Actualité

  • KDDI France renforce son offre cloud e-santé autour du PRA, du stockage flash et d’un coffre-fort anti-ransomware

    Une tolérance à la panne inférieure à deux minutes

    KDDI France a annoncé la restructuration de son offre cloud dédiée à la e-santé. L’objectif est de répondre aux exigences de sécurité, de disponibilité et de conformité des acteurs médicaux.

    L’offre combine stockage haute performance, reprise d’activité et protection contre les ransomwares. Elle s’adresse aux établissements de santé, aux éditeurs de logiciels médicaux et aux plateformes numériques de santé.

    KDDI France met en avant sa certification HDS pour ses activités cloud IaaS. Celle-ci couvre les exigences de confidentialité, d’intégrité, de disponibilité et de traçabilité des données de santé hébergées.

    Le volume mondial de données de santé a été multiplié par 15 entre 2013 et 2020. KDDI France souligne les contraintes de disponibilité des praticiens, avec une tolérance à la panne souvent inférieure à deux minutes.

    Trois briques technologiques

    • L’offre repose sur KDDI CyberRecovery, destinée à mettre en place un plan de reprise d’activité. En cas de défaillance technique, la solution vise à restaurer les environnements critiques.
    • Elle comprend aussi KDDI Cloud Storage, une solution de stockage objet sur infrastructure 100 % flash, pensée pour les données non structurées : imagerie, dossiers patients, analyses et archives.
    • Enfin, KDDI France intègre un coffre-fort anti-ransomware, développé avec Dell Technologies. Le dispositif repose sur une architecture immuable et déconnectée du réseau, afin de rendre les sauvegardes inaccessibles aux cybercriminels et de permettre une restauration après attaque.
    • IMDEV migre vers le cloud privé de KDDI France

    Le groupe IMDEV, spécialisé dans l’imagerie médicale, a migré l’ensemble de son infrastructure on-premise vers le cloud privé de KDDI France. Le groupe compte 60 plateformes et 700 salariés.

  • Claude Bernard DM x Exhausmed s’intègre à Hospitalis pour centraliser les données sur les dispositifs médicaux

    Des fonctionnalités orientées gestion et traçabilité

    Cette intégration doit permettre :

    • d’accéder à une base de plus de 2,7 millions de dispositifs médicaux et à des informations documentaires associées ;
    • de consulter, depuis Hospitalis, des monographies, fiches techniques, documents de bon usage et catalogues fournisseurs ;
    • d’identifier des alternatives à certains produits en cas de rupture d’approvisionnement, notamment via les classifications LPP ou CLADIMED ;
    • de renforcer la traçabilité réglementaire des dispositifs médicaux et implantables à partir de référentiels et classifications issus de sources officielles (JO, HAS, ANSM) ;
    • de consolider le suivi des données produits dans un environnement hébergé en France.

    Les hôpitaux, cliniques, EHPAD et établissements médico-sociaux évoluent dans un contexte marqué par des tensions sur les ressources, un renforcement des exigences réglementaires et une complexification des circuits d’approvisionnement.

    Dans ce cadre, les établissements doivent pouvoir vérifier la conformité réglementaire d’un dispositif médical avant commande, disposer d’informations actualisées et identifier des alternatives en cas de rupture d’approvisionnement. Ces démarches restent souvent compliquées par la dispersion des données et l’hétérogénéité des référentiels utilisés.

    C’est dans cette logique que les données de Claude Bernard DM x Exhausmed sont désormais intégrées à la plateforme Hospitalis.

    Une intégration entre référentiels et plateforme d’approvisionnement

    La base Claude Bernard est utilisée par des professionnels de santé et déployée dans une partie des établissements hospitaliers français. Avec les données d’Exhausmed, spécialisées dans les dispositifs médicaux, l’ensemble constitue une base documentaire dédiée à la gestion des dispositifs médicaux en établissement de santé.

    De son côté, Hospitalis, développé par Cegedim Business Services, est une plateforme SaaS de gestion des processus d’approvisionnement en santé. Elle relie des établissements de santé, groupements d’achats, fournisseurs et logisticiens dans un environnement hébergé en France et certifié HDS. L’intégration des données Claude Bernard DM et Exhausmed au sein d’Hospitalis vise à centraliser les informations utiles à la gestion des dispositifs médicaux directement dans l’environnement de travail des équipes achats et des pharmaciens hospitaliers.

     

     

  • Étude : une IA pourrait détecter des patients à risque d’AVC jusqu’à 10 ans à l’avance (Jacc)

    Testé sur plus de 200 000 patients, ce modèle utilise uniquement les données de l’ECG, l’âge et le sexe du patient pour identifier des profils à risque, sans avoir recours aux calculs cliniques habituellement utilisés en prévention cardiovasculaire. Ces résultats* ont été publiés le 13 mai 2026 dans le Journal of the American College of Cardiology.

    L’AVC reste l’une des principales causes de décès et de handicap dans le monde. Une partie de ces accidents est liée à des troubles cardiaques, notamment des anomalies des oreillettes, les cavités supérieures du cœur, qui peuvent favoriser la formation de caillots sanguins ensuite envoyés vers le cerveau.

    Problème : ces patients à risque passent souvent sous les radars. Les outils actuels de prédiction reposent sur des scores cliniques parfois lourds à calculer et peu utilisés en pratique courante, tandis que certaines anomalies cardiaques restent difficiles à détecter avant l’apparition des premiers symptômes.

    Décrypter un simple ECG de 10 secondes

    Dans ce contexte, des chercheurs américains du Mass General Brigham et du Broad Institute ont cherché à savoir si une IA pouvait repérer, à partir d’un simple électrocardiogramme (ECG) de 10 secondes, des signaux électriques subtils associés à un risque futur d’AVC. Pour cela, ils ont développé un modèle de deep learning baptisé ECG2Stroke à partir des données de patients du Massachusetts General Hospital, avant de le valider dans 2 autres hôpitaux américains. Au total, plus de 200 000 patients ont été inclus dans l’entraînement et la validation du modèle.

    Ce modèle ECG2Stroke a été conçu pour analyser directement les signaux électriques bruts de l’ECG afin d’identifier des variations très discrètes dans l’activité électrique du cœur, difficiles à repérer lors d’une analyse classique, mais potentiellement associées à un risque futur d’AVC. Contrairement aux scores cliniques traditionnels, qui reposent sur l’addition de multiples facteurs de risque cardiovasculaire, comme l’hypertension, le diabète, le tabagisme ou les antécédents médicaux, l’outil utilise uniquement l’ECG, l’âge et le sexe du patient.

    Les chercheurs ont ensuite comparé les performances du modèle à celles du Framingham Stroke Risk Profile, un score de référence utilisé en prévention cardiovasculaire, afin d’évaluer sa capacité à identifier les patients les plus à risque d’AVC.

    Les résultats de cette étude ont été publiés le 13 mai 2026 dans le Journal of the American College of Cardiology (Jacc).

    Résultats : Jusqu’à 84 % de précision pour certains AVC

    • Le modèle parvenait à distinguer correctement les patients qui allaient présenter un AVC dans environ 77 % à 80 % des cas.
    • ECG2Stroke a affiché des performances comparables à celles du Framingham Stroke Risk Profile, un score clinique de référence utilisé pour estimer le risque d’AVC.
    • Les performances étaient encore meilleures pour les AVC cardioemboliques, avec une précision atteignant jusqu’à 84 % dans certaines cohortes.
    • Les signaux ayant le plus influencé les prédictions étaient liés à l’activité électrique des oreillettes, les cavités supérieures du cœur impliquées dans certaines pathologies cardiaques associées au risque d’AVC.
    • Les performances du modèle sont restées globalement stables entre les différents hôpitaux et sous-groupes de patients analysés.

    « Les outils actuels permettant d’identifier les patients les plus à risque d’AVC nécessitent souvent des calculs cliniques lourds et sont donc peu utilisés en pratique courante », souligne le Dr Rahul Mahajan dans un communiqué. Les auteurs estiment qu’un modèle reposant sur un examen aussi courant qu’un ECG de 10 secondes pourrait au contraire être facilement déployé à grande échelle. Selon eux, cette approche pourrait permettre d’identifier plus tôt certains patients nécessitant une prévention renforcée, notamment contre les AVC cardioemboliques, potentiellement évitables grâce à des traitements anticoagulants. Les chercheurs estiment également que leur modèle pourrait aider à mieux comprendre le rôle de certaines anomalies électriques discrètes des oreillettes dans le développement des AVC.

    Orienter la prévention

    Les auteurs appellent toutefois à la prudence. « Si ces résultats sont confirmés dans des études prospectives en conditions réelles, ce type d’outil pourrait aider à identifier les patients à prioriser pour des efforts intensifs de prévention », explique le Dr Shaan Khurshid. Comme de nombreuses études sur des modèles d’intelligence artificielle, cette dernière ne permet pas encore de savoir si l’utilisation d’ECG2Stroke réduirait réellement le nombre d’AVC en pratique clinique. Enfin, l’étude ayant été réalisée à partir de données hospitalières américaines, l’outil devra aussi démontrer sa capacité à fonctionner de manière fiable dans d’autres populations et systèmes de santé avant une éventuelle utilisation à grande échelle.

    * ECG Signatures and Long-Term Ischemic Stroke Risk

    Mahajan R et al. JACC

    https://www.jacc.org/doi/10.1016/j.jacc.2026.03.084c

     

  • Étude : une IA analyse le fond d’œil pour dépister six maladies chroniques en 30 secondes

    L’IA continue d’étendre son champ d’application en santé numérique. Une étude publiée fin avril 2026 dans Nature Medicine montre qu’une simple photographie du fond d’œil, analysée par un modèle d’IA, pourrait permettre de détecter plusieurs maladies endocriniennes, métaboliques ou vasculaires sans recours à des biomarqueurs sanguins.

    Porté par Xiayin Zhang et plusieurs équipes de l’université de Guangzhou, le système baptisé Reti-Pioneer a été conçu comme un outil de dépistage multimaladies capable d’opérer dans des contextes de soins courants, y compris avec des images de qualité hétérogène.

    Un modèle entraîné sur plus de 100.000 images rétiniennes

    Les chercheurs ont entraîné leur modèle sur 107.730 photographies couleur de fonds d’œil provenant de 53.865 personnes, issues à la fois de la cohorte britannique UK Biobank et de registres hospitaliers chinois.

    Contrairement à de nombreux travaux antérieurs centrés sur une seule pathologie et des images standardisées, l’équipe a volontairement intégré des clichés de qualité variable afin de se rapprocher des conditions réelles de prise en charge en soins primaires.

    Le modèle combine plusieurs architectures pré-entraînées (Swin Transformer, Vision Mamba et RETFound) avec un module dit “quality-aware” destiné à exploiter également les images dégradées.

    Des performances élevées pour le diabète et la goutte

    Sur les données internes de validation, Reti-Pioneer atteint une aire sous la courbe (AUC) de :

    • 0,833 pour le diabète de type 2 ;
    • 0,832 pour la goutte ;
    • 0,787 pour l’ostéoporose ;
    • 0,740 pour l’hypertension ;
    • 0,736 pour l’hyperlipidémie ;
    • 0,699 pour les maladies thyroïdiennes.

    Dans le cas du diabète, les auteurs indiquent que le modèle dépasse les performances du score FINDRISC, largement utilisé en pratique clinique pour estimer le risque de diabète de type 2.

    Les validations externes réalisées dans plusieurs régions chinoises et à Singapour montrent également une capacité de généralisation à des populations multiethniques et à des contextes de ressources hétérogènes.

    Une capacité de prédiction jusqu’à dix ans avant le diagnostic

    Au-delà du dépistage, les chercheurs ont évalué la capacité du modèle à prédire l’apparition future de certaines maladies à partir d’altérations rétiniennes potentiellement précliniques. En utilisant les données longitudinales de la UK Biobank, le système atteint :

    • une AUC de 0,755 pour la prédiction du diabète à 5 ans ;
    • 0,736 à 10 ans ;
    • 0,755 puis 0,719 pour l’hypertension ;
    • 0,748 puis 0,735 pour l’hyperlipidémie.

    Les auteurs estiment que ces résultats renforcent l’intérêt de l’« oculomique », discipline consistant à utiliser l’imagerie oculaire comme reflet de l’état systémique du patient.

    L’étude inclut également une expérimentation associant spécialistes de la rétine et IA. Lorsqu’ils disposaient des prédictions et cartes de chaleur générées par Reti-Pioneer, les ophtalmologistes amélioraient leurs performances diagnostiques :

    • de 71 % à 88 % pour le diabète ;
    • de 51 % à 79 % pour la goutte ;
    • de 63 % à 70 % pour les maladies thyroïdiennes.

    Une expérimentation en soins primaires

    Le modèle a également été testé dans un essai prospectif en soins primaires via une plateforme web centralisée. Les images de fond d’œil étaient transmises en temps réel à une infrastructure GPU chargée d’exécuter l’analyse IA.

    Selon l’étude, le temps médian entre la capture de l’image et la génération du rapport était de 30,6 secondes, contre près de huit heures pour les examens biologiques conventionnels. Le taux de succès d’acquisition des images atteignait 98,7 %.

    Les chercheurs considèrent cette étude comme une première étape vers des stratégies de dépistage non invasives à grande échelle, notamment dans les zones sous-dotées.

    Ils soulignent toutefois plusieurs limites : performances encore insuffisantes pour certains diagnostics, disparités selon les populations, absence d’évaluation sur des pathologies graves comme les maladies cardiovasculaires ou les AVC, et nécessité d’essais randomisés de grande ampleur.

    Zhang X, Li Q, Liang Y, Lai C, Cao J, Feng Y, Hu W, Jiang H, Liu C, Zhang F, Wang S, Fang Y, Duojie C, Hu L, Xu F, Chi K, Lin M, Li L, Tham YC, Zhou Y, Cheung CY, Yang X, Sheng B, Zhu Z, et al. AI framework for multidisease detection via retinal imaging. Nature Medicine. 2026.

     

  • Aide à la décision : Les médecins risquent-ils de trop faire confiance aux IA ?

    Les outils d’IA générative destinés aux cliniciens changent progressivement la manière dont les médecins accèdent à l’information médicale.

    Graham McMahon (médecin endocrinologue américain spécialisé dans l’éducation médicale et l’évaluation des compétences des médecins) décrit, dans son édito, une nouvelle génération d’outils fondés sur les grands modèles de langage, capables de produire en temps réel des recommandations cliniques personnalisées. Ces systèmes sont utilisés à la fois comme aides à la décision et comme ressources pédagogiques directement intégrées au soin.

    Selon lui, leur diffusion rapide ouvre une nouvelle phase de la formation médicale continue, caractérisée par un apprentissage immédiat, contextualisé et intégré à la pratique.

    Des réponses rapides et structurées

    Graham T. McMahon explique avoir testé plusieurs outils récemment commercialisés auprès des cliniciens. Les réponses générées lui apparaissent souvent « directionnellement correctes », structurées et accompagnées de références, avec un ton proche d’une consultation experte.

    Ces systèmes peuvent donc réduire certaines variations de pratique, accélérer l’accès à des synthèses de littérature et soutenir la prise de décision au lit du patient.

    Mais l’auteur souligne aussi plusieurs limites observées lors de ses tests :

    • Certaines réponses omettent des nuances importantes.
    • D’autres contiennent des erreurs susceptibles d’affecter la prise en charge.
    • Le problème réside moins dans la fréquence de ces erreurs que dans leur présentation.
    • Car même lorsqu’elles sont inexactes, les réponses restent fluides, cohérentes et persuasives.

    Cette combinaison entre rapidité, confiance apparente et intégration dans le flux clinique soulève une question :

    Les médecins évaluent-ils encore ces recommandations avec le même niveau d’esprit critique qu’un article scientifique ou l’avis d’un confrère ?

    Une formation médicale de plus en plus intégrée au soin

    Son édito décrit une évolution du modèle traditionnel de formation continue. Historiquement séparée du moment de soin, celle-ci pourrait désormais devenir un « juste-à-temps », contextualisée et personnalisée.

    Les systèmes concernés incluent des interfaces conversationnelles basées sur des LLM, des outils de synthèse automatisée de littérature scientifique ou encore des systèmes d’aide à la décision clinique.

    Dans ce modèle, chaque question clinique devient potentiellement une situation d’apprentissage. Les outils pourraient identifier des zones d’incertitude, détecter des requêtes récurrentes et proposer des parcours pédagogiques ciblés.

    Pour l’auteur, cette convergence progressive entre aide à la décision et apprentissage transforme la manière dont les médecins actualisent leurs connaissances.

    Illusion de compréhension et biais d’automatisation

    Cependant, l’auteur insiste sur plusieurs risques cognitifs associés à ces outils.

    • Le premier est « l’illusion de profondeur explicative » : la tendance à surestimer sa compréhension lorsqu’une explication paraît claire et cohérente. Les IA génératives renforcent ce phénomène en produisant des réponses convaincantes.
    • L’auteur évoque également le biais d’automatisation, c’est-à-dire la tendance à accorder davantage de crédit à une recommandation issue d’un système automatisé, particulièrement dans des environnements soumis à une forte pression temporelle.
    • Ces risques sont accentués par l’opacité des systèmes agentiques complexes, dont les mécanismes internes restent difficiles à interroger pour les utilisateurs.

    L’auteur décrit ainsi une forme de « séduction épistémique », à savoir l’acceptation d’une information non parce qu’elle a été rigoureusement évaluée, mais parce qu’elle paraît fluide, cohérente et rassurante.

    Le risque d’une perte progressive des compétences cliniques

    L’auteur identifie également un risque de « deskilling », c’est‑à‑dire d’érosion des compétences professionnelles. Le raisonnement clinique repose, rappelle-t-il, sur des processus actifs : confrontation à l’incertitude, réflexion, reconnaissance de patterns et synthèse autonome des connaissances.

    Si les médecins délèguent progressivement ces tâches cognitives aux systèmes d’IA, ils pourraient devenir performants dans l’usage des outils, mais moins confiants dans leur propre jugement.

    Une menace pour les dimensions collectives de l’apprentissage

    L’apprentissage clinique se construit historiquement à travers les échanges entre pairs, le mentorat, la confrontation de points de vue et les discussions collectives. Or les usages actuels des IA génératives reposent souvent sur des interactions individuelles et silencieuses entre le clinicien et l’algorithme. Pour l’auteur, un modèle d’apprentissage exclusivement individualisé risquerait d’appauvrir la construction du jugement clinique et de réduire les opportunités de réflexion collective.

    Des inquiétudes sur l’influence commerciale

    Le texte aborde également les enjeux de gouvernance et d’indépendance. Nombre de ces outils étant développés dans des environnements commerciaux, Graham McMahon alerte sur le risque de biais dans la manière dont certaines options thérapeutiques pourraient être présentées ou hiérarchisées. Même des influences discrètes, liées à des partenariats commerciaux ou à des mécanismes de recommandation opaques, pourraient selon lui orienter les décisions médicales.

    Former les médecins à l’évaluation critique des IA

    Face à ces transformations, Graham T. McMahon considère que l’intégration de l’IA dans la formation médicale augmente, plutôt qu’elle ne réduit, la responsabilité professionnelle.

    Les médecins devront conserver une « humilité épistémique », en gardant à l’esprit que ces outils peuvent autant assister qu’induire en erreur. L’auteur appelle ainsi à une formation explicite sur le fonctionnement des systèmes d’IA générative, leurs limites et leurs modes d’échec fréquents.

    Vers une formation continue pilotée par les données

    L’éditorial envisage enfin un futur où la formation médicale continue serait intégrée de manière permanente à la pratique clinique. Les systèmes pourraient identifier les domaines d’incertitude d’un praticien, proposer des contenus personnalisés et même exiger des phases de réflexion avant l’obtention de crédits de formation.

    Pour Graham T. McMahon, l’enjeu est désormais de faire de l’IA un outil d’extension des capacités d’apprentissage des médecins.

     

  • IA hospitalière : des retours terrain présentés à SantExpo

    Animée par Camille OMS (cheffe de projet au département santé et transformation numérique) et Yann-Maël Le Douarin (Chef du département santé et transformation numérique) la session* a mis en avant les projets financés dans le cadre des appels à projets nationaux autour de l’IA hospitalière.

    Les dispositifs soutenus par la Direction générale de l’offre de soins visent à favoriser l’acquisition de solutions numériques appliquées à l’organisation hospitalière.

    Les responsables de la DGOS ont rappelé que le premier appel à projets consacré aux urgences et aux ressources humaines avait suscité près de 350 candidatures, dont 204 retenues.

    Aux urgences de Valenciennes, l’IA pour anticiper les flux de patients

    Parmi les projets présentés, le centre hospitalier de Valenciennes a détaillé un dispositif d’anticipation des flux aux urgences fondé sur l’analyse prédictive. L’établissement, confronté à une forte hausse de son activité ces dernières années, utilise des modèles capables de prévoir les admissions, les hospitalisations attendues et les besoins en ressources sur plusieurs jours.

    Les équipes disposent de tableaux de bord qui intègrent différents indicateurs : nombre d’entrées prévues, patients âgés de plus de 75 ans, taux d’hospitalisation ou besoins médicaux à venir. L’outil permet notamment :

    • d’anticiper les besoins médicaux à 48 heures ;
    • de mobiliser des renforts plus tôt ;
    • d’améliorer la coordination des lits d’hospitalisation ;
    • de réduire les sollicitations téléphoniques liées à la gestion des flux.

    Le système s’appuie sur plusieurs années de données historiques internes, mais également sur des facteurs extérieurs comme certains événements sociaux, sportifs ou festifs susceptibles d’influencer l’activité des urgences. Les porteurs du projet ont toutefois insisté sur la dimension organisationnelle et culturelle du déploiement de ces outils, estimant que l’appropriation par les équipes constitue un enjeu au moins aussi important que la technologie elle-même.

    L’IA appliquée à la gestion des stocks hospitaliers

    Un second retour d’expérience portait sur l’usage de l’IA pour optimiser la gestion des stocks de médicaments et dispositifs médicaux dans les pharmacies hospitalières. Le projet présenté repose sur des modèles de prévision de consommation et de classification automatisée des produits afin d’ajuster les niveaux de stock selon leur criticité et leur fréquence d’utilisation.

    Les équipes indiquent avoir obtenu un taux de service de 99,3 %, tout en réduisant certains volumes de stockage et les pertes liées au surstockage.

    Les intervenants ont cependant souligné plusieurs difficultés : Complexité des mises à jour, nécessité de synchroniser plusieurs logiciels hospitaliers, et variabilité de certaines consommations médicales.

    L’objectif est d’intégrer directement ces modèles dans les systèmes d’information hospitaliers afin de passer d’une logique de simulation à une utilisation quotidienne.

    Une stratégie nationale orientée vers les usages concrets

    Au-delà des démonstrateurs technologiques, les représentants de la DGOS ont insisté sur la volonté de privilégier des usages concrets de l’IA susceptibles d’améliorer l’organisation hospitalière et les conditions de travail des équipes. Les projets présentés mettent principalement en avant des gains de pilotage, d’anticipation, et de fluidification des parcours.

    Les futurs appels à projets devraient continuer à cibler les usages organisationnels et logistiques de l’IA dans les établissements de santé.

    Un prochain appel à manifestation d’intérêt concernant la gestion des stocks en pharmacie sera publié en juin/juillet.

    Préparer les futurs possibles du système de santé avec “Santé 2050”

    La conférence s’est conclue sur la présentation du programme prospectif « Santé 2050 », porté par la DGOS avec plusieurs partenaires institutionnels et académiques. Cette démarche vise à explorer différents scénarios d’évolution du système de santé à horizon 2050 à travers des ateliers associant experts, citoyens et même auteurs de science-fiction. Les promoteurs du programme expliquent vouloir dépasser les approches classiques de prévision afin d’anticiper des ruptures technologiques, organisationnelles ou sociétales susceptibles de transformer durablement l’hôpital et les parcours de soins.

    * « Intelligence artificielle en santé : quelles perspectives pour les équipes hospitalières et leurs patients ? » (Session SantExpo 2026)

  • IA à risque : l’UE prépare de nouvelles lignes directrices avant août 2026

    La Commission ouvre une consultation sur les obligations de transparence et les débats s’intensifient autour des modèles capables de cyberattaques autonomes et des agents IA.

    L’Union européenne poursuit l’ajustement de son cadre réglementaire sur l’IA. La Commission européenne a annoncé un accord politique entre le Parlement européen et le Conseil sur le « Digital Omnibus on AI », un texte destiné à simplifier certaines dispositions du règlement. Dans le même temps, Bruxelles a ouvert une consultation publique sur les futures lignes directrices relatives aux obligations de transparence prévues par l’AI Act.

    Ces discussions interviennent dans un contexte de montée des inquiétudes autour des modèles capables d’automatiser des cyberattaques, à l’image de Mythos, développé par Anthropic, alors que plusieurs experts estiment que le texte européen n’est pas adapté à l’émergence des agents IA.

    Un calendrier assoupli pour certains systèmes à haut risque

    Le compromis politique sur le Digital Omnibus prévoit que les règles applicables aux systèmes d’IA à haut risque entreront en application à compter du 2 décembre 2027. Les obligations concernant les systèmes intégrés dans des produits réglementés, comme les ascenseurs ou les jouets, s’appliqueront à partir du 2 août 2028.

    L’accord renforce par ailleurs les pouvoirs de l’AI Office, en particulier concernant les modèles d’IA à usage général ainsi que les systèmes intégrés dans les très grandes plateformes en ligne et les moteurs de recherche.

    Le compromis doit encore être formellement adopté par le Parlement et le Conseil avant son entrée en vigueur, prévue trois jours après sa publication au Journal officiel de l’Union européenne.

    Bruxelles consulte sur les obligations de transparence

    La Commission européenne a publié un projet de lignes directrices portant sur les obligations de transparence prévues par l’AI Act et a ouvert une consultation publique jusqu’au 3 juin 2026.

    À partir du 2 août 2026, les personnes situées dans l’Union européenne devront être informées lorsqu’elles interagissent avec un système d’IA ou lorsqu’elles sont exposées à certains contenus générés ou manipulés artificiellement.

    Les fournisseurs devront notamment signaler les interactions avec une IA et intégrer des marquages lisibles par machine pour permettre de détecter les contenus générés ou modifiés. Les déployeurs auront également l’obligation d’informer les utilisateurs lorsqu’ils sont exposés à des deepfakes, à des contenus d’intérêt public générés par IA ou à des systèmes de reconnaissance des émotions et de catégorisation biométrique.

    Ces lignes directrices seront complétées par un code de bonnes pratiques volontaire rédigé par des experts indépendants et attendu pour juin 2026.

    Le cas Mythos ravive les inquiétudes cyber

    Les débats européens se concentrent également sur les capacités offensives de certains modèles avancés. Des élus citent Mythos, un modèle développé par Anthropic, présenté comme capable de surpasser les humains dans l’identification et l’exploitation de failles de sécurité.

    Les parlementaires demandent une révision des règles européennes relatives à la divulgation et à la correction des vulnérabilités informatiques ainsi que la mise en place d’un « plan européen de mitigation ». Ils souhaitent également que l’agence européenne de cybersécurité ENISA puisse accéder à Mythos et à d’autres modèles similaires afin d’en évaluer les risques.

    Anthropic avait été invitée à une audition publique par la commission du marché intérieur du Parlement européen, mais l’entreprise a indiqué ne pas pouvoir y participer dans un délai aussi court.

    La Commission affirme de son côté avoir multiplié les échanges techniques avec Anthropic depuis août 2025, dont plusieurs spécifiquement consacrés à Mythos. Son porte-parole Thomas Regnier a précisé que les futurs pouvoirs d’enquête de l’AI Office pourraient permettre, à partir d’août 2026, d’obtenir un accès aux modèles « si nécessaire ».

    La question de l’accès ne suffit pas selon des analystes

    Dans une tribune, Risto Uuk, auteur de la newsletter et conseiller au Future of Life Institute, estime que le débat européen se focalise excessivement sur la question de l’accès à Mythos plutôt que sur celle de la maîtrise effective des risques systémiques.

    Selon lui, le sujet central n’est pas seulement de savoir si les autorités européennes peuvent analyser le modèle, mais si Anthropic est capable de démontrer, avant tout déploiement, que les risques liés à un modèle de « superhacking » sont correctement atténués.

    L’auteur considère que l’AI Act, notamment à travers son article 55 relatif aux modèles d’IA à usage général présentant des risques systémiques, fournit déjà une base juridique permettant d’exiger des garanties de sécurité avant mise sur le marché.

    Il plaide pour rendre obligatoires les mécanismes de notification préalable et d’évaluation pré-déploiement des modèles à risque systémique.

     

  • EHPAD : Emera déploie l’assistant d’écoute Spokeo dans 45 établissements

    Le Groupe Emera annonce le déploiement de l’assistant d’écoute Spokeo dans ses 45 établissements francophones. Le partenariat concerne des résidences situées en France métropolitaine, dans les départements et territoires d’outre-mer, en Suisse et en Belgique.

    Le groupe (qui revendique plus de 120 établissements en Europe) explique avoir identifié les troubles auditifs comme un facteur de dégradation des échanges entre résidents, familles et soignants.

    La perte auditive représente en effet une difficulté fréquente en EHPAD. De nombreux résidents ne portent pas (ou plus) d’aides auditives, notamment en raison de difficultés de manipulation, d’oubli ou d’inconfort. Pour les équipes, cela se traduit par des répétitions fréquentes, une fatigue et des difficultés de compréhension pendant les soins ou les consultations.

    Cette problématique affecte également le maintien du lien social et parfois même, le recueil du consentement éclairé.

    Une solution qui équipe l’interlocuteur plutôt que le résident

    Contrairement aux aides auditives classiques, le dispositif Spokeo ne repose pas sur l’équipement permanent de la personne malentendante.

    Le principe consiste à placer un micro-cravate directionnel sur l’interlocuteur (soignant, médecin ou proche) tandis qu’un casque à bi-conduction est porté par le résident. L’entreprise met en avant l’absence de réglages complexes, de prescription médicale ou de manipulation technique.

    Cette approche, brevetée, est adaptée aux personnes qui présentent des troubles cognitifs, pour lesquelles le port et l’entretien d’un appareil auditif conventionnel peuvent être difficiles.

    Trois objectifs affichés pour les établissements Emera

    Le partenariat poursuit trois finalités. Pour les résidents, l’objectif est d’améliorer la compréhension lors des soins, des consultations et des échanges du quotidien afin de limiter l’isolement social. Pour les familles, Emera souhaite faciliter les échanges pendant les visites.

    Enfin, pour les équipes soignantes, le groupe met en avant un gain de temps, une diminution de la fatigue liée aux répétitions et une meilleure sécurisation des échanges autour du consentement aux soins.

  • SantExpo 2026 : « L’IA en santé ne crée pas de valeur seule, ce sont les organisations qui doivent se transformer » (C. Ross & S. Degos)

    La santé face à la « courbe en J » de l’IA

    Pour illustrer leur propos, Sandrine Degos (CEO de Care Insight) et Cris Ross (TrueNorth Health Ventures) se sont appuyés sur l’histoire des grandes ruptures technologiques. Machine à vapeur, électricité, informatique : toutes ont nécessité des décennies avant de produire des gains visibles de productivité.

    Selon eux, l’IA suit aujourd’hui exactement la même trajectoire. Dans un premier temps, les investissements augmentent – intégration, conduite du changement, formation, refonte des pratiques – sans bénéfices immédiatement visibles. Ce n’est qu’après une réorganisation profonde des structures que les gains apparaissent réellement.

    Or la santé constitue un cas particulièrement complexe. Le secteur reste fortement dépendant du travail humain, avec une faible croissance historique de productivité. Certaines tâches peuvent être automatisées – documentation, imagerie, tâches administratives – mais une part importante des activités restera durablement liée aux interactions humaines et au soin direct.

    Les intervenants ont ainsi rappelé que l’IA ne supprimera pas la « maladie des coûts » propre au secteur de la santé, mais qu’elle peut améliorer certaines tâches ciblées à forte charge opérationnelle.

    ROI ou valeur clinique : un changement de paradigme

    L’un des points forts de la conférence a porté sur la distinction entre ROI financier classique et « Value of Investment » (VOI).

    Selon Sandrine Degos et Cris Ross, de nombreux projets IA hospitaliers ne doivent pas être évalués uniquement à travers les économies générées. Certains outils produisent avant tout une valeur clinique, organisationnelle ou sociétale : amélioration de l’accès aux soins, réduction des complications, gains de qualité ou meilleure prise en charge des populations éloignées du système de santé.

    Cette approche est particulièrement pertinente pour les projets de dépistage, de triage ou de surveillance clinique, dont les bénéfices apparaissent parfois à moyen terme.

    Les intervenants ont également insisté sur une réalité souvent sous-estimée : le même algorithme peut produire des résultats totalement différents selon les établissements. Dans plusieurs exemples présentés, notamment autour du sepsis ou de l’imagerie, les performances dépendaient davantage de l’intégration clinique et de l’adhésion des équipes que de la qualité technique du modèle.

    La gouvernance devient le vrai sujet stratégique

    Au-delà de la technologie, la conférence a surtout mis l’accent sur la gouvernance des projets IA.

    Les établissements sont invités à structurer leurs portefeuilles de projets selon une logique de risque maîtrisé :

    • 70 % de projets éprouvés ;
    • 20 % d’extensions adjacentes ;
    • 10 % d’expérimentations plus risquées.

    Les intervenants ont également recommandé de privilégier l’IA appliquée plutôt que le développement de modèles fondamentaux en interne. Pour eux, les hôpitaux ne doivent pas chercher à devenir des entreprises technologiques, mais plutôt à déployer efficacement des solutions capables d’améliorer concrètement les parcours de soins.

    Enfin, la session a rappelé qu’un projet IA qui échoue n’est pas forcément un problème… à condition de savoir l’arrêter rapidement. Adoption clinique insuffisante, mauvaise intégration, absence de gains mesurables ou dérive du modèle : la capacité à interrompre certains projets devient elle-même un signe de maturité organisationnelle.

    En filigrane, cette conférence a montré que la question du ROI de l’IA en santé dépasse largement la technologie. Le véritable enjeu porte désormais sur la capacité des établissements à transformer durablement leurs organisations autour de ces nouveaux outils.

  • Fuite massive de données chez Almerys : plus de 15 millions de numéros de Sécurité sociale compromis

    L’écosystème français du tiers payant fait face à une nouvelle fuite de données. Une base de données d’Almerys aurait été compromise ces derniers jours, conduisant à l’exposition de plus de 15 millions de numéros de Sécurité sociale. Des données d’état civil et des informations liées aux contrats d’assurance santé auraient également été récupérées puis proposées à la revente sur des forums cybercriminels.

    Le parquet de Paris a ouvert une enquête confiée à la section de lutte contre la cybercriminalité. Cette attaque figure parmi les plus importantes fuites de données de santé recensées en France ces dernières années.

    Des données sensibles, mais pas de données bancaires ni médicales

    Les informations concernées comprennent notamment le numéro de Sécurité sociale, les nom, prénom, date de naissance, rang de naissance, numéro de contrat, nom de l’assureur ainsi que les dates de début et de fin de contrat.

    En revanche, plusieurs organismes concernés précisent que les informations bancaires, les coordonnées de contact, les mots de passe et les données médicales relatives aux soins ou remboursements ne seraient pas affectés à ce stade.

    Dans un communiqué, Alan indique que « la plateforme touchée a été mise hors service afin de stopper l’atteinte aux données » et que les autorités compétentes, notamment la Commission nationale de l’informatique et des libertés et l’Autorité de contrôle prudentiel et de résolution, ont été informées.

    Risques de phishing et d’usurpation d’identité

    Les acteurs du secteur appellent désormais à une vigilance renforcée face aux risques de phishing et de fraude administrative. Les données dérobées peuvent en effet faciliter des campagnes d’usurpation d’identité ou des tentatives d’escroquerie ciblant les assurés. Les utilisateurs sont également invités à éviter de cliquer sur des liens de connexion non vérifiés.

    Le site spécialisé FrenchBreaches évoque de son côté des risques élevés de fraude aux prestations et de détournement d’identité administrative.

    Une nouvelle alerte pour les opérateurs de tiers payant

    Cette cyberattaque intervient dans un contexte de forte exposition du secteur de la santé et de l’assurance aux incidents cyber. Almerys avait déjà été touchée en 2024, parallèlement à Viamedis, dans une fuite ayant concerné plus de 33 millions de Français.

    L’incident relance les interrogations sur la sécurisation des infrastructures des opérateurs de tiers payant, devenus des points de concentration de données administratives sensibles pour une grande partie de la population française.

    Cette nouvelle fuite pourrait également accentuer les attentes réglementaires autour de la gouvernance des données, de la gestion des sous-traitants critiques et des obligations de notification dans le secteur de la santé numérique.