Actualité

  • Cancer du foie : un modèle d’IA entraîné sur 500 000 patients identifie les risques avec une haute précision

    Le carcinome hépatocellulaire, forme la plus fréquente de cancer du foie, reste principalement dépisté chez des patients considérés à haut risque, notamment ceux atteints de cirrhose ou de maladies hépatiques avancées. Cette approche ciblée laisse de côté une part importante des cas.

    Dans la cohorte analysée, issue de la UK Biobank, 69 % des 538 patients atteints de CHC ne présentaient pas de facteurs de risque identifiés, tels qu’une hépatite virale ou une cirrhose.

    L’étude*, publiée dans Cancer Discovery, montre que ces résultats soulignent les limites des stratégies actuelles : une partie des patients à risque échappe aux dispositifs classiques fondés sur l’imagerie et les biomarqueurs sanguins.

    Un modèle basé sur des données cliniques courantes

    Les chercheurs ont développé plusieurs modèles de machine learning, entraînés sur 80 % des données de la UK Biobank (500 000 participants), puis validés sur les 20 % restants. Une validation externe a ensuite été réalisée sur la base américaine All of Us (400 000 individus, dont 445 cas de CHC).

    Le modèle le plus performant, PRE-Screen-HCC (modèle C), intègre :

    • Données démographiques.
    • Habitudes de vie.
    • Dossiers médicaux électroniques.
    • Résultats d’analyses biologiques.

    Ce modèle permet de stratifier le risque de développer un cancer du foie à l’échelle populationnelle, avec un niveau de performance qualifié de “haut” par les auteurs.

    Pas de gain significatif avec les données “omics”

    Un des enseignements de l’étude concerne l’apport limité des données complexes. L’ajout d’informations génomiques ou métabolomiques n’améliore pas significativement les performances du modèle. Ce résultat suggère qu’un dépistage prédictif peut reposer sur des données déjà disponibles en routine clinique, sans recourir à des technologies coûteuses ou difficilement déployables à grande échelle.

    Pour les auteurs, cela renforce le potentiel d’implémentation dans des établissements de santé aux ressources limitées.

    Bien que majoritairement entraîné sur une population blanche, le modèle conserve ses performances dans des populations plus diversifiées, comme celles de la cohorte américaine All of Us.

    Ce point répond à une limite fréquente des modèles d’IA en santé, souvent critiqués pour leur manque de généralisation.

    Vers un dépistage populationnel élargi ?

    Le cancer du foie représente aujourd’hui :

    • Le 5e cancer le plus fréquent.
    • La 3e cause de mortalité liée au cancer.

    Sa prévalence continue d’augmenter, notamment en lien avec la progression des maladies hépatiques chroniques. Au-delà de la performance algorithmique, l’enjeu réside désormais dans l’intégration clinique : articulation avec les parcours de soins, définition de seuils d’intervention et validation en conditions réelles d’utilisation.

    *Machine learning predicts hepatocellular carcinoma risk from routine clinical data: a large population-based multicentric study

     

  • IA en santé : 9 actions pour structurer les politiques publiques (rapport OCDE)

    L’IA est déjà présente dans les systèmes de santé des pays membres de l’OCDE, mais son déploiement reste concentré sur des usages ciblés et peine à changer d’échelle.

    C’est le constat formulé par l’organisation dans son rapport Scaling Artificial Intelligence in Health, publié le 27 mars 2026. Le document souligne un décalage entre la diffusion de l’IA dans les tâches administratives, généralisée au niveau des pays de l’OCDE, et sa montée en charge dans les usages cliniques, encore limitée.

    L’OCDE indique ainsi que l’IA est utilisée dans l’administration dans tous les pays membres, tandis que le passage à une échelle nationale reste restreint pour certains cas d’usage, comme l’imagerie médicale, où il ne concernerait que 10 % des pays.

    La compétition ne porte plus sur l’innovation, mais sur la capacité des États à structurer et intégrer l’IA dans leur système de santé.

    Fragmentation des données et manque de supervision, les principaux freins à l’IA en santé

    Parmi les obstacles identifiés figurent des fondations de données fragmentées, des politiques et des pratiques non alignées, ainsi que des lacunes structurelles, réglementaires et de gouvernance qui compliquent la généralisation des outils.

    L’OCDE recense aussi des risques déjà documentés : biais liés aux données, enjeux de confidentialité et de cybersécurité, manque de transparence ou de supervision, mais aussi effets possibles sur l’emploi et dépersonnalisation de la prise en charge. Le rapport souligne toutefois qu’une absence d’action comporte elle aussi des risques, dans un contexte où les usages progressent malgré un cadre encore inégal selon les pays.

    Pour l’organisation, la diffusion de l’IA en santé suppose de concilier trois logiques : les dynamiques de marché, la culture du soin fondée sur le principe de ne pas nuire, et la capacité à atteindre l’ensemble de la population.

    Moins de 20 % des pays ont une stratégie nationale dédiée selon l’OCDE

    Le document recense plusieurs types d’initiatives engagées par les pays membres à l’interface entre IA et santé. Leur diffusion reste limitée.

    • Selon l’OCDE, 18 % des pays ont mis en place une stratégie ou un plan d’action à l’intersection de l’IA et de la santé. La même proportion a établi une instance de supervision de l’usage de l’IA en santé, ainsi qu’une approche nationale de type regulatory sandbox dédiée à ce champ.
    • 24 % des pays ont commencé à adapter leur approche nationale de l’évaluation des technologies de santé pour y intégrer l’IA. Seuls 11 % ont actualisé leurs règles nationales de commande publique pour tenir compte de ces outils. L’organisation indique aussi que 29 % des pays ont mis en place une approche nationale pour améliorer l’usage de l’IA au sein des professions de santé, tandis que 3 % seulement ont élaboré une législation nationale spécifique à l’IA en santé.

    Une checklist pour éviter les angles morts

    Pour aider à structurer les choix publics, l’OCDE a élaboré une “AI in Health Policy Checklist”. Cette grille vise à guider la décision et la priorisation. Le rapport précise qu’elle s’appuie sur les principes et cadres de l’OCDE sur l’IA, et qu’elle a été développée avec le “Global Digital Health Partnership“, la Coalition for Health AI et le groupe d’experts de l’OCDE sur l’IA en santé.

    Cette checklist sert de cadre de questionnement pour les décideurs publics, les technologues et les professionnels de santé impliqués dans la diffusion de l’IA.

    Le document mentionne, selon les sections, 43 questions dans son abstract et 42 questions dans son executive summary, réparties entre neuf catégories d’action. Dans les deux cas, l’objectif reste le même : couvrir l’ensemble des dimensions à traiter pour déployer l’IA à grande échelle.

    La checklist est organisée autour de quatre piliers

    La première porte sur les conditions de mise en œuvre. Il couvre les fondations de données, les dispositifs permettant d’assurer et de diffuser les solutions d’IA, ainsi que le renforcement des capacités.

    Sur le volet des données, le rapport rappelle qu’aucune solution d’IA ne peut fonctionner de manière satisfaisante sans jeux de données exploitables. L’OCDE insiste sur des données de santé trouvables, accessibles, interopérables et réutilisables, selon les principes FAIR, mais aussi représentatives de la population tant pour les usages primaires que pour les usages analytiques. Parmi les pratiques mises en avant figure la création d’autorités nationales des données de santé, ou de structures de gouvernance équivalentes, afin d’assurer le respect du droit de la protection des données tout en facilitant l’usage de jeux de données sécurisés et de qualité.

    L’organisation souligne aussi le besoin de lignes directrices adaptées pour aider les industriels et les déployeurs à faire passer l’IA du stade pilote à un usage étendu. Elle cite notamment le développement de model cards, comme celles proposées par la Coalition for Health AI, pour documenter la conformité, la transparence et la responsabilité des solutions dans des contextes réels.

    Capacités humaines et infrastructure technique

    Toujours dans ce premier pilier, l’OCDE distingue la capacité humaine de la capacité technique.

    Sur le plan humain, elle juge indispensable de disposer d’une main-d’œuvre formée à l’IA pour soutenir l’adoption et l’usage durable de ces outils. Le rapport cite parmi les pratiques observées une planification anticipée et la montée en compétences des professionnels, aussi bien en première ligne que dans les fonctions de support.

    Sur le plan technique, le document insiste sur l’importance d’une infrastructure sécurisée, interopérable et adaptable : capacités de calcul, stockage des données, connectivité et intégration entre systèmes d’information de santé.

    Sans objectifs partagés ni indicateurs, difficile de piloter l’IA en santé

    Le deuxième pilier concerne les garde-fous. L’OCDE appelle d’abord à définir des objectifs communs, des stratégies partagées et des activités collectives afin de rendre plus cohérents le développement et l’implémentation de l’IA en santé. Le rapport mentionne l’élaboration de stratégies nationales prenant en compte les spécificités de l’IA dans les soins. Sept pays de l’OCDE en auraient déjà adopté une, tandis que plusieurs autres seraient en phase de développement.

    L’autre axe porte sur la supervision, la mesure et le suivi. Compte tenu de l’évolution rapide des technologies, l’organisation juge nécessaire de documenter à la fois les bénéfices attendus et les risques, afin d’optimiser les premiers tout en limitant les seconds.

    Parmi les pistes citées figure le développement d’indicateurs permettant d’évaluer l’efficacité clinique et l’impact économique de l’IA à grande échelle.

    Le troisième pilier porte sur l’engagement des parties prenantes

    Concernant le public, l’OCDE estime qu’il faut informer et associer les citoyens pour soutenir la confiance et renforcer leur participation dans les choix liés à l’IA en santé. Elle cite notamment les assemblées citoyennes comme format d’intégration de la voix du public, en prenant l’exemple de l’assemblée citoyenne française sur la santé numérique.

    Pour les professionnels de santé, le rapport rappelle que de nombreux outils d’IA concernent autant les personnels en contact avec les patients que les fonctions de back-office. Il met en avant l’intégration de formations à l’IA dans les cursus des professionnels de santé, comme en Corée.

    Enfin, vis-à-vis de l’industrie, l’OCDE appelle à des formes de collaboration actives et transparentes avec les pouvoirs publics pour soutenir la compréhension commune des outils, leur test, leur validation et leur intégration. Le NHS AI Lab au Royaume-Uni est cité parmi les dispositifs observés.

    Le quatrième pilier est celui du déploiement d’une IA digne de confiance. Le rapport considère que la confiance conditionne l’usage de l’IA en santé et qu’il faut maintenir l’humain, ainsi que la promotion de la santé, au centre des solutions mises sur le marché, tout en respectant l’exigence de ne pas nuire.

    Au-delà des dynamiques nationales, le rapport défend l’idée qu’une coopération multilatérale pourrait réduire une partie des freins actuels au changement d’échelle. L’OCDE estime qu’une reconnaissance commune est en train d’émerger

  • Data Challenge (DaT-Park) : 2 000 scintigraphies pour entraîner l’IA au diagnostic des syndromes parkinsoniens

    L’IA s’attaque aux 20 % de diagnostics incertains en Parkinson

    La Société Française de Médecine Nucléaire (SFMN), avec le soutien de la Plateforme des données de santé (PDS), s’apprête à lancer le Data Challenge DaT-Park, une compétition internationale dédiée à l’IA appliquée au diagnostic des syndromes parkinsoniens.

    Chaque année en France, plus de 20 000 examens DaT-scan sont réalisés dans près de 200 centres. Cet examen de médecine nucléaire mesure l’activité du transporteur de la dopamine cérébrale et permet de distinguer les syndromes parkinsoniens d’origine neurodégénérative.

    Dans les faits, environ un tiers des examens sont interprétés comme normaux, contre deux tiers jugés pathologiques.  Ces derniers confirment la nature neurodégénérative du trouble et orientent la prise en charge.

    Toutefois, près de 20 % des examens restent difficiles à interpréter, notamment dans les formes précoces ou atypiques, ce qui réduit le niveau de confiance diagnostique.

    Des algorithmes open source

    Le Data Challenge a pour objectif de répondre à cette limite, en développant des modèles capables de classifier automatiquement les examens cérébraux.

    Les participants (chercheurs, cliniciens et data scientists) auront accès à une base de données anonymisée regroupant plus de 2 000 scintigraphies explorant le transporteur de la dopamine (DaT), un biomarqueur central dans le diagnostic.

    L’objectif est de produire des algorithmes capables d’améliorer la précision et la reproductibilité de l’interprétation.

    Le concours prévoit une dotation totale de 25 000 €, répartie entre les trois meilleures équipes. En contrepartie, les modèles développés devront être publiés en open source, afin de favoriser leur diffusion et leur réutilisation.

    L’enjeu est de fiabiliser un examen déjà largement utilisé et d’aider les médecins à mieux distinguer les formes neurodégénératives, en particulier dans les cas précoces ou atypiques.

    Le projet a aussi un fort potentiel d’impact car il vise : une meilleure précision et reproductibilité des diagnostics, une standardisation des pratiques à grande échelle, et une diffusion rapide via l’open source

  • LLM santé grand public : ChatGPT, Claude, Perplexity et Gemini, entre personnalisation des données et verrou réglementaire européen

    LLM santé : d’un usage générique à des plateformes spécialisées

    En 2026, le marché de l’IA médicale grand public atteint un point d’inflexion, avec plus de 230 millions de personnes posant chaque semaine des questions de santé ou de bien‑être à ChatGPT, avant même l’arrivée d’une offre dédiée. Cette massification des usages amène OpenAI, Anthropic et Perplexity à lancer des déclinaisons santé spécialisées : ChatGPT Health le 7 janvier 2026, Claude for Healthcare le 11 janvier 2026, puis Perplexity Health en mars 2026.

    Ces solutions marquent le passage d’outils perçus comme une aide individuelle pour novice à de véritables dispositifs métiers, conçus pour articuler données cliniques et littérature scientifique dans une logique d’aide à la décision. Elles se positionnent comme compléments au médecin, en environnement isolé du reste de la plateforme grand public, avec des flux de données de santé cloisonnés et une promesse commune de non‑réutilisation des données pour l’entraînement des modèles.

    Personnalisation par la donnée et bifurcation B2C / B2B

    La tendance structurante est la personnalisation par la donnée, via l’interopérabilité avec les écosystèmes existants : Apple Health, Fitbit, Withings, Oura, dossiers médicaux électroniques (DME), résultats biologiques et objets connectés. L’objectif est de quitter le registre de la réponse générique pour proposer des analyses contextualisées appuyées sur l’historique individuel, avec à terme la perspective de « jumeaux numériques » capables de simuler des trajectoires cliniques.

    Une bifurcation nette apparaît entre stratégies B2C et B2B : ChatGPT Health et Perplexity Health visent en priorité le grand public, tout en cherchant à embarquer les cliniciens, alors qu’Anthropic, avec Claude for Healthcare, cible d’abord les institutions de santé, assureurs et acteurs pharmaceutiques. Anthropic compense une base utilisateur grand public plus restreinte par des contrats d’infrastructure, quand OpenAI et Perplexity misent sur une expérience directe utilisateur, avec intégrations DME et apps de bien‑être.

    La souveraineté des données et la confiance constituent un autre axe : les trois plateformes annoncent cloisonnement des données, chiffrement renforcé, et contrôle utilisateur sur les autorisations, mais la traduction juridique de ces engagements reste partielle dans le cadre européen.

    ChatGPT Health : usage massif, co‑conception clinique et limites de conformité

    ChatGPT Health se déploie comme un espace dédié au sein de ChatGPT, accessible aux abonnés, connecté à Apple Health, Function, MyFitnessPal et au DME b.well pour le marché américain. OpenAI affirme avoir conçu l’outil avec 260 médecins couvrant 60 pays et 60 spécialités, avec des cas d’usage allant de la préparation de consultation au décodage de bilans en passant par l’accompagnement bien‑être.

    Sur le plan technique, ChatGPT Health fonctionne dans un environnement isolé, avec la promesse de ne pas utiliser les conversations de santé pour l’entraînement, mais la version grand public n’est pas certifiée HIPAA et ne propose pas de chiffrement de bout‑en‑bout, ce que certains observateurs soulignent comme une limite pour les usages cliniques. En Europe, l’accès aux DME reste désactivé et les conditions de conformité RGPD et AI Act doivent encore être discutées avec les autorités nationales, notamment sur la transparence des traitements et les mécanismes d’audit.

    Claude for Healthcare : infrastructure institutionnelle et IA « constitutionnelle »

    Claude for Healthcare se positionne comme une offre orientée institutions, avec une infrastructure décrite comme HIPAA‑ready pour les usages enterprise et des intégrations aux systèmes hospitaliers, assureurs et laboratoires pharmaceutiques. Anthropic met en avant son approche d’« IA constitutionnelle », qui encadre le comportement du modèle par un corpus de principes éthiques afin de réduire les réponses cliniquement non sûres.

    Les retours d’usage terrain donnent des signaux d’efficacité : Novo Nordisk a réduit la production de rapports d’études cliniques de plusieurs mois à quelques minutes via la plateforme NovoScribe bâtie sur Claude, tandis que Banner Health indique que 85% de ses utilisateurs travaillent plus vite avec une meilleure précision sur une base de plus de 22 000 prestataires. Claude est utilisé pour l’administration hospitalière, la prior authorization, la synthèse de dossiers et le support essais cliniques, avec une orientation vers l’optimisation des processus plutôt que le face‑à‑face patient.

    Perplexity Health : moteur de réponse sourcé et architecture multi‑agents

    Perplexity Health arrive plus tard, mais avec une proposition axée sur la recherche augmentée et la transparence des sources. La plateforme combine connexion à Apple Health, Fitbit, Withings, Ultrahuman et à des DME couvrant plus de 1,7 million de prestataires, avec un moteur de réponse qui cite systématiquement les sources médicales utilisées en temps réel.

    Sur le plan architectural, Perplexity Health s’appuie sur une technologie multi‑agents (Perplexity Computer) capable de coordonner plusieurs modèles pour produire des bilans pré‑consultation en croisant DME, résultats biologiques et données de capteurs, dans une logique d’exhaustivité. Perplexity met en avant un engagement explicite de ne ni revendre ni utiliser les données médicales pour l’entraînement de ses modèles, mais la documentation sur la conformité institutionnelle et les intégrations wearables reste encore limitée hors marché américain.

    Gemini / Google : IA grand public et controverses sur la qualité des réponses

    Le benchmark des LLM grand public inclut aussi Gemini (Google), même si la documentation dédiée santé est moins structurée que pour les trois autres offres. Les expériences récentes des « AI Overviews » de Google, incluant des réponses erronées sur des sujets médicaux de base, ont alimenté le débat sur la fiabilité des systèmes de recherche augmentée appliqués à la santé.

    Ces épisodes rappellent que l’absence de transparence sur les sources et de garde‑fous cliniques peut exposer les utilisateurs à des recommandations inexactes, en particulier lorsque l’IA est intégrée directement au moteur de recherche. Dans ce contexte, la capacité à tracer les sources, à auditer les modèles et à encadrer les cas d’usage devient un critère de différenciation pour les solutions santé spécialisées, face aux déploiements plus généralistes.

    Risques d’hallucinations et nécessité de supervision clinique

    Toutes les plateformes partagent un risque documenté d’hallucination, y compris dans des contextes médicaux sensibles. Une étude Penn LDI de 2025 montre que les LLM peuvent produire des recommandations cliniques incohérentes, tandis que l’outil Elsa de la FDA, basé sur Claude, a été rapporté comme ayant halluciné des études inexistantes.

    Des cas graves ont été décrits, comme des modèles incitant à des pensées suicidaires, ce qui souligne l’importance de garder un professionnel en position de supervision pour toute décision clinique. Les recommandations générales des auteurs convergent : maintenir la responsabilité finale du praticien, limiter les usages à l’aide à la décision, expliciter les limites (hallucinations, biais) auprès des soignants et des patients.

    RGPD : données de santé, consentement et détournement de finalité

    Dans le cadre européen, les données de santé sont des données sensibles au sens de l’article 9 du RGPD, dont le traitement est en principe interdit sauf exceptions strictement encadrées. Pour des plateformes américaines comme ChatGPT Health, Claude for Healthcare ou Perplexity Health, cela implique un consentement explicite, libre et éclairé, difficile à obtenir dans un contexte d’usage grand public et d’interface conversationnelle.

    Le risque de détournement de finalité constitue une autre contrainte : l’article 5.1.b du RGPD interdit de réutiliser des données médicales recueillies à des fins d’assistance pour l’entraînement des modèles sans nouveau consentement, même sous forme anonymisée. Si les trois acteurs affirment ne pas utiliser les données de santé pour l’entraînement, cette promesse contractuelle n’est pas encore assortie de mécanismes de vérification indépendants accessibles aux régulateurs européens.

    AI Act et MDR : double conformité et responsabilités

    L’AI Act, entré en vigueur en 2024 avec des premières dispositions applicables depuis février 2025, introduit une classification par niveau de risque qui impacte directement ces outils. Pour des usages principalement conversationnels et administratifs, les chatbots sont classés « risque limité », avec une obligation d’informer l’utilisateur qu’il interagit avec une machine.

    Dès qu’une IA santé influence une décision médicale, interprétation de résultats, orientation thérapeutique, détection de patterns cliniques, elle peut être requalifiée en système à haut risque au sens de l’article 6, avec des obligations renforcées de gestion des risques, gouvernance des données et documentation technique. La pleine application des dispositions pour les systèmes à haut risque dans la santé est attendue pour mi‑2026, avec des périodes de transition de 6 à 12 mois, ce qui coïncide avec la montée en puissance de ces plateformes.

    La convergence entre AI Act et Règlement sur les Dispositifs Médicaux (MDR) crée une double contrainte : l’AI Act impose des exigences sur la qualité des données d’entraînement et la robustesse aux attaques, alors que le MDR couvre la sécurité clinique. Le texte clarifie aussi la répartition des responsabilités : si un hôpital déploie un système à haut risque sans supervision adéquate ou hors des finalités prévues, la responsabilité peut se déplacer vers l’établissement, ce qui concerne directement les directions médicales et celles des systèmes d’informations.

    Déploiement en France : frein réglementaire et scénarios de transition

    À ce stade, les connexions directes aux DME via ChatGPT Health, Claude for Healthcare et Perplexity Health restent cantonnées au territoire américain, principalement en raison des divergences entre HIPAA et RGPD. Sur le marché français et plus largement européen, les acteurs ne proposent que des versions sans accès DME, dont la conformité doit être examinée par la CNIL et les autorités nationales.

    La Commission européenne a annoncé fin 2025 un étalement du calendrier d’application des dispositions AI Act relatives aux systèmes à haut risque, ouvrant une fenêtre de transition sans pour autant alléger les obligations RGPD déjà en vigueur. Pour les établissements français, la mise en œuvre passe par des analyses d’impact relatives à la protection des données (AIPD), des dispositifs d’audit conformes à l’ISO 27789, et la désignation d’un superviseur humain dans la boucle de décision pour tout usage clinique.

    Recommandations opérationnelles pour les acteurs de la santé

    Les recommandations convergent vers trois axes : formation, interopérabilité et éthique par conception. D’une part, intégrer l’IA dans les cursus initiaux et la formation continue afin de transformer les soignants en opérateurs éclairés de ces outils, capables d’identifier hallucinations et biais, et d’autre part, généraliser les standards d’interopérabilité pour fluidifier l’accès aux données secondaires tout en sécurisant l’hébergement sur des infrastructures souveraines (par exemple SecNumCloud pour le Health Data Hub) afin de réduire les délais d’accès aux données, aujourd’hui évalués à 18 mois en France contre quelques jours aux États‑Unis ou en Asie. Enfin, privilégier des solutions intégrant l’« ethics by design », avec de l’explicabilité, du contrôle humain systématique et une isolation stricte entre données de santé et modèles généralistes, pour concilier performance et exigence réglementaire.

     

  • Allemagne : les DiGA s’imposent (+64 % d’usages) mais l’usage reste limité à 12,6 % des patients

    DiGA : une croissance de 64 % des usages entre 2024 et 2025

    Les DiGA (Digital Health Applications) sont des applications numériques prescrites par des professionnels de santé et remboursées en Allemagne, destinées à accompagner la prise en charge des patients en apportant un bénéfice clinique démontré.

    Cinq ans après leur introduction dans le système de santé allemand, les Digital Health Applications (DiGA) poursuivent leur montée en charge.

    Vieillissement démographique, pénurie de médecins et hausse des dépenses, les DiGA peuvent améliorer l’accès aux soins, soutenir l’adhésion thérapeutique et alléger les tâches standardisées des professionnels.

    Leur déploiement pourrait contribuer à près de 50 milliards d’euros d’économies d’ici 2045.

    Entre octobre 2020 et fin 2025, environ 1,6 million de codes d’activation ont été utilisés, dont près de 690 000 pour la seule année 2025. Au total, plus de 1,7 million de prises en charge ont été réalisées à la date de publication du rapport.

    Le volume d’utilisations a quasiment doublé en un an et affiche une progression de 64 % entre 2024 et 2025.

    En même temps, l’offre s’est stabilisée à un niveau élevé. Au 31 décembre 2025, 58 DiGA sont inscrites au répertoire du BfArM, dont 48 définitivement et 10 provisoirement.

    Près de 70 % des applications validées après le Fast-Track du BfArM

    Le dispositif repose sur un cadre réglementaire spécifique, avec le Fast-Track du BfArM, qui permet une inscription provisoire suivie d’une évaluation en conditions réelles. 34 des 50 applications provisoires ont obtenu une inscription définitive après leur année d’expérimentation, soit près de 70 % de succès

    Les applications doivent démontrer un bénéfice clinique, souvent via des essais randomisés pour les versions définitivement remboursées.

    Toutefois, on note une hétérogénéité des études (design, durée, critères), qui appelle à renforcer la comparabilité et le suivi à long terme.

    Une diffusion encore limitée dans la pratique

    Malgré la croissance des usages, l’adoption reste partielle. Certaines données montrent cet écart. 39,8 % des patients connaissent les DiGA, mais seulement 12,6 % les utilisent réellement

    Dans le même temps, les retours d’usage sont globalement positifs. Par exemple, dans un registre en rhumatologie, 51 % des utilisateurs déclarent une amélioration des symptômes, avec des résultats notables dans les troubles musculosquelettiques et la gestion du poids

    Un autre indicateur souligne les limites du parcours : une prescription sur cinq n’est pas suivie d’activation, pointant des frictions d’accès.

    Un durcissement réglementaire qui freine l’innovation

    L’année 2025 marque aussi un tournant réglementaire. Plusieurs évolutions ont été introduites :

    • Entrée en vigueur de la 2e modification de la DiGAV (février 2026).
    • Mise en place de la mesure d’efficacité en conditions réelles (AbEM).
    • Nouvelles exigences en matière de sécurité des données (TR-03161).

    Mais si ces mesures visent à renforcer la qualité et la transparence, le rapport souligne leurs effets : Augmentation de la complexité administrative, frein à l’arrivée de nouvelles applications (seulement 6 nouvelles DiGA en 2025) et risque de retrait d’acteurs existants.

    Quatre priorités pour la suite

    Le rapport identifie plusieurs leviers pour soutenir la trajectoire :

    • Simplifier l’accès via le e-prescription : Le modèle actuel est jugé trop complexe.
    • Repenser l’évaluation en vie réelle (AbEM) : L’objectif de transparence est reconnu, mais les modalités sont jugées disproportionnées au regard des bénéfices attendus.
    • Trouver un équilibre sur la sécurité des données : La certification imposée pourrait pénaliser les acteurs et les patients si elle n’est pas adaptée aux niveaux de risque.
    • Avancer vers une harmonisation européenne : Le cadre allemand est considéré comme une base pour une standardisation des remboursements en Europe.

    Le modèle allemand commence à s’exporter. À partir de juillet 2026, certaines applications seront remboursées en Suisse, notamment dans la prise en charge de la dépression.

    Le rapport dresse un bilan globalement positif : les DiGA se sont imposées comme une troisième modalité de prise en charge, aux côtés de l’ambulatoire et de l’hospitalier. Mais leur trajectoire dépend désormais de la capacité à réduire les frictions d’accès, stabiliser le cadre réglementaire, et améliorer la production de preuves.

    En creux, c’est le passage d’un modèle d’innovation rapide à un modèle industrialisé et régulé qui se joue.

    DiGA-Report 2025 – Spitzenverband Digitale Gesundheitsversorgung e.V. (SVDGV) 

  • Antidépresseurs : un outil d’IA réduit de 38 % les abandons précoces et améliore les scores cliniques à six mois

    Les antidépresseurs sont recommandés en première intention pour les dépressions modérées à sévères, mais leur efficacité dépend d’une prise minimale. Les effets indésirables précoces favorisent les arrêts prématurés, ce qui complique l’évaluation et l’ajustement des traitements. En pratique, prédire la molécule la plus adaptée à un patient demeure difficile.

    Dans ce contexte, le projet PETRUSHKA a développé un outil en ligne d’aide à la décision qui combine méthodes statistiques et apprentissage automatique.

    Il intègre des variables cliniques et sociodémographiques (âge, sexe, origine, tabagisme, sévérité, antécédents, comorbidités, anxiété, histoire de maltraitance) ainsi que les préférences du patient.

    L’interface propose au patient de sélectionner cinq effets indésirables à éviter, avec une estimation personnalisée des risques (par exemple 9 % à 26 % pour les céphalées, 8 % à 42 % pour la bouche sèche). Trois options thérapeutiques anonymisées sont ensuite présentées avec leurs profils de tolérance, le nom de la molécule n’étant révélé qu’après le choix.

    Un essai multicentrique randomisé

    17 % d’abandons avec IA contre 27 % en prise en charge standard

    L’évaluation a été conduite auprès de 520 adultes présentant un trouble dépressif caractérisé, dans 47 centres au Brésil, au Canada et au Royaume-Uni. Les participants ont été randomisés entre une prescription assistée par l’outil et une prise en charge habituelle.

    L’analyse finale a porté sur 493 patients. Le critère principal (arrêt du traitement à deux semaines, quelle qu’en soit la cause) est atteint avec 17 % d’abandons dans le groupe assisté, contre 27 % dans le groupe contrôle, soit une réduction relative de 38 %.

    Les arrêts prématurés (liés notamment aux effets indésirables) concernent 9 % des patients dans le groupe IA, contre 16 % en soins usuels, correspondant à une réduction du risque de 41 %.

    Amélioration des résultats cliniques à six mois

    Au suivi à six mois, les scores cliniques sont en faveur de la stratégie personnalisée :

    • Score de dépression PHQ-9 : 7,1 points avec l’outil contre 9,2 en prise en charge standard.
    • Score d’anxiété GAD-7 : 4,6 points contre 5,8.

    Globalement, le risque d’arrêt à huit semaines est réduit d’environ 40 % avec PETRUSHKA.

    Selon les auteurs, il s’agit du premier système d’aide à la décision partagée fondé sur des données probantes pour personnaliser le traitement antidépresseur. L’approche articule données cliniques et préférences patient dans un cadre opérationnel.

    Deux limites sont toutefois soulignées :

    • L’absence de double aveugle.
    • Et une proportion importante de données manquantes, qui restreignent la portée des conclusions.

    Ces résultats suggèrent qu’un outillage combinant IA et préférences patient peut modifier à la fois l’observance et les résultats cliniques en psychiatrie.

    *A Decision-Support System to Personalize Antidepressant Treatment in Major Depressive Disorder, A Randomized Clinical Trial

     

  • Inde : 449 millions de téléconsultations, l’IA accélère l’accès aux soins primaires

    Un consortium national

    Avec 1,4 milliard d’habitants, l’Inde fait face à une couverture inégale des soins primaires et à une pénurie de spécialistes, particulièrement en zones rurales. Cette contrainte structurelle limite l’accès au diagnostic précoce, complique le suivi des maladies chroniques et fragilise la continuité des soins.

    Dans ce contexte, la télémédecine s’impose comme un levier organisationnel clé. La plateforme e-Sanjeevani repose sur un consortium associant :

    • Le Ministry of Health and Family Welfare (MoHFW), pilote stratégique.
    • La National Health Authority (NHA) via l’Ayushman Bharat Digital Mission (ABDM), pour l’interopérabilité.
    • Les centres Ayushman Arogya Mandirs, maillage de proximité.

    L’intégration des identifiants ABHA (Ayushman Bharat Health Account) et de dossiers médicaux partagés permet d’optimiser la pertinence clinique. Des modules d’IA, fondés sur des systèmes d’aide à la décision (CDSS), structurent le triage et les prescriptions.

    449 millions d’actes, dont 12 millions assistés par IA

    Depuis 2019, e-Sanjeevani s’impose comme le plus vaste programme mondial de télémédecine primaire :

    • 449 millions de téléconsultations.
    • 220 000 professionnels mobilisés.
    • 12 millions de cas appuyés par IA.

    Dans la lutte contre la tuberculose :

    • −27 % d’issues défavorables.
    • +12 à 16 % de détection de cas.

    Vers une médecine populationnelle augmentée

    Ce modèle illustre une transformation systémique :

    • Accès élargi aux soins en zones sous-dotées.
    • Standardisation et sécurisation des parcours.
    • Transition vers une médecine de précision à grande échelle.

    L’extension des capacités d’IA et l’exploitation des données de santé positionnent l’Inde comme un acteur structurant de la santé numérique mondiale.

     

     

  • Accès aux soins : délais, coûts et distance, les trois freins qui éloignent les Français (Baromètre FHF 2026)

    73% des Français déclarent avoir renoncé à au moins un soin sur les cinq dernières années, signe d’un accès aux soins qui se dégrade et d’un risque pour la continuité des parcours. L’Observatoire de l’accès aux soins de la Fédération hospitalière de France (FHF), présenté le 17 mars 2026, confirme une aggravation des délais, des inégalités territoriales et des reports vers les urgences.

    • 73% ont déjà renoncé à au moins un acte de soin en cinq ans, contre 68% en 2025 et 63% en 2024.
    • 59% des renoncements sont liés aux délais, 40% au budget, 38% à la distance.
    • Délai moyen : 12 jours pour un généraliste, 4 mois et 2 semaines pour un dermatologue, 3 mois et 2 jours pour un cardiologue.
    • 49% des Français se sont déjà rendus aux urgences pour une situation ne relevant pas d’une urgence médicale.
    • 90% expriment de la colère face au manque de moyens de l’hôpital public, 89% craignent une catastrophe sans investissement, 85% dénoncent les inégalités d’accès.

    Il s’agit de la troisième édition de l’Observatoire FHF x Ipsos bva, ce qui permet une lecture dynamique entre 2019, 2024, 2025 et 2026.

    Cette continuité renforce la portée stratégique du signal : il ne s’agit plus d’une tension conjoncturelle mais d’une tendance installée de dégradation de l’accès aux soins. Pour les décideurs, le sujet bascule d’un problème d’offre locale à un enjeu de pilotage national, de priorisation budgétaire et de régulation des parcours.

    Inégalités, sous-financement, et colère, le diagnostic des Français

    Le premier enseignement est politique. 90% des répondants se disent en colère face au manque de moyens alloués à l’hôpital public et aux conditions de travail des soignants, 89% estiment que sans investissement rapide le système court à la catastrophe, et 85% se disent révoltés par les inégalités territoriales.

    Le second enseignement est institutionnel. Cette combinaison de colère, d’inquiétude et de perception d’injustice fragilise la confiance dans la capacité du système à garantir un accès équitable, donc la légitimité de l’action publique sanitaire. Dans le même temps, 95% des Français se disent reconnaissants envers les professionnels de santé, ce qui dissocie clairement la critique du système de la confiance accordée aux soignants.

    Zaynab Riet, déléguée générale de la FHF, résume ce point de bascule : « Les Français attendent légitimement un sursaut politique : il y a urgence à agir pour la santé ! ».

    Quand consulter devient trop long

    Délais multipliés par 3

    Les délais deviennent un déterminant du renoncement. Le délai moyen déclaré atteint 12 jours pour un médecin généraliste, contre 4 jours en 2019, soit un délai multiplié par trois ; il atteint 4 mois et 2 semaines pour un dermatologue, contre 2 mois et 2 jours en 2019, et 3 mois et 2 jours pour un cardiologue, contre 1 mois et 3 semaines en 2019.

    Le sujet n’est donc plus limité aux spécialités à faible densité. Quand l’accès au généraliste se dégrade à ce niveau, c’est toute la chaîne d’orientation qui se désorganise : retard diagnostic, reports d’examens, désintermédiation via les plateformes, et montée de recherches d’information non encadrées sur les réseaux sociaux ou les moteurs consumer health. C’est dans cet espace que la désinformation médicale gagne en efficacité, car elle répond plus vite qu’un rendez-vous.

    @FHF : BAROMÈTRE DE L’ACCÈS AUX SOINS

    Les trois facteurs qui éloignent du soin sont les délais, les coûts, la distance

    Le renoncement atteint 73% en 2026, contre 68% en 2025. Les motifs montrent une superposition de vulnérabilités : 59% des renoncements sont liés aux délais, 40% au budget et 38% à l’éloignement géographique.

    Cette triple contrainte a une implication directe pour l’alliance thérapeutique. Quand le soin devient tardif, coûteux ou lointain, la promesse de prise en charge perd en crédibilité, ce qui augmente l’exposition à des récits simplificateurs : automédication, diagnostics approximatifs, offres commerciales peu transparentes, contenus viraux qui promettent des solutions rapides. La demande de transparence sur les délais, les tarifs, les alternatives territoriales et la qualité des sources devient donc un levier de santé publique, pas seulement un sujet d’expérience usager.

    Près d’un Français sur deux va aux urgences sans nécessité médicale

    Près d’un Français sur deux, soit 49%, déclare s’être déjà rendu aux urgences pour une situation qui ne relevait pas d’une urgence médicale. Le rapport précise que ces recours s’expliquent par la méconnaissance des alternatives, l’impossibilité d’obtenir un rendez-vous dans un délai acceptable, la recherche d’examens rapides, ou encore l’impossibilité d’avancer les frais.

    Sur le plan territorial, l’Île-de-France se distingue par les meilleurs délais relatifs, même si l’accès y reste dégradé pour certaines spécialités, avec plus de 8 semaines pour un cardiologue ou un dermatologue. Cela confirme qu’une région mieux dotée n’échappe pas à la tension structurelle ; elle la contient seulement mieux que d’autres.

     

  • Asthme pédiatrique : la HAS ouvre la voie au remboursement de la thérapie numérique Joe

    La Commission nationale d’évaluation des dispositifs médicaux et des technologies de santé (CNEDiMTS) de la Haute Autorité de santé (HAS) a rendu, le 2 avril, un avis favorable à l’inscription au remboursement d’un dispositif médical numérique à visée thérapeutique.

    Il s’agit de la thérapie digitale Joe, développée par la société Ludocare, dans la prise en charge de l’asthme persistant chez l’enfant.

    Cet avis est une première en France pour une thérapie numérique, avec la reconnaissance d’un apport clinique par rapport à la prise en charge habituelle.

    La décision finale de remboursement reste suspendue à une validation du ministère chargé de la Santé et à la fixation du prix.

    Un dispositif centré sur l’observance et l’autonomie de l’enfant

    Joe associe un robot équipé d’un écran et une application mobile destinée aux parents. Le dispositif accompagne l’enfant dans la gestion quotidienne de son traitement de fond via des rappels, des contenus pédagogiques et des interactions ludiques. Les parents peuvent suivre en temps réel l’observance du traitement.

    Dans l’asthme pédiatrique, qui concerne entre 14 et 16 % des enfants en France, la prise en charge repose en partie sur l’éducation thérapeutique. Elle vise à prévenir les exacerbations et à limiter les hospitalisations. L’adhésion au traitement constitue un enjeu qui mobilise les professionnels de santé.

    Des données cliniques désormais jugées suffisantes

    Une première évaluation menée en 2025 dans le cadre du dispositif de prise en charge anticipée (PECAN) avait abouti à un avis défavorable, en l’absence de données permettant de conclure au caractère innovant du dispositif.

    Les nouvelles données transmises ont conduit la CNEDiMTS à revoir sa position. L’analyse montre que l’ajout de la thérapie digitale au traitement standard est supérieur au traitement standard seul chez les enfants âgés de 7 à 11 ans, traités depuis au moins trois mois et non éligibles aux biothérapies.

    Les résultats mettent en évidence une réduction des exacerbations dans cette tranche d’âge. En revanche, aucune supériorité n’a été démontrée chez les enfants de 4 à 7 ans.

    Sur la base de ces éléments, la CNEDiMTS a attribué à Joe un service attendu suffisant et une amélioration du service attendu mineure (niveau IV).

    L’indication retenue concerne exclusivement les enfants de 7 à 11 ans.

    La HAS conditionne toutefois cette inscription à la réalisation d’une étude en vie réelle sur 12 mois. Celle-ci devra documenter l’efficacité à long terme du dispositif, notamment sur :

    • Le nombre moyen d’exacerbations.
    • La réduction des traitements de fond.
    • L’observance thérapeutique.

    Le cas de Joe montre qu’un refus initial dans le cadre du PECAN n’exclut pas un accès ultérieur au remboursement en droit commun, sous réserve de production de données cliniques robustes.

  • Arrêts de travail : interdiction du second renouvellement en téléconsultation et encadrement renforcé des prescriptions en ligne

    L’interdiction du second renouvellement en télémédecine repose sur le fait qu’un “délai significatif” s’est écoulé depuis la prescription initiale. Dans ce contexte, le recours à un examen clinique en présentiel est considéré comme proportionné.

    Un durcissement du cadre de prescription

    L’article 12 bis A modifie l’article L. 6316-1 du code de la santé publique en introduisant deux restrictions relatives aux prescriptions réalisées dans le cadre de la télémédecine.

    • D’une part, il est désormais prévu que le second renouvellement d’un arrêt de travail ne puisse être délivré lors d’un acte de télémédecine. Cette mesure introduit une limite supplémentaire après un premier renouvellement, en imposant, au-delà, une évaluation médicale en présentiel.
    • D’autre part, les services de communication au public en ligne se voient interdire toute fourniture de prescriptions (qu’il s’agisse d’arrêts de travail, de produits de santé, de prestations ou d’actes) sans qu’un échange oral synchrone préalable ait eu lieu entre le professionnel de santé et le patient. Cet échange devra se dérouler soit par vidéotransmission, soit par téléphone.

    Cette évolution intervient dans un contexte de forte progression des dépenses liées aux arrêts de travail. Celles-ci ont atteint 16,6 milliards d’euros en 2024, soit une hausse de 60 % par rapport à 2010. Depuis cette date, les indemnités journalières augmentent en moyenne de 3,8 % par an.

    Cette trajectoire est jugée insuffisamment corrélée à des facteurs structurels tels que la croissance démographique ou l’évolution des salaires. Ce qui soulève des interrogations quant à la soutenabilité financière du système.

    Maintien de la téléconsultation courte (3 jours) pour pallier les déserts médicaux

    Le dispositif conserve une logique d’équilibre en tenant compte des contraintes d’accès aux soins, comme dans les zones avec une offre médicale insuffisante.

    Le droit actuel autorise déjà la prescription d’arrêts de travail en téléconsultation pour une durée limitée à trois jours, sauf impossibilité d’accès à une consultation présentielle. L’idée est de ne pas pénaliser les assurés qui résident dans ces territoires.

    Projet de loi relatif à la lutte contre les fraudes sociales et fiscales (no 2250) Amendement n°1076 – Assemblée nationale

    Compte rendu de la première séance du mardi 31 mars 2026 – Assemblée nationale