence, 15 % envisageant même des interventions esthétiques non invasives.
    • Parmi les 35-49 ans, 76 % se disent prêts à agir, en privilégiant les formations professionnelles et l’activité physique. Les considérations liées à l’image reculent au profit du maintien des compétences.
    • Chez les plus de 50 ans, 65 % envisagent des changements, principalement orientés vers la santé physique. Ils sont également 32 % à vouloir suivre des formations pour rester à jour sur les nouveaux outils et évolutions technologiques. Seuls 14 % déclarent se sentir dépassés par ces technologies.

    Le bilan de santé global, mesure de prévention la plus attendue

    Plus d’un salarié sur deux estime qu’un bilan de santé global devrait être mis en place pour détecter les premiers signes d’usure professionnelle. Cette mesure recueille l’adhésion de 51 % des moins de 35 ans, 57 % des 35-49 ans et 59 % des plus de 50 ans.

    Pour Ronan Chastellier, cette attente traduit une évolution du rôle attribué à l’entreprise, désormais perçue comme un acteur de prévention capable d’intervenir avant l’apparition des problèmes de santé.

    Une demande de prévention portée vers l’entreprise

    L’enquête montre enfin que 45 % des salariés attendent de leur employeur des mesures de prévention telles que l’amélioration de l’ergonomie des postes, l’adaptation des rythmes de travail ou la mise en place d’ateliers santé.

    Pour Pauline d’Orgeval, cofondatrice et présidente de deuxiemeavis.fr, les résultats remettent en question plusieurs idées reçues :

    • la fatigue n’est pas directement corrélée à l’âge,
    • les problèmes de santé graves demeurent partiellement tabous dans l’entreprise
    • et les salariés de plus de 50 ans restent engagés dans le maintien de leurs compétences et de leur performance.

    Les salariés attendent une implication plus forte des entreprises dans la prévention précoce.

  • Un tiers des Américains utilisent l’IA pour obtenir des conseils en santé (étude KFF)

    Les outils d’IA générative s’installent progressivement dans les usages liés à la santé.

    Selon la dernière enquête « Tracking Poll on Health Information and Trust » du KFF (Kaiser Family Foundation), 32 % des adultes américains disent avoir utilisé une IA ou un chatbot pour obtenir des informations ou des conseils sur leur santé physique ou mentale au cours des douze derniers mois.

    Dans le détail, 29 % des répondants déclarent avoir utilisé ces outils pour des questions liées à leur santé physique, tandis que 16 % les ont sollicités pour des sujets de santé mentale ou de bien-être émotionnel.

    Le recours à l’IA atteint un niveau comparable à celui des réseaux sociaux comme source d’information santé. Il reste toutefois inférieur aux professionnels de santé, consultés par 80 % des adultes interrogés, et aux moteurs de recherche traditionnels, utilisés par 68 % des répondants.

    Le KFF souligne toutefois que les moteurs de recherche intègrent désormais des résumés générés par IA, exposant indirectement une grande partie du public à ces technologies.

    Les jeunes et les publics fragiles davantage utilisateurs

    L’étude met en évidence des différences marquées selon l’âge, la couverture santé et l’origine ethnique.

    Les 18 – 29 ans apparaissent comme les utilisateurs les plus intensifs. Plus d’un tiers (36 %) disent avoir utilisé une IA pour des questions de santé physique et 28 % pour leur santé mentale. Les jeunes adultes sont plus de trois fois plus nombreux que les plus de 50 ans à avoir utilisé l’IA pour des conseils liés à la santé mentale (28 % contre 8 %).

    Le recours à l’IA pour des questions de santé mentale est également plus fréquent parmi les personnes non assurées. Près de 30 % des adultes sans assurance santé disent avoir utilisé une IA pour obtenir des conseils psychologiques ou émotionnels, contre 14 % des personnes assurées.

    Des écarts apparaissent aussi selon les groupes ethniques : 21 % des adultes noirs et 19 % des adultes hispaniques déclarent avoir utilisé l’IA pour des conseils de santé mentale, contre 12 % des adultes blancs.

    Le KFF rappelle que ces variables sont liées entre elles, les jeunes adultes et les populations hispaniques étant davantage exposés à l’absence de couverture santé.

    Symptômes, résultats d’examens et orientation dans le parcours de soins

    L’usage principal de l’IA concerne la recherche d’informations générales sur les symptômes et les maladies.

    Environ 27 % des adultes disent avoir utilisé un chatbot ou un outil d’IA pour rechercher des informations sur des symptômes ou des pathologies. Près d’un adulte sur cinq (19 %) affirme avoir utilisé l’IA pour comprendre des résultats biologiques, des examens ou des diagnostics, ou encore comparer différentes options thérapeutiques.

    Par ailleurs, 16 % des répondants disent avoir utilisé ces outils pour décider s’il était nécessaire de consulter un médecin.

    Les usages en santé mentale suivent une logique similaire. Environ 11 % des adultes déclarent avoir utilisé l’IA pour obtenir des informations sur des symptômes psychiques ou des troubles mentaux, recevoir des conseils ou des stratégies de gestion émotionnelle, ou comparer des traitements.

    Près de 9 % disent avoir utilisé ces outils comme interlocuteur conversationnel pour parler de préoccupations personnelles.

    Des utilisateurs souvent satisfaits des réponses obtenues

    Parmi les personnes ayant utilisé l’IA pour des questions de santé, une large majorité se dit satisfaite des réponses fournies.

    92 % des utilisateurs ayant consulté une IA pour leur santé physique se déclarent au moins « plutôt satisfaits » des réponses obtenues. Cette proportion atteint 85 % pour les usages liés à la santé mentale.

    Les niveaux de confiance restent toutefois contrastés. Parmi les utilisateurs de l’IA en santé, 69 % disent faire confiance à ces outils pour fournir des informations fiables sur la santé physique et 62 % pour la santé mentale.

    En revanche, la confiance chute fortement chez les personnes n’ayant jamais utilisé ces outils. Seuls 18 % des non-utilisateurs disent faire confiance à l’IA pour des informations liées à la santé physique et 16 % pour la santé mentale.

    L’accès aux soins et les coûts poussent certains patients vers l’IA

    L’enquête montre que la rapidité constitue la principale motivation d’usage. Parmi les personnes ayant utilisé une IA pour des questions de santé, 65 % expliquent que l’obtention immédiate d’informations ou de conseils a été une raison « majeure ».

    D’autres motivations apparaissent : 41 % voulaient obtenir des informations avant de décider de consulter un professionnel de santé, tandis que 36 % évoquent le caractère plus privé des échanges avec une IA.

    L’accès aux soins joue également un rôle important.

    Près d’un utilisateur sur cinq (19 %) affirme avoir utilisé l’IA parce qu’il ne pouvait pas assumer le coût d’une consultation médicale. Une proportion similaire indique ne pas avoir de médecin traitant ou ne pas réussir à obtenir de rendez-vous.

    Des usages parfois sans suivi médical

    Parmi les personnes ayant utilisé ces outils pour leur santé physique, 58 % déclarent avoir ensuite échangé avec un médecin ou un professionnel de santé. Concernant la santé mentale, 42 % disent avoir consulté un professionnel après avoir utilisé un chatbot ou une IA.

    Mais l’étude montre aussi qu’une partie des utilisateurs ne poursuit pas systématiquement son parcours de soins.

    Chez les 18-29 ans, 21 % disent avoir utilisé une IA pour des conseils liés à leur santé physique sans consulter ensuite un médecin. Pour la santé mentale, 16 % des jeunes utilisateurs disent ne pas avoir effectué de suivi avec un professionnel.

    Selon l’enquête, 77 % des adultes américains se disent préoccupés par la confidentialité des données médicales partagées avec des outils d’IA.

    Une normalisation rapide des usages

    Au-delà de la santé, l’enquête illustre la diffusion rapide de l’IA dans les usages quotidiens. Quatre adultes sur dix déclarent utiliser activement des outils d’IA plusieurs fois par semaine, tandis que huit sur dix disent être régulièrement exposés à des contenus générés par IA, même sans les rechercher.

    Les résultats suggèrent que ces outils s’installent progressivement comme un intermédiaire supplémentaire dans l’accès à l’information médicale, en particulier chez les populations jeunes, précaires ou éloignées du système de soins.

     

  • Care Forward : 15 startups healthtech retenues à Station F après 250 candidatures européennes

    Doctolib, @Hôtel-Dieu (AP-HP) et Roche ont dévoilé les 15 startups retenues pour intégrer Care Forward, leur nouveau programme d’accélération dédié aux technologies de santé au sein de Station F. Lancée à l’échelle européenne, l’initiative a reçu 250 candidatures en moins d’un mois.

    Le programme s’adresse à des startups internationales capables de démontrer un impact rapide et mesurable sur le système de santé, indépendamment de leur niveau de maturité. Pendant six mois, les entreprises sélectionnées bénéficieront d’un espace de travail à Station F ainsi que d’un accompagnement qui porte sur le passage à l’échelle, l’innovation, l’intelligence artificielle et les interactions avec les professionnels de santé.

    Les projets retenus se distinguent par la fiabilité de leurs solutions, leur potentiel d’innovation et leur capacité à répondre à des besoins concrets des soignants et des patients.

    Des solutions centrées sur l’IA clinique et les parcours de soins

    Les 15 startups sélectionnées sont implantées en France, Allemagne, Belgique, Pays-Bas, Royaume-Uni, Espagne et Turquie. Elles mobilisent l’IA et les technologies numériques pour améliorer la décision clinique, le diagnostic précoce ou encore le suivi des patients dans des domaines tels que l’oncologie, l’ophtalmologie, la neurologie, les maladies chroniques et les maladies rares. Parmi elles figurent :

    • BeLiver (Bordeaux), qui développe une aide à la décision pour les oncologues afin de prédire la réponse aux traitements dans les cancers de mauvais pronostic, en commençant par le cancer du foie ;
    • Callyope (Paris), plateforme d’IA clinique dédiée à la psychiatrie, combinant automatisation documentaire et suivi vocal des patients ;
    • Composo (Londres), spécialisée dans l’évaluation de la qualité des systèmes d’IA générative appliqués à la santé ;
    • Deepeye (Munich), qui propose un assistant d’analyse d’images rétiniennes destiné aux ophtalmologistes ;
    • Elna Health (Barcelone), qui développe une infrastructure de gouvernance des connaissances cliniques pour les hôpitaux ;
    • FluidCare (Paris), orientée vers l’accompagnement des patients atteints de maladies chroniques ;
    • Geodaisics (Grenoble), éditeur de logiciels d’aide à la décision clinique ;
    • HealthSage AI (Utrecht), qui travaille sur l’intégration d’agents d’IA dans les flux hospitaliers ;
    • Kanopy Med (Paris et Montpellier), spécialisée dans les dispositifs médicaux numériques pour les maladies chroniques ;
    • MoveUP (Bruxelles), qui associe suivi à distance, données en vie réelle et parcours de soins numériques ;
    • PaperDoc (Paris), qui facilite l’accès à la littérature scientifique médicale ;
    • Qairnel (Paris), positionnée sur la neurologie de précision ;
    • RareSum (Istanbul), plateforme d’aide à la détection précoce des maladies rares ;
    • SurgeCare (Paris), qui développe une solution d’intelligence immunitaire pour la phase périopératoire ;
    • Synagen (Dresde), dont l’IA prépare les réunions de concertation pluridisciplinaire en oncologie à partir des données patients et des recommandations scientifiques.

    Les organisateurs prévoient une seconde promotion d’une quinzaine de startups qui rejoindra le programme dans six mois.

  • L’hôpital public français face à ses paradoxes : les propositions de Nicolas Revel

    Un système sous pression démographique

    Le point de départ du rapport de Nicolas Revel est une évidence chiffrée : la part des plus de 65 ans dans la population française passera de 21 % aujourd’hui à 28 % en 2050. Conséquence directe, le nombre de malades chroniques devrait passer de 25 à 30 millions dans la prochaine décennie. Face à ce mur épidémiologique, l’auteur constate que la France n’est pas armée pour répondre.

    Ce n’est pourtant pas faute d’avoir maîtrisé ses dépenses : entre 2014 et 2024, la progression annuelle réelle des dépenses de santé a été parmi les plus faibles de l’OCDE. Mais cette performance a eu un coût humain et structurel. Elle s’est appuyée sur une réduction systématique des tarifs hospitaliers pendant une décennie, sans restructuration réelle du tissu d’établissements. Les hôpitaux ont absorbé cette pression en gagnant massivement en productivité – l’activité a crû de 9,6 % entre 2013 et 2019, à effectifs quasi stables – mais au prix d’une fragilisation profonde.

    Trois paradoxes post-Covid :

    La crise sanitaire a révélé cette fragilité tout en suscitant un élan de soutien sans précédent : revalorisation salariale de 14 milliards d’euros, plan d’investissement de 15,5 milliards. Pourtant, l’auteur identifie trois paradoxes troublants dans la période qui a suivi.

    D’abord, une fuite massive de soignants : à l’AP-HP, les effectifs infirmiers ont reculé de 12 % entre 2021 et 2023, entraînant la fermeture de 20 % des capacités d’hospitalisation. Ensuite, une dégradation financière record : le déficit des hôpitaux publics a atteint 2,9 milliards d’euros en 2024, contre environ 650 millions dans les années 2010. Les inspections de l’IGAS et de l’IGF imputent les deux tiers de ce déficit à la sous-compensation de l’inflation et des revalorisations salariales décidées par l’État. Enfin, une absence totale de visibilité stratégique pour les établissements.

    L'évolution du déficit des hôpitaux publics (2015-2024)
    L’évolution du déficit des hôpitaux publics (2015-2024)

    Des propositions précises pour répondre à 3 défis

    L’attractivité des professionnels constitue le premier chantier. Revel plaide pour alléger le quotidien des soignants – automatisation, simplification, outils numériques – et pour réformer le management hospitalier, trop hiérarchique et insuffisamment évalué. Il propose notamment d’instaurer des mandats limités pour les chefs de service, assortis d’une vraie évaluation managériale, et de réformer le régime disciplinaire des médecins, aujourd’hui trop lent et trop clément. Sur les salaires, il préconise un régime indemnitaire souple, géré établissement par établissement, pour reconnaître l’engagement individuel sans abandonner le statut de la fonction publique hospitalière.

    La réorganisation territoriale de l’offre est le deuxième levier. La France compte 44 hôpitaux par million d’habitants, contre 16 en Espagne. Cette dispersion nuit à la qualité : en chirurgie oncologique mammaire, la mortalité est 84 % plus élevée dans les établissements réalisant moins de 30 actes par an que dans ceux en réalisant plus de 150. Revel appelle à concentrer l’offre hospitalière, compensée par un dispositif de consultations avancées obligatoires dans les territoires sous-dotés, environ deux jours par mois pour les médecins des grands centres urbains.

    Le financement est le troisième axe. Sans préconiser de révolution du modèle tarifaire, l’auteur demande une mise en cohérence urgente : revaloriser les activités sous-financées (soins critiques, ambulatoire), porter la part du budget consacrée à la qualité de 0,6 % à 5 %, et créer un cadre de financement du suivi des malades chroniques à domicile — levier qui pourrait réduire de 20 à 30 % leurs dépenses annuelles de soins.

     

  • Agentic AI en santé : un marché en forte expansion porté par le diagnostic, les essais cliniques et l’orchestration hospitalière

    Agentic AI : une nouvelle étape dans l’automatisation clinique

    Le rapport « Agentic AI Market – Global Forecast to 2032 » décrit l’agentic AI comme une classe de systèmes autonomes capables de poursuivre des objectifs définis, d’analyser des situations complexes et d’exécuter des séquences d’actions sans supervision continue. Selon IBM, ces systèmes s’appuient sur des agents coordonnés qui miment la prise de décision humaine en temps réel, avec une orchestration multi‑agents pour répartir les sous‑tâches nécessaires à l’atteinte d’un objectif, par exemple un diagnostic ou un plan thérapeutique. L’OCDE parle de systèmes « agentic » dès lors qu’ils apprennent ou agissent sans contrôle humain direct une fois déployés, avec capacité d’auto‑fixation d’objectifs et d’adaptation en fonction de nouvelles données, tout en requérant un niveau de supervision variable selon les usages.

    Cette approche se distingue des modèles d’IA traditionnels, souvent confinés à des tâches statiques, par trois caractéristiques structurantes : autonomie, comportement orienté objectifs, et adaptabilité dans des environnements cliniques dynamiques. Le rapport souligne que cette évolution n’est pas considérée comme une simple tendance ponctuelle, mais comme un basculement durable de l’IA vers des systèmes capables d’optimiser en continu workflows et décisions dans des secteurs très régulés, dont la santé.

    Marché en hypercroissance, santé incluse

    Le marché global de l’agentic AI est estimé à 7,06 milliards de dollars en 2025 et à 93,20 milliards en 2032, soit un taux de croissance annuel composé de 44,6% sur la période. Cette dynamique est portée par une demande forte d’automatisation adaptative, capable de traiter des workflows de bout en bout au‑delà de la simple RPA ou des chatbots.

    Dans cette segmentation, la santé et les life sciences constituent l’un des verticaux étudiés, aux côtés de la banque, du retail, des services professionnels, des télécoms, de la logistique, de l’automotive ou encore de l’énergie. Le rapport distingue des cas d’usage horizontaux (data analytics, conformité, sécurité, expérience client, etc.) et des cas d’usage verticaux, dont un ensemble spécifiquement dédié à Healthcare & Life Sciences. Les analystes prévoient une montée en puissance rapide de plateformes agentic AI capables de s’intégrer aux SI existants (HIS, RIS, LIS, CRM, plateformes d’essais), avec une offre combinant infrastructures, SaaS et services managés.

    Cas d’usage en santé : du diagnostic aux essais cliniques

    Dans le vertical Healthcare & Life Sciences, le rapport décrit l’agentic AI comme un levier pour « élever la prise en charge et l’efficacité clinique via des agents auto‑apprenants de diagnostic et de workflow ». Plusieurs familles de cas d’usage sont mises en avant : optimisation des workflows d’essais cliniques, imagerie diagnostique assistée par IA, personnalisation des plans de traitement, orchestration des ressources hospitalières et revue autonome des demandes de remboursement.

    Les agents peuvent, par exemple, suivre l’avancement d’un protocole d’essai clinique, coordonner les visites, surveiller la complétude des données, déclencher des actions correctives ou des alertes de safety, tout en s’adaptant aux imprévus (retards, données manquantes, événements indésirables). En imagerie, des agents orchestrés peuvent enchaîner triage intelligent, pré‑lecture, extraction de biomarqueurs et rédaction structurée de compte rendu avant validation médicale. Sur le terrain de la médecine personnalisée, l’agentic AI est décrite comme un moyen de composer des plans thérapeutiques en combinant guidelines, données patient longitudinales et réponses aux traitements, avec ajustements itératifs.

    L’orchestration des ressources hospitalières fait également partie des cas d’usage détaillés : pilotage des lits, blocs opératoires, équipes et équipements critiques par des agents capables de simuler différents scénarios et de proposer des arbitrages de capacité quasi en temps réel. Enfin, des agents de type « autonomous claims review » peuvent traiter automatiquement des demandes de remboursement, vérifier les règles de couverture, détecter les incohérences et préparer les décisions de prise en charge.

    Moteurs et freins dans un secteur régulé

    Plusieurs facteurs de croissance identifiés pour l’agentic AI se retrouvent directement en santé : besoin d’hyper‑automatisation, progrès des LLM, de la mémoire contextualisée et des frameworks d’orchestration, ainsi que disponibilité accrue de capacités de calcul pour des usages intensifs. Le rapport mentionne aussi la maturité croissante des jumeaux numériques combinés à de l’orchestration agentic pour des simulations proches du réel, un élément particulièrement pertinent pour la planification d’essais cliniques ou l’optimisation d’unités hospitalières.

    Les freins sont néanmoins marqués dans les secteurs régulés : standards incohérents de coordination sûre des agents entre géographies, ROI incertain lorsque des automatisations plus simples suffisent, fragmentation des « autonomy stacks » et manque de standards d’interopérabilité. Les auteurs soulignent des « gaps juridiques et éthiques autour des actions autonomes », qui retardent l’adoption dans les secteurs régulés, parmi lesquels la santé. L’étude met en avant la nécessité d’un contrôle humain adapté au niveau d’autonomie et au risque clinique, ainsi que d’architectures explicables pour rendre les décisions des agents auditables.

    Cadre réglementaire : IA Act européen, AIDA canadien et autres textes

    Le rapport consacre un chapitre à l’environnement réglementaire, couvrant notamment le National Artificial Intelligence Initiative Act aux États‑Unis, l’Artificial Intelligence and Data Act au Canada, l’AI Act et le RGPD en Europe, et plusieurs stratégies nationales en Asie, au Moyen‑Orient et en Amérique latine. Ces textes ne ciblent pas spécifiquement la santé, mais encadrent les systèmes d’IA à haut risque, ce qui inclut une grande partie des usages cliniques et médico‑administratifs de l’agentic AI.

    Les auteurs considèrent que l’émergence de ces régulations ouvre de « nouveaux marchés pour une autonomie conforme », en particulier pour des offres intégrant nativement gouvernance, traçabilité, gestion des données et mécanismes de supervision humaine. Pour les hôpitaux, payeurs et industriels du médicament, ces exigences réglementaires sont présentées moins comme un frein que comme un catalyseur de solutions agentic AI « compliance‑ready ».

    Recommandations stratégiques : une évaluation de la « readiness » organisationnelle

    Le rapport propose une feuille de route générique pour les entreprises qui déploient de l’agentic AI, qui s’applique directement aux établissements de santé, payeurs et industriels. Il recommande d’abord une évaluation de la « readiness » organisationnelle : maturité data, capacités cloud, appétence des équipes métiers, gouvernance du risque et de l’IA. Vient ensuite le choix d’une stratégie d’intégration qui évite le remplacement brutal des systèmes existants, en privilégiant une orchestration par‑dessus les ERP, HIS, CRM ou plateformes d’essais déjà en place.

    La gestion du changement et la stratégie de talents sont identifiées comme des leviers déterminants, avec la nécessité de créer des rôles dédiés à la supervision d’agents, au contrôle qualité et à la traduction des besoins cliniques en objectifs d’agents. Le rapport insiste également sur la mise en place d’une gouvernance et de contrôles précis : définition de niveaux d’autonomie selon les risques, scénarios d’interruption ou d’escalade vers l’humain, et métriques de succès incluant non seulement l’efficacité, mais aussi conformité et sécurité. Enfin, il propose un cadre d’évaluation des fournisseurs et partenaires (plateformes de développement, orchestration, process automation, applications d’entreprise) en fonction de leur couverture fonctionnelle, footprint sectoriel et préparation réglementaire.

    Pour les décideurs en santé, l’étude conclut que le passage de l’IA « assistive » à l’IA « agentic » va redessiner les processus et la répartition des rôles, en faisant de la capacité à concevoir, gouverner et intégrer des agents une compétence structurante, au même titre que la gestion de l’interopérabilité ou des données patients aujourd’hui.

     

  • Harris Associates déploie InterSystems Data Studio pour unifier ses données

    Harris Associates, société indépendante de gestion d’actifs, gère plus de 99 milliards de dollars de portefeuilles actions et obligataires pour des entreprises, institutions, organisations à but non lucratif et autres clients.

    L’entreprise cherchait à créer et maintenir une source unique de vérité à partir de données internes et externes. Objectif : fournir aux équipes un socle cohérent pour améliorer la performance des portefeuilles, renforcer l’engagement client, réduire les risques et gagner en efficacité opérationnelle.

    Les limites des architectures précédentes

    Harris Associates avait testé plusieurs approches : traitements manuels, tableurs, data lakes, data warehouses et data marts. L’entreprise cite plusieurs limites comme la duplication des données, des traitements par lots trop lents, des architectures rigides, et une faible autonomie des métiers et de la maintenance continue.

    L’entreprise traite des millions d’enregistrements de données, dans des contextes où la rapidité d’exploitation est déterminante. Certaines informations peuvent perdre leur pertinence quelques minutes seulement après leur production, ce qui renforce l’importance d’un traitement en temps réel.

    Après évaluation de plusieurs alternatives, Harris Associates a choisi InterSystems Data Studio, fondé sur une architecture de smart data fabric.

    La solution permet d’accéder à des données issues de multiples sources et de les exposer à différents outils d’analyse, sans remplacement massif des systèmes existants.

    Reporting, données clients et analyse des transactions

    Un premier usage concerne le reporting interne et client. InterSystems Data Studio sert de couche transverse de données, de métadonnées et de sémantique pour alimenter les outils de reporting, de business intelligence et les tableaux de bord dynamiques.

    Les données intégrées proviennent notamment de systèmes internes de performance et d’attribution, de Salesforce, de prestataires de comptabilité des investissements, d’agents de transfert, de Bloomberg, FactSet, Oracle, SQL Server et Sybase.

    Dans le domaine de la finance, l’entreprise étend aussi le dispositif à l’analyse des coûts de transaction. Harris Associates veut comparer ses historiques d’ordres et d’exécution avec des transactions similaires du marché afin d’évaluer la qualité d’exécution de ses brokers. Les modèles de machine learning doivent être intégrés aux processus de trading algorithmique pour router les ordres vers les brokers les plus adaptés en temps réel.

    Des économies attendues de plusieurs millions de dollars

    Selon le CTO, l’analyse des coûts de transaction pourrait générer plusieurs millions de dollars d’économies annuelles une fois en production. L’entreprise estime déjà économiser des millions de dollars par an grâce à la plateforme.

    Harris Associates prévoit d’utiliser cette base de données harmonisée pour d’autres cas d’usage, dont le reporting IBOR en temps réel. L’objectif est de construire un écosystème de données commun à plusieurs départements, plutôt que d’acheter et intégrer une multitude de solutions hétérogènes.

    L’architecture de données, moteur de la transformation numérique en santé

    Pour le secteur de la santé, cette approche pourrait faciliter le partage et l’exploitation de données issues de systèmes souvent cloisonnés, afin de construire une vision plus complète du parcours patient. En rendant les données plus cohérentes, accessibles et exploitables en temps réel, elle créerait également des conditions plus favorables au déploiement de l’IA, qu’il s’agisse d’aide au diagnostic, de prédiction des risques, d’automatisation de tâches administratives ou de recherche clinique.

    Elle pourrait enfin améliorer la coordination entre les différents acteurs du soin et permettre des prises de décision plus rapides dans des environnements où l’information perd rapidement de sa valeur, comme les urgences, la réanimation ou la télésurveillance.

  • US : le CMS lance une phase pilote avec 29 early adopters pour accélérer l’autorisation préalable électronique

    Le Centers for Medicare & Medicaid Services accélère la préparation du système de santé américain à l’autorisation préalable électronique.

    À travers son Health Tech Ecosystem, l’agence fédérale a lancé une initiative dédiée, baptisée Electronic Prior Authorization Acceleration, afin d’identifier les freins à l’adoption et d’accompagner leur résolution avant l’entrée en vigueur des nouvelles exigences réglementaires.

    Cette phase réunit 29 early adopters, parmi lesquels, des éditeurs de dossiers patients informatisés, des cabinets médicaux, des réseaux d’échange de données et des développeurs en santé numérique. Ils rejoignent plusieurs des principaux payeurs américains, déjà engagés auprès du CMS depuis juin.

    Parmi les participants figurent plusieurs organisations de soins, telles qu’AtlantiCare, Cleveland Clinic ou Providence, ainsi que des éditeurs de dossiers patients informatisés comme Epic, Oracle, MEDITECH et athenahealth. Des réseaux d’échange de données de santé, dont CommonWell, eHealth Exchange et Kno2, sont également engagés dans l’initiative.

    Ils rejoignent les plans de santé signataires de l’engagement annoncé en juin.

    Une échéance réglementaire fixée au 1er janvier 2027

    Cette initiative complète la règle finale CMS Interoperability and Prior Authorization, qui impose à certains payeurs concernés de soutenir l’autorisation préalable électronique pour les biens et services médicaux.

    Les exigences portent notamment sur :

    • l’échange de données via des API utilisant des standards fondés sur FHIR ;
    • la définition de délais pour les décisions d’autorisation préalable ;
    • la publication d’indicateurs de transparence par les payeurs concernés ;
    • et la préparation de l’industrie à l’échéance du 1er janvier 2027.

    Réduire les fax, les portails et les ruptures de workflow

    Selon le CMS, l’enjeu dépasse la seule conformité technique. Les participants doivent travailler sur l’intégration de l’autorisation préalable électronique dans les systèmes cliniques et administratifs, la réduction des processus manuels comme le fax et les portails, l’amélioration de la visibilité sur le statut et les décisions d’autorisation, ainsi que la correction des ruptures de workflow et des transmissions techniques entre systèmes.

    Le CMS indique que ce premier groupe d’early adopters sera élargi et appelle les fournisseurs de soins, développeurs technologiques et réseaux partenaires à rejoindre l’initiative.

     

  • Recherche en santé : la CNIL élargit les MR-001 et MR-003 et impose de nouvelles exigences de sécurité dès 2027

    La Commission nationale de l’informatique et des libertés a publié une mise à jour des méthodologies de référence MR-001 et MR-003 applicables à la recherche en santé. Ces référentiels encadrent les traitements de données personnelles mis en œuvre dans le cadre des recherches impliquant la personne humaine, des essais cliniques de médicaments, des investigations sur les dispositifs médicaux ou encore des études de performance des dispositifs de diagnostic in vitro.

    Des référentiels élargis aux nouvelles pratiques de recherche

    Les nouvelles versions des MR-001 et MR-003 intègrent plusieurs évolutions de fond concernant notamment :

    • les études impliquant des personnes résidant à l’étranger ;
    • l’information dématérialisée des participants ;
    • les modalités de contrôle qualité à distance ;
    • les accès aux données d’identification ;
    • les transferts de données hors de l’Union européenne ;
    • les relations avec les sous-traitants.

    La CNIL précise également les catégories de données concernées, les destinataires autorisés ainsi que les exigences en matière de sécurité.

    Ces documents s’adressent aux acteurs publics et privés impliqués dans la recherche en santé : promoteurs, délégués à la protection des données (DPO), responsables de la sécurité des systèmes d’information (RSSI), chefs de projet ou encore équipes opérationnelles.

    Des versions annotées des référentiels, accompagnées de recommandations de bonnes pratiques et de grilles de conformité, ont également été mises à disposition afin d’aider les structures à évaluer leur niveau de conformité.

    Deux nouvelles annexes sur la sécurité et le contrôle qualité

    La CNIL complète désormais les MR-001 et MR-003 par deux annexes transversales : l’une consacrée à la sécurité des traitements, l’autre au contrôle qualité des recherches. L’annexe “sécurité” regroupe des mesures techniques et organisationnelles adaptées à la sensibilité des données de santé. Elle couvre notamment :

    • l’utilisation de codes non signifiants pour identifier les participants ;
    • les modalités d’information dématérialisée ;
    • le partage de données dans le cadre de la revue ou de la publication des résultats ;
    • les exigences générales issues du guide de sécurité de la CNIL.

    L’autorité justifie ce renforcement par la hausse des violations de données dans le secteur de la santé, qui a enregistré 547 notifications en 2024 contre 16 en 2018. Pour les recherches déjà en cours, les responsables de traitement disposent d’un délai allant jusqu’en mai 2027 pour déployer un plan d’action de mise en conformité.

    L’authentification multifacteur deviendra obligatoire à partir du 1er janvier 2027 pour les systèmes accessibles via le web, puis au 1er janvier 2028 pour les autres environnements.

    Le contrôle qualité à distance désormais intégré

    La seconde annexe formalise les règles applicables au contrôle qualité (ou monitoring) des recherches en santé. Historiquement réalisé sur site, ce contrôle est de plus en plus souvent effectué à distance. Le document distingue :

    • les exigences communes à tous les contrôles qualité ;
    • les obligations spécifiques au monitoring à distance ;
    • les recommandations de bonnes pratiques ;
    • une grille de vérification destinée aux équipes opérationnelles.

    La CNIL précise que les recherches déjà conformes aux nouvelles MR pourront intégrer un contrôle qualité à distance sans dépôt d’une nouvelle demande d’autorisation.

    Une volonté de simplification des démarches

    La CNIL rappelle que les traitements de données de santé à des fins de recherche restent soumis à un régime de formalités préalables. En principe, les acteurs déposent une déclaration de conformité à la méthodologie applicable, dans certains cas, une demande d’autorisation reste nécessaire.

    En 2025, l’autorité indique avoir traité 539 demandes d’autorisation en santé, dont 406 dans le champ de la recherche.

    Pour accompagner les acteurs, la CNIL prévoit de mettre à disposition un questionnaire interactif destiné à orienter les responsables de traitement vers les démarches adaptées à leur situation.

    Les structures ayant déjà déclaré leur conformité à une version antérieure des MR-001 ou MR-003 ne seront pas tenues d’effectuer une nouvelle déclaration pour les versions 2026. Elles devront néanmoins mettre à jour leur documentation interne, notamment les registres de traitement et les analyses d’impact relatives à la protection des données, ainsi que réaliser les démarches nécessaires auprès des autorités sanitaires ou des comités d’éthique compétents.

     

  • Sepsis : l’IA de Bayesian Health obtient l’aval de la FDA

    Une première autorisation pour une surveillance continue de la septicémie par IA

    La société américaine Bayesian Health est devenue ce mois-ci la première entreprise à obtenir une autorisation de la Food and Drug Administration pour un système de surveillance continue de la septicémie reposant sur l’IA.

    Bayesian indique avoir travaillé plusieurs années avec la FDA afin de définir des critères robustes de détection du sepsis, valider les performances du modèle dans des environnements hospitaliers variés, évaluer les risques liés aux faux négatifs et à la fatigue liée aux alertes, ainsi que mettre en place un programme de surveillance post-commercialisation.

    L’entreprise revendique une stratégie différente de celle habituellement adoptée par les start-up de l’IA clinique. Plutôt que de commercialiser “rapidement” un produit précoce, Bayesian affirme avoir privilégié les déploiements en “conditions réelles et les études cliniques”.

    Lancée officiellement en 2021, la société a publié dès 2022 des travaux dans Nature Medicine portant sur environ 750 000 patients. Selon ces études, l’outil permettrait une détection plus précoce du sepsis, avec des taux d’adoption élevés par les cliniciens, une réduction de la mortalité, une diminution des complications et des durées de séjour hospitalier plus courtes.

    Plusieurs établissements américains utilisent aujourd’hui la plateforme, parmi lesquels la Cleveland Clinic, Johns Hopkins Health System, University of Rochester Medicine.

    Réduction des alertes et amélioration des délais de traitement

    À MemorialCare par exemple, le déploiement de la solution a été mené simultanément sur deux volets : l’intégration technique dans le dossier patient informatisé et la refonte des workflows cliniques liés à la prise en charge du sepsis. Les équipes de Bayesian ont travaillé avec les services d’urgences, les unités d’hospitalisation, les soins intensifs et les équipes qualité afin de concevoir des workflows validés par les cliniciens avant le déploiement.

    Le système repose sur une diffusion continue du niveau de risque du patient auprès des équipes soignantes.

    L’outil permet d’identifier davantage de patients septicémiques plus précocement, avec une sensibilité “plus de deux fois supérieure” aux solutions précédemment utilisées. L’établissement rapporte également une réduction du nombre d’alertes électroniques adressées aux cliniciens, un facteur présenté comme déterminant dans l’amélioration de l’adhésion des équipes.

    La mortalité diminue de 3,6 points et le délai d’administration des antibiotiques est divisé par deux lorsque la réaction intervient dans la première heure. MemorialCare indique par ailleurs atteindre un taux d’adoption de 90 % aux urgences.

    Ceci étant, l’autorisation réglementaire ne constitue qu’un point de départ. La capacité d’un outil d’IA à modifier les décisions cliniques et les résultats patients dépend de son intégration dans les pratiques, de sa transparence et de son acceptabilité par les soignants.

    L’expérience de Bayesian Health illustre ainsi une tendance plus large dans la santé numérique : les performances algorithmiques seules ne suffisent plus. Les établissements attendent désormais des preuves en conditions réelles, une réduction mesurable de la charge cognitive des équipes et des effets documentés sur les résultats cliniques.