Analyse

  • T3 2025 : Acquisitions pour Healthy Mind et Norgine, restructuration chez Cegedim

    • 🏥Healthy Mind s’implante au Royaume-Uni avec l’acquisition de Rescape Innovation
    • 🧬Norgine intègre Theravia pour renforcer son offre en maladies rares
    • ⚖️Carmat : nouveau sursis judiciaire dans l’attente d’un repreneur
    • 📉Cegedim restructure son activité officine et supprime une centaine de postes

    Healthy Mind s’installe au Royaume-Uni en rachetant Rescape Innovation

    Le 27 août 2025, Healthy Mind, entreprise française spécialisée dans les thérapies digitales immersives, a annoncé l’acquisition de Rescape Innovation. Basée au Royaume-Uni, cette start-up développe des environnements virtuels destinés à la gestion de la douleur et de l’anxiété. Grâce à cette opération, Healthy Mind intègre les partenariats hospitaliers britanniques de Rescape, dont plus de 100 établissements de soins et des collaborations avec le NHS. La fusion permet également à Healthy Mind d’augmenter sa capacité de production de contenus : avec plus de 200 immersions désormais disponibles, l’entreprise revendique la bibliothèque la plus étoffée du marché dans ce domaine. Le rapprochement repose sur une stratégie commune de solutions non médicamenteuses, scientifiquement validées, à destination des professionnels de santé.

    Norgine finalise l’acquisition de Theravia pour étoffer son offre dans les maladies rares

    Le 14 août 2025, le laboratoire pharmaceutique Norgine a confirmé la finalisation du rachat de Theravia, société spécialisée dans les traitements pour pathologies rares. Désormais filiale à part entière du groupe, Theravia apporte une expertise complémentaire à Norgine, qui poursuit son développement dans des aires thérapeutiques à forte demande non satisfaite. L’opération vise à renforcer la présence de Norgine sur les marchés européen, australien et néo-zélandais. Un plan d’intégration structuré a été lancé pour harmoniser les opérations et les équipes des deux entreprises. Selon la directrice générale Janneke van der Kamp, cette acquisition est une étape importante pour accroître l’accès aux médicaments de Theravia.

    Carmat : le fabricant de cœurs artificiels en attente d’un repreneur

    Le fabricant de cœurs artificiels Carmat, en cessation de paiements depuis juin, a évité la liquidation judiciaire lors de l’audience du 14 octobre. Le tribunal de Versailles a repoussé sa décision au 25 novembre, donnant une dernière chance à de potentiels repreneurs. Une nouvelle offre portée par Pierre Bastid, actionnaire de l’entreprise, est en cours d’élaboration. Depuis sa création en 2008, Carmat a développé un cœur bio-artificiel destiné aux patients en attente de greffe. Malgré des premières réussies et une certification européenne obtenue en 2021, l’entreprise a souffert de difficultés techniques et de pertes financières importantes. En 2024, elle affichait un déficit de plus de 50 M€ pour 7 M€ de chiffre d’affaires. La société s’est engagée à poursuivre le suivi des patients greffés, dans l’attente d’une solution de reprise.

    Cegedim restructure son activité logicielle en pharmacie

    Enfin, l’éditeur français de logiciels Cegedim a annoncé un plan de sauvegarde de l’emploi (PSE) concernant une centaine de postes dans sa branche Logiciels de gestion d’officines, confrontée à un recul de son activité en France. Le groupe a obtenu l’homologation d’un accord négocié avec les représentants du personnel. Cette décision intervient dans un contexte de performances contrastées : au premier semestre 2025, le chiffre d’affaires global du groupe atteint 322,5 M€, en légère hausse. Mais sa branche logicielle, qui représente 45 % des ventes, a chuté de 5,1 %, pénalisée par la déconsolidation de sa filiale britannique INPS, placée en administration judiciaire en décembre 2024. Cegedim anticipe néanmoins une croissance annuelle comprise entre 2 et 4 % et mise sur ses autres segments, notamment l’assurance santé et les services RH, pour compenser la baisse dans la pharmacie.

  • De l’alerte épidémique au suivi post-hospitalier : l’IA en appui au parcours patient

    Un parcours de soins entre médecine de ville, hôpital et santé publique

    Le parcours de soins d’un patient atteint d’une maladie infectieuse regroupe l’ensemble des étapes médicales, sociales et administratives qu’il traverse, depuis l’apparition des premiers symptômes jusqu’à la guérison ou la stabilisation de son état. Ce parcours est complexe, car il implique la coordination de plusieurs acteurs de santé : médecins généralistes, infectiologues, laboratoires, hôpitaux, ainsi que les services de santé publique.

    Une gestion clinique modulée par la gravité, la transmission et les co-morbidités

    Qu’il s’agisse de pathologies comme la grippe, COVID-19, tuberculose, hépatites B/C, infections nosocomiales, méningite, paludisme, VIH ou bien tropicales comme la dengue ou le chikungunya, la prise en charge varie selon le type d’infection, sa gravité, son mode de transmission, mais aussi le contexte épidémiologique et le patient lui-même (adultes, enfants, avec ou sans co-morbidité, etc.).

    @Health & Tech Intelligence

    Le parcours commence par l’apparition des premiers symptômes, et un diagnostic clinique, complété par des examens biologiques pour identifier l’agent pathogène. Ensuite, un traitement adapté est mis en place, pouvant aller de l’antibiothérapie ambulatoire à une hospitalisation en service spécialisé, notamment en cas d’infections graves ou contagieuses. Ce parcours doit également intégrer la prévention de la transmission, le suivi du patient, l’éducation thérapeutique, et dans certains cas, la déclaration de la maladie auprès des autorités sanitaires. L’amélioration et la fluidité du parcours détermine en partie efficacité de la prise en charge.

    @Health & Tech Intelligence

    Comment l’IA accompagne chaque étape du parcours infectieux ?

    L’intelligence artificielle renforce la détection précoce des épidémies en croisant données génomiques, signaux environnementaux et contenus en ligne. Elle améliore les capacités de prédiction et de réaction des systèmes de santé. Grâce à des outils comme le machine learning, l’IA traite de grands volumes de données pour anticiper les risques (moustiques, choléra, mutations virales) et adapter les réponses sanitaires.

    • Systèmes d’alerte précoce et réseaux sociaux : des plateformes telles que HealthMap exploitent l’IA pour agréger automatiquement les signaux épidémiques provenant de la presse, des réseaux sociaux ou des bases de données scientifiques. Ce système a permis, par exemple, la détection de la grippe H1N1 au Mexique. Les publications sur les réseaux sociaux, traitées en temps réel, peuvent également fournir des signaux faibles (hausse de mentions de symptômes grippaux) qui alertent les autorités sanitaires sur une zone géographique donnée. L’IA y joue un rôle de filtre et de classification, permettant de distinguer les contenus pertinents.
    • Biologie synthétique, diagnostics et développement de traitements : L’IA soutient la détection rapide et la caractérisation des agents infectieux en s’appuyant sur l’analyse d’images médicales (scanner, IRM) ou d’expression génétique. Les réseaux neuronaux convolutifs (CNN), les SVM ou encore les algorithmes k-nearest neighbors sont utilisés pour identifier le statut infectieux, estimer la sévérité ou encore évaluer la réponse au traitement. En recherche pharmaceutique, l’IA automatise le criblage de milliers de molécules, ce qui facilite la redécouverte de médicaments ou l’identification de nouveaux candidats. Les modèles de type graph neural networks exploitent des données issues de criblages phénotypiques pour prédire les interactions médicament-cible.

    IA et maladies infectieuses : des outils mobilisés à chaque étape du parcours de soins

    Du repérage des foyers épidémiques à la prévention des complications, des outils d’IA comme Bluedot, TREWS ou ZINC s’intègrent progressivement dans les pratiques hospitalières et la recherche pour renforcer la réactivité, la précision des diagnostics et l’efficacité des traitements. À chaque étape, l’intelligence artificielle (IA) trouve des applications qui améliorent la prise en charge. Cet article synthétique retrace les grandes étapes du parcours patient (de la prévention au suivi post-traitement) en illustrant, pour chacune, les apports de l’IA par quelques exemples.

    • Anticiper les risques : vaccination et surveillance épidémique : En amont des soins, certaines plateformes optimisent les stratégies de prévention. MedDataSuite (Hopsiia), une suite logicielle intégrant plusieurs modules d’IA, permet d’améliorer la gestion hospitalière : anticipation des besoins en lits, optimisation des flux d’urgence et appui à la planification des campagnes de vaccination. L’objectif est de renforcer la coordination logistique en période de tension sanitaire. Pour détecter les premiers signaux d’une épidémie, Bluedot croise des millions de sources d’information : bases de données médicales, articles scientifiques, réseaux sociaux et bulletins de santé publique. Ce système a identifié l’émergence du COVID-19 plusieurs jours avant l’alerte officielle de l’OMS, illustrant le potentiel de ces outils dans la veille épidémiologique en temps réel.
    • Intervenir tôt : symptômes et diagnostic rapide : Lorsque les premiers symptômes apparaissent, le recours à l’IA permet d’accélérer la détection de situations critiques. Le système TREWS (Targeted Real-time Early Warning System), utilisé en milieu hospitalier, analyse en continu les données cliniques des patients pour identifier les signes précoces d’un choc septique. Il alerte les médecins avant l’apparition de complications, améliorant ainsi les délais d’intervention. La précision du diagnostic est renforcée grâce à des projets comme Diagnostic in Vitro, une collaboration entre bioMérieux et l’institut Mila. Ce partenariat développe des modèles d’IA appliqués à l’analyse génomique, en particulier pour détecter les résistances aux antibiotiques. En parallèle, la plateforme PhénoMATRIX automatise l’analyse des cultures bactériennes en laboratoire, ce qui réduit les délais de traitement et fiabilise les résultats.
    • Cibler les traitements : antibiotiques et personnalisation : Face à la progression des résistances bactériennes, l’intelligence artificielle s’attaque également au développement de nouveaux traitements. La solution Antibiotics-AI explore, grâce au machine learning, des millions de composés chimiques pour prédire leur potentiel antibactérien. Ce modèle accélère le processus de découverte de nouvelles classes d’antibiotiques, un enjeu pour contrer l’antibiorésistance.
    • Suivre les patients : prévention des complications infectieuses : Une fois le traitement engagé, la surveillance reste essentielle. ZINC, logiciel de suivi en temps réel des infections associées aux soins, détecte et suit plus de 20 types d’infections nosocomiales, notamment celles liées à des pathogènes multirésistants. Il s’appuie sur les résultats d’antibiogrammes pour alerter les équipes soignantes et limiter les risques de propagation en milieu hospitalier. MedDataSuite intervient également en aval pour prévenir d’éventuelles complications post-traitement, en croisant les données administratives et cliniques afin d’identifier les patients à risque de rechute ou d’événements indésirables.

    Ces solutions illustrent la diversité des usages possibles de l’IA tout au long du parcours patient. Leur intégration dans la pratique clinique repose sur une logique d’assistance : elles analysent, priorisent, alertent ou automatisent, mais ne remplacent pas le jugement médical. Leur efficacité dépend enfin de leur intégration dans des environnements numériques sécurisés, compatibles avec les exigences de confidentialité des données de santé.

    @Health & Tech Intelligence

    Médecine de ville vs. hôpital : deux approches de l’IA pour prévenir et traiter les infections

    Alors que la médecine de ville mobilise l’IA pour améliorer le dépistage, le suivi et la prévention individualisée, l’hôpital s’appuie sur des systèmes plus complexes pour anticiper les complications, optimiser les traitements et contenir les infections nosocomiales.

    Médecine de ville : soutien à la pratique quotidienne et prévention personnalisée

    Les médecins généralistes peuvent utiliser des outils intégrés à leur logiciel pour obtenir, dès la première consultation, une liste de diagnostics probables selon les symptômes saisis. Cela limite les examens inutiles et les retards face aux infections graves. La télésurveillance repose sur des objets connectés couplés à des algorithmes d’alerte. Ces dispositifs assurent le suivi à distance des patients chroniques ou fragiles et préviennent le médecin en cas de signe d’infection. Certains logiciels détectent une hausse locale des cas grippaux et incitent à rappeler les patients à risque pour la vaccination. Les outils d’aide à la prescription proposent des alertes sur l’indication d’un antibiotique ou suggèrent un test avant traitement. Ils tiennent compte des recommandations officielles et du contexte local. Des applications mobiles, utilisées par les patients, rappellent les prises, recueillent des données et envoient des synthèses au médecin. Certaines incluent un chatbot médical capable de répondre à des questions simples ou de signaler une anomalie.

    Hôpital : analyse de masse, décisions critiques et lutte contre les infections nosocomiales

    À l’hôpital, l’IA répond à une logique plus “industrielle”. Aux urgences, des algorithmes de tri classent les patients selon leur niveau de risque, à partir des constantes vitales et du langage clinique. En réanimation, des modèles prédictifs repèrent une aggravation plusieurs heures avant les signes cliniques, ce qui permet d’adapter les traitements plus tôt. Des outils comme Nosotech surveillent les infections nosocomiales. Ils croisent les données de laboratoire, de pharmacie et des dossiers patients pour détecter des cas groupés ou émergents. Ces alertes déclenchent des actions ciblées et produisent des rapports en temps réel. Certains systèmes estiment le risque individuel d’infection dès l’admission. L’IA appuie aussi les diagnostics spécialisés. En imagerie, elle signale des anomalies critiques sur des examens lourds. En virologie, elle identifie des mutations résistantes. En infectiologie, elle aide à construire des traitements complexes par simulation de combinaisons d’antibiotiques. D’autres algorithmes prévoient les flux de patients infectieux pour adapter les ressources pendant une épidémie. Certains ajustent les blocs opératoires selon le contexte infectieux. Enfin, des assistants intégrés au dossier patient rédigent automatiquement les comptes rendus et codent les diagnostics.

    @Health & Tech Intelligence

    Maladies infectieuses : six solutions d’IA au service du parcours de soins de Clara

    Récit d’un parcours médical (fictif) soutenu par l’intelligence artificielle. Que change la technologie pour le patient ?

    Voici l’histoire pédagogique de Clara, 38 ans, enseignante à Marseille, dont le parcours patient en maladies infectieuses est éclairé par les applications d’intelligence artificielle (IA). Chaque étape met en scène l’action concrète de ces outils, en médecine de ville et à l’hôpital, pour montrer leur impact sur la sécurité, la rapidité et la pertinence des soins.

    Étape 1 : Retour de voyage et risque infectieux, Bluedot détecte un cluster avant les premiers cas déclarés

    Détection précoce des épidémies : Clara rentre d’un séjour à Singapour. Elle ne le sait pas encore, mais Bluedot, une plateforme mondiale d’IA, scanne en temps réel des centaines de milliers de sources (rapports sanitaires, articles, réseaux sociaux, données de voyages). Quelques jours après son retour, Bluedot identifie un cluster de fièvres inexpliquées à Singapour, détectant ainsi un foyer infectieux émergent. Un signal d’alerte est transmis au système de santé français : « Risque d’importation d’un agent infectieux nouveau dans la région Sud. »

    • 📌Impact en ville : Alerte précoce pour les médecins généralistes et autorités sanitaires, permettant une surveillance renforcée des voyageurs récents.
    • 📌Impact à l’hôpital : Activation des protocoles de vigilance et préparation des services d’infectiologie.

    Étape 2 : Premiers symptômes, une alerte oriente l’attention du médecin

    Quelques jours plus tard, Clara présente de la fièvre, des courbatures et une toux sèche. Elle consulte son médecin traitant, qui, grâce à l’alerte Bluedot, est attentif aux signes d’infection tropicale. Des prélèvements sont réalisés et envoyés au laboratoire.

    Étape 3 : Diagnostic en quelques heures : l’IA identifie le pathogène et les résistances

    À l’hôpital, le Projet Diagnostic in Vitro (bioMérieux & Mila) prend le relais : son IA analyse des prélèvements de Clara. En quelques heures, elle identifie précisément le pathogène en cause — une souche grippale atypique, résistante à certains antiviraux — et détecte la présence de gènes de résistance aux antibiotiques. Le système PhénoMATRIX complète le diagnostic en analysant les cultures bactériennes associées, vérifiant si une surinfection est à craindre.

    • 📌Impact à l’hôpital : Diagnostic ultra-rapide, précision accrue, adaptation immédiate du traitement.
    • 📌Impact en ville : Transmission des résultats au médecin traitant en temps réel pour assurer la continuité des soins.

    Étape 4 : l’IA propose un antibiotique adapté à la résistance détectée

    Face à la résistance détectée, l’IA Antibiotics-AI est sollicitée. Elle analyse des millions de molécules pour identifier rapidement un nouvel antibiotique prometteur, capable de contourner la résistance. Les médecins hospitaliers reçoivent une recommandation personnalisée pour Clara, validée par les infectiologues. Parallèlement, TREWS (système de surveillance hospitalière) analyse en continu les données cliniques de Clara : fréquence cardiaque, pression artérielle, température, saturation en oxygène. Dès qu’un signe précurseur de choc septique est détecté — avant même que Clara ne ressente une aggravation —, TREWS alerte l’équipe soignante, permettant une intervention rapide et évitant une dégradation majeure.

    • 📌Impact à l’hôpital : Sécurité renforcée, réactivité optimale, personnalisation du traitement.
    • 📌Impact en ville : Transparence du parcours, transmission des recommandations thérapeutiques au médecin traitant pour le suivi.

    Étape 5 : Séjour hospitalier sous surveillance IA, Clara évite les complications grâce à ZINC

    Clara est hospitalisée quelques jours. ZINC, le logiciel de surveillance des infections nosocomiales, surveille en temps réel tous les patients du service. Il détecte automatiquement toute infection associée aux soins, y compris les pathogènes multirésistants, et alerte les équipes en cas de risque. Grâce à ZINC, Clara bénéficie d’un environnement sécurisé, avec un risque minimal de contracter une infection supplémentaire. MedDataSuite optimise la gestion de son séjour : attribution du bon lit, coordination des examens, gestion des rendez-vous de suivi. La plateforme permet aussi de tracker en temps réel tout événement indésirable, garantissant une prise en charge fluide et sécurisée.

    • 📌Impact à l’hôpital : Prévention active des complications, gestion efficace des ressources, traçabilité du parcours.
    • 📌Impact en ville : Transmission des comptes-rendus et des recommandations de suivi au médecin traitant.

    Étape 6 : Sortie et suivi

    Clara sort de l’hôpital avec un plan de suivi personnalisé, élaboré grâce aux données consolidées par MedDataSuite. Son médecin traitant reçoit un dossier complet, incluant les résultats des analyses génomiques (Projet Diagnostic in Vitro), les recommandations thérapeutiques (Antibiotics-AI), et les consignes de surveillance (ZINC, TREWS). Un rendez-vous de contrôle est planifié, avec alerte automatique en cas de réapparition de symptômes.

    Résumé du parcours : de la détection à la prévention, l’IA tisse un fil continu entre ville et hôpital

    • Bluedot : Détection précoce des risques épidémiques, alerte les professionnels de santé.
    • Projet Diagnostic in Vitro & PhénoMATRIX : Diagnostic ultra-rapide et précis, détection de la résistance.
    • Antibiotics-AI (MIT) : Proposition de traitements innovants face aux résistances.
    • TREWS (Bayesian Health) : Surveillance en temps réel, détection précoce des complications graves.
    • ZINC (Lumed) : Prévention et gestion des infections nosocomiales.
    • MedDataSuite (Hopsiia) : Optimisation et sécurité du parcours hospitalier, coordination ville-hôpital.

    Clara a bénéficié d’un parcours sécurisé, personnalisé et efficace, grâce à l’intégration de ces solutions d’IA tout au long de son histoire médicale. Chaque outil a joué un rôle pour anticiper, diagnostiquer, traiter et prévenir les complications, tout en assurant une continuité des soins entre la ville et l’hôpital. Cette synergie illustre comment l’IA transforme la prise en charge des maladies infectieuses.

  • Infections émergentes : 44 M€ mobilisés pour renforcer la surveillance et l’innovation

    • 🚨Selon l’OMS, une nouvelle maladie infectieuse apparaît chaque année dans le monde.
    • 📆En moyenne, une crise majeure liée à un virus survient tous les cinq ans (OMS).
    • 💰70 à 440 M€ : surcoût annuel estimé pour le système de santé français en lien avec l’antibiorésistance (scénarios européens comparés).
    • 📉 109,3 M€ : coût global de l’antibiorésistance en France.
    • 🏥L’antibiorésistance prolonge les durées d’hospitalisation, augmente les complications et les risques de décès même pour des infections bénignes. 70 ans de progrès médicaux menacés
    • 👨‍🔬La France mobilise les compétences du CEA, CNRS, Inserm et Institut Pasteur pour développer des outils de détection rapides (tests antigéniques, sérologiques, spectrométriques).
    • 💶44 M€ investis dans quatre plateformes de réponse aux maladies infectieuses émergentes dans le cadre de France 2030 (EMERGEN 2.0, OPEN-ReMIE, I-REIVAC Emergence, OBEPINE+).

    ⚠️Une nouvelle menace émerge chaque année selon l’OMS

    Covid-19, VIH, tuberculose, les maladies infectieuses résultent de la pénétration dans l’organisme d’agents pathogènes : bactéries, virus, parasites, champignons ou prions. Certaines sont bénignes, d’autres peuvent provoquent des pandémies.  Chaque année, une nouvelle maladie infectieuse apparaît dans le monde selon l’OMS, et l’humanité subit tous les cinq ans une crise majeure liée à un virus émergent ou réémergent. Alors que les échanges mondiaux et le changement climatique modifient leur dynamique, la recherche s’organise pour mieux comprendre, anticiper et contenir ces infections. Si la recherche a permis l’éradication de certaines d’entre elles grâce à la mise au point de vaccins spécifiques et d’antibiotiques, il reste encore beaucoup de chemin à parcourir pour que toutes ces pathologies soient traitées et pour développer des moyens de lutter contre l’ensemble des pathogènes émergents. Certaines infections restent aujourd’hui sans traitement curatif ni vaccin.

    En cinq ans, 270 projets de recherche portant sur les maladies infectieuses ont été soutenus par la Fondation pour la Recherche Médicale (FRM). Pour l’année 2024, un budget de 6,2 millions d’euros est spécifiquement alloué à ce domaine, selon la Fondation pour la Recherche Médicale (FRM).

    🚨Les infections deviennent la 3ᵉ cause de mortalité en France

    En 2022, les maladies de l’appareil respiratoire — hors Covid-19 — ont connu une progression, représentant 6,7 % de l’ensemble des décès. Elles se positionnent comme la troisième cause de mortalité dans le pays, selon les données de Santé publique France. Cette hausse s’explique en partie par la coïncidence de deux épidémies de grippe saisonnière, survenues à l’hiver 2021–2022 et à l’hiver 2022–2023, ainsi que par la circulation active d’autres virus respiratoires, notamment le virus respiratoire syncytial (VRS). Les décès touchent principalement les personnes âgées : la moitié des victimes avaient 86 ans ou plus. Par contraste, et grâce à une large couverture vaccinale, les décès dus au Covid-19 ont diminué de près d’un tiers par rapport à 2021, rétrogradant à la cinquième cause de mortalité.

    👨‍🔬Grippe : 25 à 50 % des consultations concernent les moins de 15 ans chaque saison

    En France, la grippe survient chaque année entre novembre et avril, avec un démarrage épidémique le plus souvent observé entre fin décembre et début janvier. D’une durée moyenne de 10 à 11 semaines, elle génère chaque saison entre 788 000 et 4,6 millions de consultations pour syndrome grippal, selon les données du réseau Sentinelles recueillies depuis 1984. Les enfants de moins de 15 ans représentent entre 25 % et 50 % de ces consultations, et jouent un rôle dans la transmission du virus en milieu scolaire et familial. La grippe, en constante évolution génétique, nécessite une surveillance annuelle et une adaptation régulière des vaccins en raison des mutations (glissement) ou de l’apparition de nouvelles souches (cassure) peu connues du système immunitaire.

    Une saison 2024-2025 marquée par une intensité inédite (Santé Publique France)

    Les moins de 15 ans très concernés, et la vaccination en baisse

    L’épidémie de grippe 2024-2025 a entraîné 17 600 décès en France, selon les données dévoilées le 7 octobre par Santé publique France. L’autorité sanitaire décrit une saison d’une ampleur et d’une sévérité importante, avec près de trois millions de consultations pour syndrome grippal en ville et 30 000 hospitalisations. Cette surmortalité dépasse la moyenne annuelle estimée à 10 000 décès. L’intensification de l’épidémie a été particulièrement marquée en janvier 2025 : lors de la deuxième semaine du mois, 611 des 8 368 décès enregistrés en France ont été attribués à la grippe, soit 7,3 %, un niveau jamais atteint depuis la mise en place du système de surveillance.

    L’hiver 2024-2025 s’est également caractérisé par une baisse de la couverture vaccinale, en particulier chez les personnes âgées. Fin novembre 2024, elle était estimée à 35,2 % dans la population générale, contre 38 % un an plus tôt. Chez les plus de 65 ans, elle s’élevait à 41 %, contre 42,8 % en 2023.

    💊Près de 700 prescriptions d’antibiotiques pour 1 000 habitants en 2021 malgré une tendance à la baisse

    Selon des données publiées par Santé publique France, la France a enregistré environ 700 prescriptions d’antibiotiques pour 1 000 habitants en 2021 (hors hospitalisation). Si cette consommation reste en baisse sur dix ans, elle positionne toujours le pays au 4ᵉ rang européen, derrière la Grèce, la Roumanie et la Bulgarie. Environ 80 % des prescriptions ont été réalisées en soins de ville, avec un pic observé en fin d’année, en lien avec le retour des infections hivernales courantes. L’évolution la plus notable concerne les enfants de 0 à 4 ans : leurs prescriptions d’antibiotiques ont augmenté jusqu’à retrouver un niveau équivalent à celui de 2019, avant la pandémie. À l’inverse, la tendance reste à la baisse chez les personnes âgées de 80 ans et plus, en ville comme en Ehpad.

    Méconnaissance du grand public

    L’agence de santé publique pointe également la persistance de fausses croyances : 77 % des Français pensent à tort que les antibiotiques sont efficaces contre la bronchite aiguë, 65 % en cas de bronchiolite, 55 % pour l’angine virale, et 53 % pour la grippe. Par ailleurs, plus de la moitié des sondés considèrent qu’un mal de gorge ou le besoin de reprendre le travail justifient la prise d’antibiotiques, malgré le fait que plus de 80 % des angines sont d’origine virale. Sur le sujet de l’antibiorésistance, un sondage IFOP révélait qu’un Français sur deux ne connaissait pas ou mal la notion d’antibiorésistance.

    ⚙️Vers une meilleure résilience de la chaîne d’approvisionnement

    Deux risques planent sur l’usage des antibiotiques ; l’antibiorésistance et les ruptures d’approvisionnement.

    À l’automne 2024, un rappel de flacons d’amoxicilline, destinés aux enfants et nourrissons, avait relancé les craintes d’une pénurie en pleine préparation hivernale. Si le nombre de flacons concernés était resté limité, ce retrait avait suffi à raviver les tensions dans la filière pharmaceutique. L’amoxicilline, largement utilisée pour traiter les infections courantes, avait déjà manqué durant l’hiver 2023. Médecins, pharmaciens et patients avaient encore en mémoire les semaines de pénurie qui avaient marqué l’année précédente. Malgré les ajustements logistiques et les efforts de distribution, le moindre défaut d’approvisionnement faisait redouter un retour à une situation de forte tension.

    La pandémie de Covid-19 a mis en lumière les vulnérabilités des chaînes d’approvisionnement en médicaments, y compris pour les antibiotiques. Plusieurs facteurs concourent à leur indisponibilité : complexité industrielle, arrêt de production, retrait d’autorisations de mise sur le marché ou désintérêt économique pour des molécules anciennes mais indispensables.

    Le Programme d’Appui à la Réforme Structurelle (PARS), devenu Instrument d’appui technique (Technical Support Instrument – TSI), reflète l’engagement de la France dans la lutte contre les pénuries d’antibiotiques. Cofinancé par l’Union européenne, ce projet s’inscrit dans une approche “Une seule santé” (One Health), intégrant les dimensions humaines, animale et environnementale. L’objectif est d’identifier et de mettre en œuvre des mesures pilotes pour résoudre les difficultés d’accès à certains antibiotiques dont le brevet est tombé dans le domaine public. Ces produits, essentiels en médecine humaine comme vétérinaire, sont de plus en plus concernés par des ruptures d’approvisionnement.

    L’indisponibilité de certains antibiotiques conduit à l’usage de traitements de deuxième intention, potentiellement moins efficaces, plus toxiques, et à risque plus élevé de sélection de bactéries résistantes. Le projet français vise donc à élaborer des mesures pour sécuriser l’accès à ces médicaments tout en poursuivant les objectifs de réduction de la consommation globale d’antibiotiques, dans le cadre de la stratégie nationale de lutte contre l’antibiorésistance.

    🚑 Antibiorésistance : 130 000 infections en France et 5 500 décès annuels recensés

    Jusqu’à 238 000 décès liés à l’antibiorésistance d’ici 2050 selon l’OCDE

    Car le second enjeu est bien celui-ci. L’antibiorésistance s’était affirmée comme une menace majeure pour la santé publique, en France comme dans le monde. En cause : un usage massif, souvent inapproprié, des antibiotiques en santé humaine et animale. Ces traitements perdaient en efficacité face à des bactéries devenues capables de leur résister. Selon une étude de 2019, plus de 130 000 infections dues à des bactéries résistantes avaient été recensées en France en 2016. L’ECDC estimait à 120 000 le nombre de cas annuels en France, avec plus de 5 500 décès associés. À l’échelle européenne, environ 35 000 décès par an étaient attribués à des infections résistantes, un impact comparable à celui de la grippe, du VIH et de la tuberculose réunis.

    D’après l’OCDE, si aucune action n’était prise, l’antibiorésistance pourrait faire 2,4 millions de morts cumulés entre 2015 et 2050 en Europe, Amérique du Nord et Australie. En France, on projetait jusqu’à 238 000 décès d’ici 2050 (OMS).

    💶Un impact économique supérieur à 1,5 milliard d’euros en Europe chaque année

    Sur le plan économique, la surconsommation d’antibiotiques engendrait chaque année un surcoût estimé entre 70 et 440 millions d’euros pour le système de santé français, selon les scénarios de comparaison européens. Une étude évaluait à 109,3 millions d’euros le coût global de l’antibiorésistance pour la France en 2015. À l’échelle mondiale, les projections de la Banque mondiale (2016) faisaient état d’un possible effondrement du PIB mondial compris entre -1,1 % et -3,8 % par an d’ici 2050. Le coût total pour l’économie mondiale pourrait atteindre 100 000 milliards de dollars.

    🏥 70 ans de progrès médicaux menacés

    L’antibiorésistance menaçait directement les avancées médicales des 70 dernières années. Chirurgie, greffes, réanimation, néonatalogie, chimiothérapie : toutes ces pratiques reposaient sur une prophylaxie antibiotique efficace. À mesure que les traitements devenaient inopérants, le risque infectieux associé à chaque geste médical augmentait. Dans les faits, l’inefficacité croissante des antibiotiques allongeait la durée des maladies, multipliait les complications, forçait à multiplier les consultations et les traitements, et augmentait les risques de mortalité, même pour des infections auparavant bénignes.

    🔍Une diversité d’agents pathogènes sous surveillance

    La France dispose d’une expertise reconnue en microbiologie et en biotechnologie. Au CEA, au CNRS, à l’Institut Pasteur ou à l’Inserm, les équipes développent des outils de détection rapide des agents pathogènes : tests antigéniques, sérologiques ou spectrométriques. Le projet VIRUSCAN par exemple, conduit au CEA, explore des procédés de tri cellulaire permettant d’identifier plus efficacement les virus dans des échantillons biologiques. Ces innovations complètent la surveillance clinique assurée par le réseau des laboratoires hospitaliers et les plateformes de santé publique numérique, qui exploitent des données en temps réel pour détecter précocement les signaux d’alerte. En parallèle, la recherche française participe aux efforts internationaux de développement vaccinal. Le CEA a notamment contribué à la validation d’un vaccin vivant atténué à injection unique contre le virus chikungunya, aujourd’hui testé dans plusieurs pays.

    Vers une stratégie intégrée de prévention

    L’approche « Une seule santé » (One Health), promue par les institutions françaises et européennes, encourage une vision systémique reliant santé humaine, animale et environnementale.
    Cette stratégie combine la recherche fondamentale, la veille numérique, la modélisation épidémiologique et la coopération internationale. Elle vise à mieux anticiper les crises infectieuses et à adapter les politiques de santé publique dans un contexte de changement global.

    Une vigilance épidémiologique constante

    La surveillance de la grippe en France repose sur un réseau coordonné d’acteurs : Santé publique France, le réseau Sentinelles, le Centre national de référence (CNR) des virus respiratoires et les données issues de la veille hospitalière. Ce dispositif permet d’identifier précocement les souches circulantes, d’ajuster la composition des vaccins saisonniers et d’alerter les structures de soins en cas de hausse des cas. En contexte de co-circulation virale (notamment avec la Covid-19 ou le VRS), cette vigilance est essentielle pour anticiper les tensions hospitalières hivernales et adapter les mesures et plans de prévention, notamment en direction des publics à risque.

    📋L’exemple de la Bronchiolite : activation du plan ORSAN face à une épidémie nationale étendue

    Face à une épidémie de bronchiolite d’une intensité inédite, le ministre de la Santé François Braun avait déclenché en novembre 2022 le plan ORSAN dans l’ensemble des hôpitaux français, pour mobiliser les ressources sanitaires sur tout le territoire. Ce dispositif, prévu pour les situations sanitaires exceptionnelles, avait été activé alors que les indicateurs de Santé publique France montraient une hausse de 47 % des passages aux urgences et de 45 % des hospitalisations chez les enfants de moins de deux ans en une semaine. Pilotées par les agences régionales de santé (ARS), les mesures mises en œuvre visaient à structurer l’offre de soins à l’échelle locale, en mobilisant les acteurs publics et privés, en adaptant les capacités hospitalières, en renforçant la permanence des soins de ville et en procédant au rappel de personnel et à l’ouverture de lits supplémentaires. Les autorités sanitaires avaient également invité les familles à éviter les urgences en l’absence de signe de gravité, pour limiter la surcharge des hôpitaux déjà fragilisés par la crise sanitaire. En parallèle, plusieurs laboratoires, dont Pfizer, avaient poursuivi des essais cliniques en vue de développer un vaccin préventif contre le virus respiratoire syncytial, principal agent de la bronchiolite.

    🏦44 M€ pour renforcer les capacités de réponse aux maladies infectieuses émergentes

    Lancée dans le cadre de France 2030, la stratégie nationale Maladies infectieuses émergentes (MIE) – menaces NRBC (nucléaires, radiologiques, biologiques, chimiques) mobilise plusieurs ministères et organismes de recherche autour d’un objectif commun : renforcer la préparation systémique aux futures crises sanitaires. Dotée d’un budget dédié, elle articule recherche, innovation, industrialisation et formation dans une approche interdisciplinaire, inscrite dans le principe « One Health ».

    Surveillance, essais, détection : quatre plateformes structurent la réponse française aux menaces infectieuses

    Quatre plateformes bénéficient d’un financement total de 44 M€ pour consolider les capacités nationales de réponse :

    • EMERGEN 2.0 (12 M€), coordonnée par Inserm/ANRS-MIE, SpF et Anses, étend le dispositif de surveillance génomique du SARS-CoV-2 à d’autres pathogènes émergents, en s’appuyant sur les réseaux hospitaliers et le réseau des CNR.
    • OPEN-ReMIE (10 M€), porté par l’Inserm/ANRS-MIE et les Hospices Civils de Lyon, organise la recherche clinique interventionnelle, en lien avec les réseaux européens et internationaux.
    • I-REIVAC Emergence (12 M€), porté par l’ANRS-MIE et l’AP-HP, renforce les capacités d’essais vaccinaux rapides dans un cadre académique ou industriel.
    • OBEPINE+ (10 M€), porté par Sorbonne Université et 22 partenaires, développe une plateforme de détection épidémiologique via les eaux usées, intégrée au dispositif national de surveillance.

    Deux PEPR pilotent les volets scientifiques de la stratégie MIE

    La stratégie s’appuie sur deux Programmes et équipements prioritaires de recherche (PEPR) complémentaires :

    • Le PEPR PREZODE (IRD, Cirad, Inrae), orienté vers la prévention primaire des zoonoses, développe des approches co-construites avec les acteurs de terrain. Il explore les liens entre activités humaines, changements globaux et émergence de pathogènes. Deux appels à projets sont en cours sur la surveillance (7 M€) et la réduction du risque (7 M€).
    • Le PEPR MIE, piloté par l’Inserm via l’ANRS-MIE, cible la compréhension, la prévention et le contrôle des maladies émergentes. Un premier appel à projets (22 M€) a permis de soutenir 11 projets ; un second est en cours de sélection, un troisième est prévu en 2025. De futurs appels porteront sur le développement de modèles animaux et de plateformes antivirales.

    Un dispositif d’innovation pour accélérer le transfert vers l’économie

    Le consortium CATRIEM, coordonné par Inserm Transfert et la SATT Pulsalys, organise l’accompagnement de projets issus de la recherche publique. Depuis 2023, neuf projets ciblant des pathogènes prioritaires (dengue, grippe, Nipah, Zika, etc.) ont été financés, avec pour finalité la création de start-up, le transfert technologique et le développement de produits thérapeutiques ou préventifs. Un appel à manifestation d’intérêt lancé en 2024 cible également les projets ultramarins et ceux liés aux menaces NRBC.

    Des formations interdisciplinaires pour renforcer les compétences sur les MIE

    Face au déficit de spécialistes et au cloisonnement disciplinaire, deux Écoles universitaires de recherche (EUR) ont été mises en place dans le cadre de l’appel « Compétences et métiers d’avenir » :

    • UNITEID (Université Toulouse III – Paul Sabatier), financée à hauteur de 5,5 M€, propose une offre pluridisciplinaire de formation sur les MIE, intégrant essais cliniques, bioinformatique, épidémiologie, santé animale et santé publique. Le démarrage des formations est prévu en 2025.
    • EID@Lyon, pilotée par un consortium académique et industriel, met en place une formation diplômante, un cycle de formation continue pour décideurs publics (Institut One Health), et un centre de simulation opérationnel en 2025.

    Prochaines étapes : élargissement, coordination, rayonnement

    Trois ans après le lancement de la stratégie nationale Maladies infectieuses émergentes, la journée du 30 septembre 2024 à Montpellier a permis de faire le point sur plusieurs recommandations pour les années à venir :

    • Élargir l’écosystème en intégrant de nouveaux acteurs et compétences, notamment issus du secteur privé.
    • Développer des modèles économiques adaptés au marché spécifique des MIE et menaces NRBC.
    • Améliorer la coordination des structures impliquées dans la réponse sanitaire.
    • Accélérer l’intégration de la santé humaine et animale dans l’industrie, en cohérence avec une approche « One Health ».
    • Renforcer la visibilité et le positionnement de la France au sein des initiatives européennes et internationales.

    Les organisateurs ont confirmé la volonté de poursuivre l’effort collectif engagé, en misant sur la continuité des financements et l’agilité des dispositifs pour répondre aux menaces à venir.

    🌍Une approche intégrée face au climat et aux risques infectieux émergents

    D’ici 2030, la moitié de la population mondiale pourrait être exposée à la dengue, alerte l’OMS

    Enfin, le changement climatique modifie les dynamiques d’émergence et de diffusion des maladies infectieuses. Selon le 6ᵉ rapport d’évaluation du GIEC (2022), plus de 58 % des maladies infectieuses recensées à l’échelle mondiale seraient déjà exacerbées par les impacts du changement climatique (par exemple via la prolifération des vecteurs, les déplacements de populations ou la dégradation des systèmes d’eau potable). L’augmentation des températures, la fréquence accrue des événements extrêmes (inondations, sécheresses), et la transformation des écosystèmes naturels favorisent la circulation de pathogènes dans des zones jusque-là peu exposées. Les maladies vectorielles et hydriques sont particulièrement concernées. L’OMS prévoit par exemple que d’ici 2030, la moitié de la population mondiale pourrait être exposée à la dengue.

    Pour anticiper ces évolutions, des outils de modélisation spatiale sont mobilisés. Le programme Epiclim, un projet interdisciplinaire qui croise données climatiques, environnementales, sanitaires et démographiques pour établir des cartographies dynamiques des zones à risque. Ces cartes permettent d’identifier les conditions locales propices à l’émergence de foyers infectieux, par exemple là où coïncident précipitations intenses, densité humaine et pauvreté des infrastructures de santé.

    L’épidémiologie intègre environnement et comportements pour modéliser les risques 

    L’épidémiologie s’adapte à ces nouvelles réalités. Elle intègre désormais des variables environnementales, mais aussi des facteurs socio-comportementaux — comme les usages de l’eau, les mobilités quotidiennes ou les pratiques agricoles — afin de produire des modèles prédictifs opérationnels. Ces modèles servent à la décision publique, en orientant par exemple les campagnes de vaccination ciblées, les politiques de lutte antivectorielle ou les actions de prévention dans les zones identifiées comme vulnérables.

    Cette approche intégrée s’inscrit pleinement dans le paradigme « One Health », désormais structurant dans la réponse aux maladies infectieuses émergentes. Elle implique une collaboration étroite entre climatologues, épidémiologistes, écologues, urbanistes et autorités sanitaires.

  • 187 études soulignent l’impact transversal de l’IA sur les maladies infectieuses (revue de littérature)

    Un corpus mondial de 187 articles couvrant diagnostics, biomarqueurs et surveillance épidémique

    L’intelligence artificielle (IA) transforme progressivement l’ensemble du cycle de prévention et de prise en charge des maladies infectieuses. Pour en évaluer l’étendue et la diversité, nous avons analysé 187 articles scientifiques publiés en 2025 portant sur l’application de l’IA à la détection, la surveillance, la prévention et le traitement des maladies infectieuses. Ces travaux sont issus de revues internationales de premier plan telles que

    • Lancet Infectious Diseases (Howard et al., 2025 ; Black et al., 2025 ; Odone et al., 2025 ; Miglietta et al., 2025) ;
    • Infectious Diseases Reports (Querido et al., 2025) ;
    • Frontiers in Veterinary Science (Wen et al., 2025) ;
    • Mechanobiology and Medicine (Wang et al., 2025) ;
    • Current Microbiology (Krishnappa et al., 2025) ;
    • ACS Omega (Venkatachalam et al., 2025) ;
    • ou encore Infectious Diseases Therapy (Guzman-Holst et al., 2025).

    Les équipes proviennent d’institutions situées en Europe (Université de Liverpool, Université de Pavia, Imperial College London), en Amérique du Nord (Université de Pennsylvanie, Boston University), en Asie (Université de ShanghaiTech, Université médicale de Guangzhou, Université agricole du Hebei) et en Afrique (Makerere University en Ouganda, programmes « One Health » au Cameroun).

    L’objectif de cet article est de présenter une synthèse des résultats majeurs, d’identifier les tendances dominantes et de discuter les implications pour les professionnels de santé et les dirigeants du secteur de la santé numérique.

    Des bases de données allant jusqu’à 12 000 patients et des modèles IA de plus en plus complexes

    L’émergence de l’IA en infectiologie répond à une complexification de la prise en charge et de la surveillance des maladies infectieuses, dans un contexte d’interconnexion mondiale et de multiplication des données cliniques, épidémiologiques et « omics ». Les articles s’accordent à souligner le potentiel de l’IA pour :

    • accélérer le diagnostic par l’analyse automatisée et l’intégration des données issues de l’imagerie, de la biologie ou du langage clinique ;
    • développer des outils prédictifs robustes pour la gravité des infections, la réponse au traitement, ou les issues cliniques à partir de grands jeux de données structurés et non-structurés ;
    • optimiser la surveillance épidémiologique, grâce à des modèles d’alerte précoce fondés sur le machine learning ou le deep learning ;
    • soutenir la découverte de médicaments (drug discovery) et l’identification de nouvelles cibles thérapeutiques ou de nouveaux vaccins.

    Les articles analysés mobilisent des données cliniques, de santé publique et de recherche fondamentale. Les cohortes varient de grandes bases de données (12 000 patients dans l’étude sur la COVID-19 publiée dans J Med Internet Research [Boud et Hussein, 2025]) à des ensembles plus ciblés comme l’étude de Querido et al. (2025) portant sur 82 transplantés rénaux suivis pour le Torque Teno Virus.

    Les méthodes recouvrent l’apprentissage supervisé (régressions logistiques, arbres de décision, XGBoost, LightGBM), les réseaux de neurones profonds (transformers, CNN, multimodal fusion), l’apprentissage non supervisé et les approches hybrides combinant géostatistique et machine learning (Utazi et al., 2025). Certains travaux intègrent des modèles explicables et des validations croisées (Krishnappa et al., 2025), d’autres appliquent des pipelines automatisés à grande échelle pour le criblage moléculaire (Hassan et al., 2025).

    Synthèse des résultats clés

    De 60 % à 85 % de précision : l’IA améliore le dépistage et la prédiction des issues cliniques

    Les publications mettent en avant des cas d’usage de l’IA dans l’amélioration des diagnostics et des pronostics. Wen et al. (2025) montrent qu’un système multimodal combinant traitement automatique du langage, augmentation d’images et réseaux CNN détecte six types de gastro-entérites porcines avec une précision supérieure aux approches traditionnelles. Miglietta et al. (2025) synthétisent les preuves disponibles sur l’IA appliquée au diagnostic des maladies infectieuses humaines, soulignant des gains de rapidité et d’exactitude dans la détection des pathogènes, la surveillance en temps réel et l’optimisation des flux de laboratoire.

    L’approche radiomique se développe également : Luo et al. (2025) prédisent les événements hépatiques chez des patients porteurs d’une fibrose liée au virus de l’hépatite B en analysant des séries d’IRM longitudinales avec un modèle multitâche.

    Dans le domaine pronostique, Huang et al. (2025) développent un modèle XGBoost pour prédire la survie à 5 ans de 381 patients atteints de lymphome cutané T associé au VIH avec une AUC de 0,867 et de faibles scores de Brier, montrant l’intérêt de l’IA pour la personnalisation des décisions thérapeutiques.

    Par ailleurs, des systèmes de tests diagnostiques automatisés (SERS-LFIA) combinant intelligence artificielle et détection Raman affichent une précision de 94,5% sur les données de test pour les infections virales hautement pathogènes.

    De nouvelles cibles identifiées par IA dans les polymérases virales et la découverte d’antibiotiques

    L’IA peut aussi être un levier face à la résistance antimicrobienne. Howard et al. (2025) décrivent son potentiel dans la découverte de nouveaux antibiotiques, l’amélioration du suivi et la mise en œuvre de programmes de stewardship. Masmoudi et al. (2025) illustrent comment un ajustement du ratio d’imbalance dans les jeux de données améliore l’efficacité des algorithmes IA de découverte médicamenteuse contre les agents infectieux. Les travaux de Wang et al. (2025) mettent en évidence des poches allostériques inédites dans les polymérases des virus de la rougeole et de Nipah par cryo-EM, ouvrant la voie à des inhibiteurs non nucléosidiques identifiés via IA. Ces approches réduisent le temps et le coût du développement thérapeutique.

    Des cartes à 1×1 km pour cibler la couverture vaccinale et des incidences RSV allant jusqu’à 178/1000 personnes-années

    Black et al. (2025) soulignent l’apport de l’IA dans le développement des vaccins contre les maladies infectieuses, qu’il s’agisse d’optimiser les essais cliniques ou de modéliser l’efficacité. Utazi et al. (2025) démontrent que les méthodes géostatistiques et machine learning produisent des cartes de couverture vaccinale à 1×1 km permettant d’identifier des zones sous-desservies au Nigeria. Guzman-Holst et al. (2025), à travers une revue systématique IA-assistée de 77 études sur le virus respiratoire syncytial (VRS), montrent des incidences allant de 10 à 178 épisodes pour 1 000 personnes-années chez les ≥65 ans et des taux de létalité jusqu’à 27 % chez les plus de 60 ans dans certains contextes.

    10 domaines stratégiques où l’IA renforce la préparation aux pandémies

    Trump et al. (2025) recensent dix domaines dans lesquels l’IA peut renforcer la préparation et la réponse aux pandémies, notamment l’alerte précoce, la modélisation épidémiologique et l’optimisation des interventions non pharmaceutiques. Wu et al. (2025) développent un modèle transformeur combinant données multi-sources pour améliorer les prévisions d’épidémies virales. Asonganyi et al. (2025) évaluent l’acceptabilité de l’IA et du concept « One Health » pour les soins à domicile dans les régions du Sud-Ouest et du Littoral au Cameroun, soulignant l’importance des facteurs socioculturels et de la préparation communautaire.

    Un seuil de 5,16 log10 cp/mL du Torque Teno Virus prédit le risque infectieux

    Plusieurs études identifient des biomarqueurs virologiques et immunitaires à l’aide de l’IA. Querido et al. (2025) montrent que la charge du Torque Teno Virus ≥5,16 log10 cp/mL prédit le risque infectieux chez les transplantés rénaux avec 60 % de sensibilité et 81 % de spécificité, valeurs améliorées par un modèle IA. Krishnappa et al. (2025) mettent en évidence 20 gènes auto-antigéniques liés à l’infection par le Chikungunya et impliqués dans la pathologie articulaire. Chen et al. (2025) identifient CD79A et GADD45A comme biomarqueurs immunitaires de la gravité du VRS chez l’enfant, validés cliniquement.

    Exemples de performance de modèles IA en infectiologie

    Domaine Modèle IA/ML utilisé Indicateur clé (AUC, précision, etc.) Population/jeu de données Référence APA
    Prédiction mortalité COVID-19 Random Forest, SHAP AUC 0,95 validation non-hospitalisés 11 975 patients, Espagne Ruiz Giardin JM et al., 2025 (J Med Internet Res)
    Diagnostic VIH Random Forest + NLP AUC 0,79 7 340 patients Ridgway JP et al., 2025 (JAMIA Open)
    Sévérité RSV enfants SVM AUC 0,950 220 enfants Chen JJ et al., 2025 (Front Immunol)
    Design vaccinal Deep Learning, immunoinformatique Réduction temps design (d/jours) Multiples bases séquences Bhattacharya M et al., 2025 (Mol Ther Nucleic Acids)
    Prédiction résistances RF, SVM, boosting AUC 0,85-0,92 Bases surveillance mondiale Sahoo A et al., 2025 (Curr Med Chem), Valavarasu S et al., 2025 (Sci Rep)

     

    Former les professionnels et harmoniser les données pour concrétiser les bénéfices de l’IA

    L’analyse transversale des 187 articles publiés en 2025 met en avant la présence de l’IA dans les maladies infectieuses. Les gains d’efficacité diagnostique et pronostique sont confirmés y compris dans des contextes à ressources limitées. Les approches multimodales et explicables favorisent l’intégration de données hétérogènes et l’identification de signatures biologiques pertinentes.

    Cependant, plusieurs publications attirent l’attention sur les défis techniques, éthiques et réglementaires. Odone et al. (2025) proposent un cadre conceptuel reliant IA, recherche, santé publique et pratique clinique, en soulignant les barrières normatives et éthiques. Sahoo et al. (2025) insistent sur la nécessité de former les professionnels de santé aux systèmes IA et de renforcer les capacités d’infrastructure, notamment dans les pays à revenu faible et intermédiaire. La question de l’équité dans l’accès aux données et aux technologies reste centrale pour éviter d’accentuer les disparités diagnostiques relevées par Miglietta et al. (2025).

    Les apports tangibles sur le plan clinique, organisationnel et technologique sont majeurs mais doivent être consolidés par des efforts accrus d’interopérabilité, de transparence et de formation des utilisateurs. Le secteur devra relever les défis de validation multicentrique, d’acceptabilité éthique et de gouvernance adaptée pour offrir une approche réellement personnalisée et sécuritaire, à même de répondre aux enjeux d’aujourd’hui.

    Bibliographie

    • Asonganyi EA, Tanue EA, Kwalar GI, Kibu OD, Ondua M, Sandeu MM, Ngono Ema PJ, Nkweteyim D, Nyamsi ML, Achankeng PL, Tchapga C, Ayuk J, Halle-Ekane GE, Kong JD, Nsagha DS. (2025). Preparedness of the Local Population for the Uptake of Artificial Intelligence and Digital One Health for Home Healthcare of Emerging and Reemerging Infectious Diseases in Southwest and Littoral Regions of Cameroon. J Trop Med., 2025:8896234. doi:10.1155/jotm/8896234. PMID: 40873668; PMCID: PMC12380506.
    • Black S, Madhi SA, Rappuoli R. (2025). Artificial intelligence in the development of vaccines for infectious diseases. Lancet Infect Dis., Sep 16:S1473-3099(25)00497-9. doi:10.1016/S1473-3099(25)00497-9. PMID: 40972629.
    • Boud A, Hussein I. (2025). Significant Risks and Responsibilities in the Clinical Use of AI Predictive Models. Comment on: “AI Predictive Model of Mortality and Intensive Care Unit Admission in the COVID-19 Pandemic: Retrospective Population Cohort Study of 12,000 Patients”. J Med Internet Res., 27:e81251. doi:10.2196/81251. PMID: 40934514.
    • Chen JJ, Lu ZZ, Jing YX, Nong XM, Qin Y, Huang JY, Lin N, Wei J. (2025). CD79A and GADD45A as novel immune-related biomarkers for respiratory syncytial virus severity in children: an integrated machine learning analysis and clinical validation. Front Immunol., 16:1609183. doi:10.3389/fimmu.2025.1609183. PMID: 40677720; PMCID: PMC12267186.
    • Guzman-Holst A, Gupta D, Kaur A, Verma V, Berzanskis A, Penders Y, Van Oorschot DAM. (2025). Respiratory Syncytial Virus Epidemiology and Clinical Burden in High-Risk and ≥50-Year-Old Adults in Low- to Middle-Income Countries: An Artificial-Intelligence-Enabled Systematic Literature Review. Infect Dis Ther., 2025 Sep 5. doi:10.1007/s40121-025-01220-4. PMID: 40913225.
    • Hassan AM, Bajrai LH, El-Daly MM, Alandijany TA, Gattan HS, Alsaady IM, Faizo AA, Dwivedi VD, Azhar EI. (2025). Machine learning-aided identification of natural compounds targeting Marburg virus VP40 with potential antiviral activity. J Biomol Struct Dyn., 43(12):6402-6418. doi:10.1080/07391102.2024.2435634. PMID: 39628088.
    • Howard A, Reza N, Green PL, Yin M, Duffy E, Mwandumba HC, Gerada A, Hope W. (2025). Artificial intelligence and infectious diseases: tackling antimicrobial resistance, from personalised care to antibiotic discovery. Lancet Infect Dis., Sep 16:S1473-3099(25)00313-5. doi:10.1016/S1473-3099(25)00313-5. PMID: 40972630.
    • Huang W, Tian M, Jia L, Ai J, Gan J, Chen J, Chen L, Zhang Y. (2025). Machine learning-based prognostic model for human immunodeficiency virus-associated cutaneous T-cell lymphoma: A Surveillance, Epidemiology, and End Results database analysis. J Int Med Res., 53(9):3000605251359433. doi:10.1177/03000605251359433. PMID: 40921703.
    • Krishnappa CM, Govindaswamy S, Ganjiwale A. (2025). Deciphering Autoantigen Signatures in Chikungunya Virus Infection Using Machine Learning: A Data-Driven Approach to Understand Host Immunity. Curr Microbiol., 82(11):501. doi:10.1007/s00284-025-04489-3. PMID: 40954348.
    • Luo Y, Luo Q, Wu Y, Zhang S, Ren H, Wang X, Liu X, Yang Q, Xu W, Wu Q, Li Y. (2025). MRI-based machine-learning radiomics of the liver to predict liver-related events in hepatitis B virus-associated fibrosis. Eur Radiol Exp., 9(1):81. doi:10.1186/s41747-025-00602-0. PMID: 40864355.
    • Miglietta L, Rawson TM, Galiwango R, Tasker A, Ming DK, Akogo D, Ferreyra C, Aboagye EO, Gordon NC, Garcia-Vidal C, Rodriguez-Manzano J, Holmes AH. (2025). Artificial intelligence and infectious disease diagnostics: state of the art and future perspectives. Lancet Infect Dis., Sep 16:S1473-3099(25)00354-8. doi:10.1016/S1473-3099(25)00354-8. PMID: 40972627.
    • Odone A, Barbati C, Amadasi S, Schultz T, Resnik DB. (2025). Artificial intelligence and infectious diseases: an evidence-driven conceptual framework for research, public health, and clinical practice. Lancet Infect Dis., Sep 16:S1473-3099(25)00412-8. doi:10.1016/S1473-3099(25)00412-8. PMID: 40972628.
    • Querido S, Ramalhete L, Gomes P, Weigert A. (2025). Torque Teno Virus as a Biomarker for Infection Risk in Kidney Transplant Recipients: A Machine Learning-Enabled Cohort Study. Infect Dis Rep., 17(5):107. doi:10.3390/idr17050107. PMID: 40981327.
    • Sahoo A, Singh J, Alam K, Alruwaili NK, Aodah A, Almalki WH, Almujri SS, Alrobaian M, Barkat MA, Singh T, Lal JA, Rahman M. (2025). Medical Artificial Intelligence: Opportunities and Challenges In Infectious Disease Management. Curr Med Chem., Aug 19. doi:10.2174/0109298673390868250728103906. PMID: 40917030.
    • Trump BD, Galaitsi S, Cegan J, Linkov I. (2025). How Will AI Shape the Future of Pandemic Response? Early Clues From Data Analytics. Risk Anal., Sep 10. doi:10.1111/risa.70103. PMID: 40926588.
    • Utazi CE, Yankey O, Chaudhuri S, Olowe ID, Danovaro-Holliday MC, Lazar AN, Tatem AJ. (2025). Geostatistical and machine learning approaches for high-resolution mapping of vaccination coverage. Spat Spatiotemporal Epidemiol., 54:100744. doi:10.1016/j.sste.2025.100744. PMID: 40935503.
    • Wang Y, Zhao L, Zhang H. (2025). Allosteric pockets in the measles and Nipah virus polymerases: Mechanobiological insights and AI-driven drug discovery opportunities. Mechanobiol Med., 3(4):100156. doi:10.1016/j.mbm.2025.100156. PMID: 40978313.
    • Wen H, Shi H, Yu J, Fan Z, Dai H, Jiang L, Song Q. (2025). An intelligent diagnostic method for porcine gastrointestinal infectious diseases based on multimodal AI and large language model. Front Vet Sci., 12:1660745. doi:10.3389/fvets.2025.1660745. PMID: 40979363.
    • Wu J, Tanim S, Woo M, Ahammed T, Rennert L. (2025). Enhancing Pandemic Prediction: A Deep Learning Approach Using Transformer Neural Networks and Multi-Source Data Fusion for Infectious Disease Forecasting. medRxiv [Preprint], Jun 24:2025.06.24.25330211. doi:10.1101/2025.06.24.25330211. PMID: 40666360.

    Annexe : sélection du corpus sur PubMed

    Afin de garantir l’exhaustivité et la représentativité des travaux analysés, une requête ciblée a été effectuée sur PubMed en septembre 2025 avec les critères suivants :

    ((“AI”[Title] OR “artificial intelligence”[Title] OR “machine learning”[Title] OR “deep learning”[Title] OR “large language model”[Title])) AND ((“infectious”[Title] OR “germ”[Title] OR “virus”[Title] OR “contagious”[Title] OR “cluster”[Title] OR “pandemic”[Title] OR “vaccination”[Title] OR “antibiotic resistance”[Title] OR “Flu”[Title] OR “nosocomial”[Title]))

    Cette requête a permis de constituer un corpus de 187 articles scientifiques, exclusivement centrés sur l’intégration de l’intelligence artificielle, du machine learning ou des modèles de langage dans le domaine des maladies infectieuses, de la résistance antibiotique, de la vaccination et des contextes épidémiques ou nosocomiaux. Les résultats incluent des études portant sur le diagnostic, la modélisation épidémiologique, la surveillance, le développement thérapeutique ou vaccinal, ainsi que l’analyse de données issues de contextes variés (biologie, réseaux sociaux, systèmes hospitaliers).

    Tous les articles analysés dans la synthèse proviennent donc de cette sélection spécifique et répondent rigoureusement aux critères ci-dessus, assurant la pertinence scientifique et l’actualité des résultats présentés.

     

  • Troubles de l’humeur : le GHU Paris et EMOBOT testent l’IA auprès de 600 patients

    EDS en psychiatrie : un entrepôt de données dédié

    En mai 2025, la Fondation FondaMental et Dassault Systèmes ont lancé un entrepôt de données de santé (EDS) consacré à la psychiatrie. Hébergé sur le cloud souverain OUTSCALE, certifié HDS et qualifié SecNumCloud, ce projet national vise à centraliser et sécuriser des données multimodales issues des 54 Centres Experts de la Fondation (schizophrénie, troubles bipolaires, dépressions résistantes, autisme). L’objectif est de mieux comprendre les troubles psychiatriques, d’affiner les diagnostics et de développer de nouvelles stratégies thérapeutiques à partir de modèles de machine learning. Cet EDS doit aussi faciliter la coordination entre psychiatres, généralistes et autres spécialistes. Pour Marion Leboyer, directrice générale de FondaMental, « ce projet ouvre la voie à une meilleure compréhension des troubles psychiatriques et à des traitements plus adaptés », marquant une étape vers une psychiatrie de précision.

    IA et psychiatrie : une collaboration entre le GHU Paris et EMOBOT

    Autre initiative : le partenariat signé en mars 2025 entre le GHU Paris Psychiatrie & Neurosciences et la startup EMOBOT. Ce projet s’inscrit dans l’étude MOODELING, menée auprès de 600 patients pour mieux comprendre les fluctuations thymiques liées aux troubles de l’humeur (dépression, trouble bipolaire). La technologie développée par EMOBOT mesure l’humeur des patients de façon continue et objective, grâce à des biomarqueurs digitaux collectés passivement. Ces outils permettent de repérer des signes précoces de rechute et de suivre l’évolution des symptômes en temps réel, en complément des méthodes cliniques basées sur les auto-évaluations. Le GHU Paris apporte son expertise clinique pour valider ces approches. Selon le Pr Fabien Vinckier, psychiatre et responsable de l’étude, « l’intégration de l’IA dans la psychiatrie transforme le suivi des troubles de l’humeur ». Cette collaboration illustre la complémentarité entre technologie et pratique hospitalière.

    Lancement de l’initiative IMPACT – Accélérateur d’innovation en santé mentale

    Une troisième dynamique se manifeste à travers l’initiative « IMPACT – Accélérateur d’Innovation en Santé Mentale », portée par un consortium réunissant PariSanté Campus, l’AP-HP, la Fondation Université de Paris, France Biotech, l’ARIIS, la Fédération Française de l’Assurance, AXA France, Janssen France, Otsuka et Eisai.

    Cet accélérateur vise à soutenir des startups de la e‑santé proposant des solutions numériques fondées sur l’IA pour améliorer les parcours de soins en santé mentale. L’appel à projets cible trois priorités :

    • L’accès aux soins.
    • Le suivi et la prise en charge.
    • La continuité extra‑hospitalière.

    Les lauréats bénéficient d’un programme de neuf mois avec l’appui de partenaires publics et privés. L’objectif est de transformer les innovations en solutions concrètes pour prévenir, diagnostiquer et traiter les troubles mentaux, tout en renforçant la coordination entre la ville et l’hôpital. Dans un contexte où la santé mentale demeure fragilisée depuis la crise du Covid‑19, cette initiative participe à la structuration d’une filière de santé numérique en France.

    Vers une intégration renforcée de l’IA en santé mentale

    Qu’il s’agisse de structurer les données (EDS FondaMental–Dassault Systèmes), d’expérimenter de nouveaux outils cliniques (GHU Paris–EMOBOT) ou de soutenir l’innovation (IMPACT), ces initiatives traduisent un mouvement d’intégration de l’IA en psychiatrie. Elles répondent à des enjeux clés : produire des preuves cliniques solides, protéger et valoriser les données sensibles, et pérenniser les modèles de financement. Ensemble, elles esquissent une psychiatrie enrichie par l’intelligence artificielle, au service des patients et des soignants.

     

  • Psychiatrie : l’IA, entre avancées diagnostiques et vigilance éthique (revue de littérature)

    Diagnostic assisté, suivi personnalisé et thérapies numériques composent désormais un champ en pleine structuration. 

    L’intégration de l’intelligence artificielle (IA) dans le domaine de la santé mentale marque un tournant en psychiatrie et psychologie médicale, tant sur le plan du diagnostic, de la surveillance que des interventions thérapeutiques. Cet article propose une synthèse critique et contextualisée des avancées récentes, des opportunités et des limites de l’IA appliquée à la santé mentale, fondée exclusivement sur un corpus de 204 références issues de publications scientifiques internationales récentes. Parmi les sources exploitées :  

    • La revue Psychological Medicine (Cruz-Gonzalez et al., Rehabilitation Research Institute of Singapore, 2025),  
    • BMC Psychiatry (Dehbozorgi et al., Shiraz University of Medical Sciences, Iran, 2025),  
    • Acad Psychiatry (Krysta et al., Medical University of Silesia, Pologne/Ireland/Cardiff/Londres/Croatie/Pays-Bas, 2025),  
    • Front Psychiatry,  
    • EBioMedicine,  
    • The Lancet,  
    • JMIR Mental Health,  
    • Et plusieurs autres.  

    Le corpus regroupe des études de diverses institutions et contextes géographiques (principalement Europe, Asie, Amérique du Nord), garantissant un panorama représentatif de la recherche contemporaine. 

    L’objectif de cet article est triple :  

    • Exposer les applications principales de l’IA en santé mentale,  
    • Synthétiser les résultats clés concernant son efficacité, ses risques et limites,  
    • Discuter les perspectives pratiques, éthiques et organisationnelles pour le secteur. 

    Un corpus de 204 articles dont 58 % d’études cliniques et 33 % d’origine asiatique 

    Les 204 études couvrent l’année 2025. Il s’agit de revues systématiques, études cliniques, études de validation d’algorithmes et articles conceptuels ou éditoriaux. Les principales bases utilisées par les auteurs sont PubMed, Scopus, PsycINFO, CINAHL, et Web of Science.  Les études se répartissent géographiquement comme suit : Asie (33 %), Europe (29 %), Amériques (25 %), Océanie (9 %), Afrique et Moyen-Orient (4 %). La majorité cible les troubles dépressifs, suivis des troubles anxieux, psychotiques, troubles du spectre autistique, et troubles liés à l’usage de substance.

    Les 204 publications analysées confirment une expansion rapide de l’IA dans trois grands domaines : 

    • Diagnostic automatisé (notamment par machine learning : random forest, support vector machine ; deep learning appliqué à l’analyse de texte ou d’imagerie ; NLP pour notes cliniques),  
    • Monitoring longitudinal (capteurs, dispositifs connectés, chatbots de suivi, EEG, phénotypage digital),  
    • Interventions thérapeutiques (chatbots, thérapies cognitivo-comportementales assistées, accompagnement personnalisé). 

    Parmi les principales méthodes : 

    • IA pour diagnostic : SVM, random forest, réseaux neuronaux, NLP sur dossiers électroniques. 
    • Suivi/monitoring : algorithmes de prévision sur données biométriques, capteurs, applications mobiles. 
    • Intervention : chatbots, agents conversationnels (ex Wysa), systèmes exploitant le deep learning ou l’IA générative. 

    Le rapport de Sharma et al. (JMIR Ment Health, 2025) révèle que 78 études (sur 88 incluses) s’intéressaient au diagnostic, 19 au monitoring, 10 aux interventions, et 6 au pronostic. 

    Synthèse des résultats et typologie d’usage de l’IA en santé mentale 

    Efficacité diagnostique et thérapeutique 

    Les études quantitatives disponibles permettent de dresser les points suivants : 

    Axe évalué  Résultats clés / Statistiques  Référence/Contexte 
    Précision IA en diagnostic psychiatrique  ML : 85% (IC95% 80-87), DL/hybride parfois >90%  Rony et al., 2025, meta-analyse (14 études) 
    Efficacité interventionnelle IA-CA (Conversational Agent)  Reduction anxiété : d=0.62 (p<0.01)  Humayun et al., 2025, meta-analyse (PLoS One) 
      Reduction dépression : d=0.74 (p<0.001)   
    Comparaison IA – thérapies humaines (anxiété)  Digital-IA non-inférieur à CBT humain  Palmer et al., 2025 (J Med Internet Res) 
    Prévalence de l’usage des chatbots IA chez étudiants chinois  45,8% utilisateurs/mois, usage régulier léger 38%  Zhang et al., 2025 (J Affect Disord) 

    D’autres modèles montrent des performances supérieures dans la prédiction du risque suicidaire chez l’adolescent (AUC : 0,68–0,88 ; Al-Juhani et al., 2025, Cureus), ou dans le dépistage précoce chez l’enfant (Ex. XGBoost : AUC 0,799 pour la dépression, Xin et al., 2025). 

    Tableau : Précision et efficacité de l’IA appliquée en psychiatrie 

    Application  Méthode d’IA  Population/Etudes  Indicateurs de performance 
    Diagnostic psychiatrique  ML/DL/Hybrid  Meta-Analyse (14 études)  Précision : 85% (IC95 80-87) 
    Suivi pronostic ado  ML sur EHR  Revue (5 études)  AUC : 0,68 – 0,88 
    Intervention chatbot  AI chatbot / TCC  6 essais quantitatifs  d (anxiété) 0,62 ; d (dépression) 0,74 

    Synthèse établie à partir des publications de Rony et al., 2025 ; Humayun et al., 2025 ; Xin et al., 2025 ; Palmer et al., 2025 ; Al-Juhani et al., 2025. 

    Des algorithmes dépassant 90 % de précision dans le diagnostic précoce des troubles mentaux 

    L’IA est devenue un outil performant pour identifier les troubles mentaux à partir de signaux hétérogènes : imagerie cérébrale, EEG, données textuelles et biomarqueurs.
    Les revues systématiques de Cruz-Gonzalez et al. (2025) et Rony et al. (2025) montrent une précision moyenne de 85 à 93 % pour la détection automatique des troubles dépressifs majeurs, schizophréniques ou anxieux, selon les modèles (SVM, random forest, réseaux convolutionnels). Dans la détection de la dépression chez les personnes âgées, Wang et al. (2025) rapportent une performance de prédiction basée sur cinq facteurs clés (sommeil, âge, genre, activité sociale et loisirs) avec un AUC de 0,92, démontrant la robustesse des algorithmes pour des évaluations populationnelles. Les approches multi-modales combinant EEG et NLP, telles que le modèle EEG Mind-Transformer (Liu & Zhao, 2025), atteignent 92,5 % d’exactitude, confirmant la supériorité des architectures neuronales hybrides pour capturer les dynamiques neurocognitives. 

    L’analyse des réseaux sociaux et des signaux physiologiques permet un suivi prédictif avec 85–90 % d’exactitude 

    Les algorithmes de suivi, utilisant données de capteurs, médias sociaux ou enregistrements physiologiques, constituent le deuxième champ d’application.
    Les travaux d’Azzolina et al. (2025) et Lien et al. (2025) démontrent que l’analyse de contenus issus de Twitter ou d’autres plateformes permet d’estimer des indicateurs de santé mentale populationnelle avec une précision moyenne de 85 à 88 %. Les modèles de deep learning sur données EEG et HRV (Tsai et al., 2025) offrent un suivi en temps réel du stress psychologique avec un taux de classification supérieur à 90 %.
    Ces systèmes favorisent une approche préventive, capable d’anticiper des rechutes ou épisodes aigus avant qu’ils ne soient cliniquement visibles.
    Dans le domaine du monitoring clinique, l’usage de l’IA s’inscrit aussi dans la documentation médicale. Buckley et al. (2025) introduisent les IA scribes en psychiatrie, qui améliorent la traçabilité clinique et réduisent la charge cognitive des praticiens. 

     Les chatbots comme Wysa réduisent les symptômes dépressifs de 45 à 60 % dans les essais contrôlés 

    Les agents conversationnels, intégrés dans des applications mobiles, constituent une innovation majeure. Dehbozorgi et al. (2025) montrent que des chatbots tels que Wysa ou Woebot entraînent une réduction significative des symptômes dépressifs, avec des tailles d’effet modérées (d = 0,45–0,60) dans les études contrôlées.
    Zhang et al. (2025) confirment cependant que l’usage excessif de ces outils peut être associé à une hausse des scores dépressifs chez certains jeunes adultes, soulignant la nécessité de protocoles d’accompagnement.
    Les approches hybrides, combinant IA et supervision humaine, apparaissent donc comme le standard optimal (Lee et al., 2025). 

    Enfin, des systèmes de stratification thérapeutique tels que Psych-STRATA (Baune et al., 2025) visent à personnaliser les traitements pharmacologiques en s’appuyant sur des profils multi-omiques (génétique, clinique et comportemental). 

    Harvard et Chicago forment déjà les psychiatres à l’IA : un nouvel axe de compétences cliniques 

    L’intégration de l’IA dans la formation médicale, discutée par Cockerill et al. (2025) et Torous & Greenberg (2025), devient essentielle.
    Les programmes de psychiatrie incluent désormais des modules sur les fondamentaux algorithmiques, la gestion des biais de données et les principes d’éthique numérique.
    Ces évolutions répondent à un double besoin : acquisition de compétences technologiques et préservation du jugement clinique. 

    Acceptabilité et gouvernance : vers des protocoles de consentement numérique supervisé 

    Les données disponibles indiquent : 

    • Un taux de connaissance de l’IA de 85,7 % parmi les professionnels de santé, mais seulement 24,3 % l’utilisent effectivement en pratique (étude nationale en Arabie Saoudite, Sharif et al., 2025).
    • Les utilisateurs (patients et cliniciens) valorisent l’aisance d’utilisation, l’influence sociale et la qualité thérapeutique perçue, mais expriment une demande forte pour la préservation de la présence humaine et la transparence des processus.
    • Le modèle UTAUT-AI-DMHI (« Unified Theory of Acceptance and Use of Technology for AI and Digital Mental Health Interventions ») a confirmé la pertinence de 7 facteurs d’acceptabilité (Bks et al., 2025, Clin Psychol Psychother.).

    Jusqu’à 58 % d’études présentant un risque de biais modéré à élevé : limites méthodologiques et robustesse 

    Biais, robustesse et généralisabilité  Risques et effets indésirables  Enjeux réglementaires et recommandations 
    Biais de données (représentativité limitée, sous-représentation de certains groupes)  Sur-dépendance à la technique, perte d’empathie clinique, défauts dans le recueil des nuances cliniques (Dell, 2025 ; Buckley et al.)  Nécessité de renforcer l’explicabilité des outils IA (Torous & Topol, 2025, The Lancet) 
    Absence de standardisation des critères d’évaluation : jusqu’à 58% des études avec un risque de biais modéré à élevé  Lien possible entre usage intensif de chatbot IA et augmentation des scores dépressifs chez les jeunes (Zhang et al., 2025)  Améliorer l’intégration des parties prenantes (usagers, aidants, cliniciens) pour la co-construction (Dehbozorgi et al., 2025 ; Sharma et al., 2025) 
     Problèmes de transparence algorithmique (effet « boîte noire »)  Problèmes de confidentialité, de sécurité et de consentement éclairé  Importance de cadres éthiques robustes en formation, supervision et validation clinique 

    Discussion et perspectives 

    La littérature internationale converge sur la capacité de l’IA à : 

    • Améliorer la précocité du dépistage et la personnalisation des soins (surveillance, suivi personnalisé, triage automatisé, plans de soins collaboratifs). 
    • Réduire la charge de travail clinique pour les professionnels (ex : IA scribes, Palmer et al., 2025). 
    • S’intégrer en complémentarité des approches humaines et non en substitution – la « cohabitation humain-IA » est valorisée dans toutes les études d’acceptabilité. 

    Toutefois, l’évidence empirique demeure hétérogène quant au maintien à long terme des bénéfices, et des investissements méthodologiques et réglementaires sont nécessaires. 

    Vers une IA explicable et humanisée au service du soin psychique 

    La synthèse des 204 références montre que l’IA en santé mentale est passée d’une phase expérimentale à une maturité clinique précoce.
    Les applications les plus robustes concernent aujourd’hui le diagnostic assisté, la surveillance longitudinale, et les interventions numériques adaptatives.
    Les modèles atteignent des performances élevées mais leur implémentation à large échelle nécessite encore une validation externe, des cadres éthiques renforcés et une appropriation par les professionnels. 

    Les prochaines étapes identifiées dans la littérature incluent : 

    • Le développement de bases de données multimodales internationales pour renforcer la généralisation des modèles. 
    • L’intégration de l’IA dans des systèmes de santé apprenants, capables d’auto-évaluation continue. 
    • La formalisation d’une IA explicable et équitable, réduisant les biais de population et respectant la diversité psychoculturelle. 
    • Le déploiement de stratégies nationales et hospitalières de gouvernance algorithmique, articulant innovation, sécurité et responsabilité. 

    En somme, l’IA en santé mentale représente un levier stratégique de transformation, à condition qu’elle demeure au service du soin et non de la substitution.
    Les publications récentes convergent vers une exigence partagée : faire de l’IA un outil d’humanisation augmentée du soin psychique, combinant rigueur scientifique, éthique clinique et vision systémique. 

     

  • L’intelligence artificielle en santé mentale : entre promesses cliniques et défis d’intégration

    Des algorithmes au service du soin psychique

    La santé mentale constitue un champ complexe, au croisement du biologique, du psychologique et du social. Elle recouvre l’ensemble du bien-être émotionnel et cognitif, bien au-delà du seul traitement des maladies mentales. La psychiatrie, elle, s’attache spécifiquement à diagnostiquer et traiter les pathologies comme la dépression sévère, les troubles bipolaires ou la schizophrénie. Dans ce contexte, l’intelligence artificielle s’impose comme un outil d’appui stratégique pour les professionnels, depuis la prévention jusqu’à la prise en charge spécialisée.

    Selon Bpifrance, les usages de l’IA en santé mentale reposent sur plusieurs leviers : l’analyse massive de données, les capacités prédictives, l’aide au diagnostic, la personnalisation des soins et le soutien psychologique via agents conversationnels. Ces approches exploitent des informations issues de sources variées dossiers médicaux, imagerie cérébrale, langage ou comportements afin de dégager des corrélations invisibles à l’œil humain et d’améliorer la compréhension clinique des troubles.

    L’analyse prédictive, une nouvelle boussole clinique

    L’un des atouts majeurs de l’IA réside dans sa capacité à détecter précocement les risques de décompensation psychique. Grâce à l’analyse prédictive, les algorithmes identifient les transitions vers un état pathologique, le risque suicidaire ou les probabilités de rechute. Des programmes tels que PsyCHARE illustrent ces avancées : cette solution, mentionnée par Bpifrance, vise à détecter les signes annonciateurs de psychose. De même, une IA développée en Pologne aurait atteint une fiabilité de 90 % dans la détection de la schizophrénie, grâce à l’analyse automatisée de paramètres cliniques et comportementaux.

    Ces outils ouvrent la voie à une psychiatrie de précision, intégrant des données génétiques, biologiques et environnementales pour affiner la décision médicale. L’intelligence artificielle dépasse ici les capacités humaines d’intégration et d’interprétation, permettant d’élaborer des hypothèses cliniques inédites et d’adapter les interventions thérapeutiques à chaque individu.

    Des applications concrètes : de l’humeur à la mémoire

    Dans les établissements de santé ou à domicile, les outils d’IA s’invitent déjà dans les pratiques cliniques. L’exemple d’Emobot, cité par Bpifrance, illustre cette tendance : grâce à l’analyse faciale en continu, ce dispositif anticipe les troubles de l’humeur chez les seniors et permet une détection précoce de symptômes dépressifs. De leur côté, les agents conversationnels et modèles de langage (LLM) sont utilisés pour analyser les émotions, accompagner la psychoéducation et offrir un soutien thérapeutique ponctuel. Certains, comme Alix, sont conçus pour soutenir les aidants de personnes atteintes d’Alzheimer, soulageant ainsi la charge émotionnelle et cognitive des proches.

    Ces solutions ne se limitent pas à la sphère clinique : elles participent aussi à la prévention et à la promotion du bien-être mental, en facilitant l’accès à une écoute initiale, en désamorçant les situations de crise ou en orientant vers des soins spécialisés.

    Des limites persistantes : preuves cliniques et déséquilibre des usages

    Malgré un foisonnement d’initiatives, la majorité des modèles d’IA appliqués à la santé mentale n’ont pas encore dépassé le stade du proof of concept. Les chercheurs alertent sur plusieurs limites méthodologiques : un déséquilibre marqué des applications (principalement centrées sur la dépression et la schizophrénie), une qualité statistique insuffisante et un manque de validation clinique rigoureuse. De plus, la transparence des modèles reste faible et les collaborations scientifiques demeurent rares, ce qui freine la reproductibilité et la comparabilité des résultats. Ces lacunes alimentent le risque d’une promotion prématurée d’outils dont la viabilité clinique n’est pas encore prouvée.

    L’exemple des agents conversationnels illustre cette prudence. Une étude américaine publiée dans la revue Psychotherapy (Acevedo et al., 2024) a comparé ChatGPT-3.5 à un thérapeute humain dans le cadre de thérapies cognitivo-comportementales (TCC) textuelles. Sur 208 professionnels interrogés, 52 % ont jugé le thérapeute humain « hautement efficace », contre seulement 9 % pour ChatGPT. Le modèle d’IA obtenait de meilleurs scores sur la compréhension émotionnelle (36 % contre 19 %), mais son interaction était perçue comme rigide et impersonnelle, confirmant que l’IA reste aujourd’hui un complément et non un substitut à la relation thérapeutique.

    Des enjeux éthiques et réglementaires au cœur de l’intégration

    L’usage de l’IA en santé mentale soulève d’importants enjeux éthiques et juridiques, encadrés en France et en Europe par trois textes majeurs : le Code de la santé publique, le RGPD et l’AI Act.

    Le Code de la santé publique : sécurité et validation clinique

    Toute solution d’IA utilisée à des fins médicales doit respecter les normes relatives aux dispositifs médicaux et garantir la sécurité des patients : traçabilité, gestion des risques, transparence des performances cliniques.
    Lorsqu’un outil d’IA revendique une fonction de diagnostic ou de traitement, il doit obtenir une validation scientifique et un marquage CE, conformément au cadre réglementaire français. Cet encadrement vise à éviter la diffusion d’outils non éprouvés ou insuffisamment supervisés.

    Le RGPD : protection des données sensibles

    Les données de santé sont classées comme données sensibles au sens du RGPD et de la loi Informatique et Libertés. Leur traitement nécessite un consentement explicite du patient ou une base légale clairement établie.
    Les organisations doivent mettre en œuvre des mesures renforcées — chiffrement, anonymisation, pseudonymisation, accès restreint et garantir aux patients leurs droits fondamentaux : accès, rectification, opposition et effacement. Toute solution d’IA manipulant ces données doit être déclarée à la CNIL et accompagnée d’une analyse d’impact sur la vie privée.

    L’AI Act : un cadre européen contraignant

    Entré en vigueur en 2024, l’AI Act européen classe les systèmes d’intelligence artificielle selon leur niveau de risque. Les applications médicales relèvent du haut risque et doivent prouver leur fiabilité, explicabilité et sécurité clinique. Elles sont soumises à des exigences de qualité des données d’entraînement, de supervision humaine et de robustesse technique. Dans le champ de la santé mentale, cette législation impose donc une vigilance accrue pour concilier innovation et respect des droits fondamentaux des patients.

    L’enjeu central : renforcer, non fragiliser, l’alliance thérapeutique

    La spécificité du soin psychique repose sur la relation humaine, sur l’écoute, la confiance et la compréhension mutuelle. Dès lors, la question centrale est la suivante : l’IA peut-elle renforcer, plutôt que fragiliser, l’alliance thérapeutique ? Les premières expérimentations tendent à montrer que ces technologies, bien intégrées, peuvent devenir des outils de soutien pour le praticien : aide à la décision, monitoring des symptômes, suivi à distance ou alerte précoce en cas de rechute. Mais si elles prétendent remplacer l’interaction humaine, elles risquent de réduire la dimension relationnelle du soin, pourtant au cœur de la psychiatrie.

    L’Organisation mondiale de la santé (OMS) le souligne : la psychiatrie, par sa complexité — entre facteurs biologiques, psychologiques et sociaux —, ne peut être réduite à un calcul algorithmique. L’intelligence artificielle doit y être envisagée comme un instrument de compréhension et non comme un substitut à l’humain.

    France 2030 : un plan d’action pour structurer l’écosystème

    Face à la montée des besoins en santé mentale et à la dispersion des initiatives, le gouvernement français a lancé le Grand Défi « Dispositifs médicaux numériques en santé mentale », dans le cadre de France 2030.
    Cette stratégie nationale vise à soutenir l’émergence d’outils d’IA fiables, validés et intégrés dans les parcours de soins, à travers quatre axes prioritaires :

    • Innovation et recherche : financer des projets d’IA cliniquement pertinents, fondés sur des données représentatives et des méthodologies robustes.
    • Évaluation clinique, médico-économique et organisationnelle : démontrer la valeur ajoutée réelle de ces solutions dans la pratique quotidienne.
    • Intégration dans les parcours de soins et financements : favoriser leur interopérabilité et leur adoption par les structures publiques et privées.
    • Sensibilisation et formation : accompagner les professionnels de santé, les patients et les décideurs dans la compréhension et l’usage responsable de l’IA.

    Cette démarche s’inscrit dans une vision à long terme : construire un écosystème d’innovation éthique, performant et soutenable, capable d’ancrer l’intelligence artificielle au cœur des pratiques psychiatriques françaises.

    Vers une convergence entre technologie et humanité

    L’IA appliquée à la santé mentale représente bien plus qu’un simple outil technologique : elle ouvre la voie à une nouvelle approche du soin, centrée sur la personnalisation, la prévention et la collaboration entre acteurs.
    Mais pour franchir le cap de la promesse à la pratique, trois conditions apparaissent essentielles :

    • La validation clinique rigoureuse de chaque dispositif.
    • La transparence et la supervision humaine de bout en bout.
    • Et le respect éthique absolu des données et des personnes.

    Les technologies d’IA, lorsqu’elles sont encadrées et évaluées, peuvent contribuer à désaturer les services psychiatriques, à mieux repérer les signaux faibles et à renforcer la coordination des parcours de soins.
    Mais leur réussite dépendra de leur capacité à s’intégrer sans dénaturer la relation thérapeutique cette dimension profondément humaine qui reste, aujourd’hui encore, le cœur du soin psychique.

  • Robotique chirurgicale : La France accélère pour faire du bloc opératoire augmenté une réalité nationale

    En 2024, seulement 5% des actes chirurgicaux en France intègrent la robotique, mais la feuille de route “Défi d’innovation Bloc opératoire augmenté : développer les robots médicaux pour la chirurgie de demain” (France 2030) ambitionne de transformer l’écosystème et gagner le pari de la souveraineté technologique.

    Un marché prometteur mais encore embryonnaire : 5% d’opérations robotisées en France

    La robotique chirurgicale représente une révolution pour les blocs opératoires : précision accrue, réduction de la douleur et des complications, meilleure récupération pour le patient, mais aussi confort et planification optimisée pour les soignants. Pourtant, en 2024, seules 5% des interventions en France utilisent l’assistance robotique, contre 10% aux États-Unis. Ce marché global de 4 milliards d’euros est amené à croître de 15% par an jusqu’en 2028, stimulé par une vague continue d’innovations et l’extension des usages à de nouvelles spécialités médicales. La croissance annuelle à deux chiffres est irriguée par le vieillissement de la population, l’augmentation du nombre d’interventions lourdes (oncologie, orthopédie, chirurgie digestive) et l’essor de l’intelligence artificielle appliquée à la chirurgie.

    Un écosystème dynamique : 1,400 entreprises, mais peu de champions nationaux

    Le secteur français compte environ 1,400 entreprises MedTech, dont une quarantaine de start-ups spécialisées en robotique chirurgicale.

    Ce maillage est caractérisé par :

    • La prédominance de PME et de start-up.
    • Un dynamisme porté par des pôles d’innovation (Saclay, Lyon, Montpellier, Strasbourg).
    • Des collaborations entre centres de recherche, industriels et CHU.

    Ces start-up font preuve d’une grande créativité : conception de bras articulés miniaturisés, modules d’intelligence artificielle embarquée, dispositifs de réalité augmentée… Elles sont soutenues par une recherche médicale performante (CNRS, INSERM, INRIA) et des CHU innovants. Cependant, la filière souffre d’un manque de capitalisation, de ruptures de financement entre recherche et industrialisation, et d’un accès aux données cliniques plus complexe qu’aux États-Unis. La feuille de route identifie ce déficit comme un frein à l’influence internationale et à l’indépendance technologique du pays.

    Accès aux données et modèles économiques

    La robotique nécessite un appui solide sur l’évidence clinique et médico-économique : efficacité, sécurité, rapport coût-bénéfice. Pour favoriser l’évaluation et diffuser la preuve de la valeur ajoutée de ces technologies, la feuille de route prévoit de :

    • Créer un référentiel national des données médico-techniques de la chirurgie robotisée.
    • Multiplier les essais multi-centriques.
    • Structurer des cohortes nationales et européennes.

    L’obstacle du coût

    L’un des principaux obstacles demeure le prix : un robot chirurgical coûte entre 1,5 et 2 millions d’euros, sans compter les consommables et la maintenance annuelle qui peuvent dépasser 150 000 € par robot. Ce coût bride l’équipement des hôpitaux, en particulier en dehors des grands centres universitaires.

    Objectif : accélérer l’innovation et réduire les coûts d’accès à la robotique

    L’un des enseignements majeurs de la feuille de route est la nécessité de soutenir l’innovation de rupture tout en abaissant le coût des robots chirurgicaux et de leurs consommables, pour démocratiser leur accès aux établissements de santé. Pour y parvenir, plusieurs actions structurantes sont engagées :

    • Appels à projets pour des robots innovants et moins coûteux, avec un soutien financier dès l’amorçage et jusqu’à l’industrialisation.
    • Soutien à l’industrialisation : création de lignes pilotes et unités de production pour accélérer le passage de la R&D à la commercialisation1.
    • Création d’un référentiel national des données cliniques et médico-économiques pour faciliter l’accès à des preuves tangibles de la valeur ajoutée des robots et encourager le montage de modèles économiques robustes.

    Un enjeu stratégique : former, collaborer, harmoniser

    La feuille de route met l’accent sur les défis humains et organisationnels :

    • Renforcement de la formation des équipes hospitalières à l’usage des technologies robotiques, avec la création de modules spécifiques pour les blocs opératoires mais aussi pour les directions hospitalières.
    • Sensibilisation des futurs ingénieurs à la MedTech et aux réalités du bloc opératoire, afin de constituer un vivier de compétences adaptées.
    • Déploiement de tiers-lieux d’expérimentation et d’une plateforme nationale collaborative MedTech pour mutualiser les connaissances, décloisonner les expertises et accélérer la fertilisation croisée entre startup, industriels, chercheurs et soignants.

    Mutualiser les expertises : plateformes et tiers-lieux

    La feuille de route insuffle également la création de :

    • Plateformes collaboratives d’innovation (regroupant CHU, start-ups, industriels).
    • Tiers-lieux d’accélération pour tester rapidement de nouvelles approches et prototyper in vivo.
    • Hubs régionaux pour créer une dynamique de diffusion hors grandes métropoles.

    Souveraineté industrielle et ambition stratégique

    Vers une production française souveraine

    Le rapport prévoit une relocalisation progressive de la fabrication de robots chirurgicaux et de leurs composants :

    • Création de sites pilotes d’assemblage en France.
    • Incitation à la fabrication de consommables sur le territoire pour limiter la dépendance aux importations.
    • Formation d’un vivier d’ingénieurs, roboticiens et techniciens spécialisés.

    Cet effort vise à sécuriser la chaîne de valeur, non seulement pour maîtriser les coûts, mais aussi pour garantir la sécurité des données et la résilience face aux risques géopolitiques.

    Innovation et souveraineté : vers la chirurgie augmentée

    La feuille de route identifie plusieurs axes innovants pour positionner la France comme un acteur de référence : miniaturisation et microrobotique, robotique souple et semi-autonome, assistance par intelligence artificielle, retour haptique, navigation avancée, intégration de la réalité augmentée. En structurant le soutien à l’innovation, à la formation et à l’industrialisation, la feuille de route esquisse une trajectoire claire : transformer les avancées françaises en robotique chirurgicale en succès industriels, au service des patients et du système de santé. Le pari : faire enfin passer la part des opérations robotisées de quelques pourcents à un standard national.

    Axes d’innovation structurants pour la décennie

    La feuille de route identifie plusieurs axes de rupture pour la prochaine génération de robots chirurgicaux :

    • Miniaturisation et microrobotique : développement de micro-robots pour la chirurgie endovasculaire et mini-invasive.
    • Robotique souple et collaborative : robots capables de s’adapter aux gestes du chirurgien, avec retour haptique (toucher augmenté) et guidage semi-autonome.
    • Intelligence artificielle embarquée : systèmes d’aide à la décision, analyse peropératoire en temps réel, anticipation des complications.
    • Réalité augmentée : superposition d’informations anatomiques 3D pour assister le geste opératoire.
    • Impact environnemental réduit : conception écoresponsable, optimisation de la stérilisation et des consommables réutilisables.

    Chaque euro investi doit contribuer à renforcer l’écosystème industriel, la créativité scientifique et la performance clinique.

    Accessibilité et égalité des soins

    L’un des enjeux reste la démocratisation : permettre à tous les établissements de santé, publics comme privés, quel que soit leur département, de bénéficier de la chirurgie assistée par robot. Cela exige de sortir d’une logique d’élitisme technologique réservé à quelques centres d’excellence.

    Réponse à la pénurie de soignants : Dans un contexte de tension sur l’emploi médical, la robotique offre une réponse opérationnelle : elle diminue la pénibilité du geste, augmente la précision pour des surgeons moins expérimentés, et facilite la formation par la simulation avancée.

    Nouveaux métiers et attractivité : Le développement de la robotique fait émerger une nouvelle filière d’emplois : ingénieurs biomédicaux, architectes d’algorithmes, techniciens de maintenance robotique, formateurs simulateurs, etc. Cette nouvelle filière contribue au rayonnement de la France et à l’attractivité du secteur de la santé.

     

  • Mini‑invasivité, télémanipulation et guidage par l’image, les cas d’usage de la robotique chirurgicale

    De la mini‑invasivité à la télémanipulation : les trois piliers de la robotique chirurgicale

    Les cas d’usage en robotique chirurgicale couvrent des spécialités telles que l’urologie, l’orthopédie, la chirurgie générale ou encore oncologique. Les bénéfices cliniques sont importants : réduction des complications, durées d’hospitalisation raccourcies, précision et ergonomie pour les chirurgiens. Les données retours d’expérience montrent que ces technologies ne sont plus des prototypes, mais bien des pratiques cliniques éprouvées.

    Les modalités d’usage de la chirurgie robotique reposent sur trois approches complémentaires :

    • La chirurgie mini‑invasive coelioscopique ou vidéoscopique : qui permet d’accéder à des zones anatomiques complexes avec de très petites incisions, ce qui réduit la douleur post‑opératoire, les pertes sanguines et accélère la récupération des patients.
    • La télémanipulation, grâce à des consoles robotisées, offre au chirurgien une vision 3D haute définition et une amplification des gestes, tout en filtrant les tremblements et en réduisant la fatigue musculaire, améliorant ainsi la précision et la sécurité du geste opératoire.
    • Enfin, la robotique guidée par l’image : elle permet un positionnement millimétrique des instruments et le suivi de trajectoires prédéfinies, garantissant un alignement optimal et limitant les risques d’erreur. Ensemble, ces modalités élargissent le champ des interventions possibles et optimisent les bénéfices cliniques.

    Robots chirurgicaux : Moins de conversions vers la chirurgie ouverte, moindre saignement et réduction des infections post-opératoires

    Urologie : plus de 18 000 procédures RARP réussies par le Dr Vipul Pate

    • Prostatectomie radicale robot‑assistée (RARP) : La prostatectomie robot-assistée est devenue le standard de soin aux États‑Unis, remplaçant progressivement la chirurgie ouverte et la laparoscopie classique. Le Dr Vipul Patel, du Global Robotics Institute (AdventHealth, Floride), a réalisé plus de 18 000 procédures RARP à ce jour. Une revue extensive de 12 000 cas opérés par Patel montre des taux de continence de 77 % à 6 semaines post-opératoires et de 92 % à un an, avec des marges chirurgicales positives faibles (~6 % pour les cancers T2).
    • Néphrectomie partielle robot‑assistée (RAPN) : Une méta-analyse incluant 17 677 patients compare la RAPN à la néphrectomie partielle ouverte (CPN). Résultat : perte sanguine significativement réduite, hospitalisations plus courtes et taux de complications inférieurs, tout en préservant la fonction rénale sans différence de survie à 5 ans. Pour les tumeurs endophytiques complexes, une revue portant sur 8 572 patients montre que la RAPN présente une durée opératoire plus longue et une perte sanguine légèrement accrue, mais sans différence substantielle sur les marges positives ou les récidives locales

    Chirurgie générale et gynécologie

    Les interventions comme colectomies, cœlioscopies, hernies ou chirurgie bariatrique sont fréquente en mode robotique. Malgré un coût amorti plus élevé, les bénéfices en termes de récupération en font une voie prometteuse. Des revues récentes confirment moins de conversions à la chirurgie ouverte, moins de saignement et moins d’infections Dans la prise en charge des pathologies gynécologiques bénignes et malignes, l’hystérectomie robotisée a montré un impact sur la réduction des complications post-opératoires et sur la rapidité du retour à domicile.

    Orthopédie et cancérologie viscérale : la robotique  réduit les risques opératoires

    Le système Mako permet une planification 3D très précise des arthroplasties de hanche ou genou, réduisant les erreurs de positionnement et améliorant les résultats patient. Les robots orthopédiques réduisent la douleur post-opératoire, les complications et facilitent une récupération plus rapide Les systèmes tels que CyberKnife ou Epione (développé en France) permettent des abordages mini-invasifs et ultra‑ciblés pour traiter des tumeurs du foie, du pancréas ou du rein. Grâce à l’imagerie en temps réel et à la compensation des mouvements respiratoires, ces robots préservent au maximum les tissus sains environnants. Les patients bénéficient ainsi d’une réduction du risque opératoire et de séjours hospitaliers plus courts.

    Neurochirurgie, ORL et transplantation  –  une extrême précision

    La robotique ouvre de nouvelles perspectives en neurochirurgie et en ORL. Des systèmes comme PRECEYES permettent d’atteindre une précision extrême pour les chirurgies de la rétine ou l’implantation cochléaire. Cette précision garantit une plus grande régularité opératoire et une meilleure sécurité pour des interventions jusque-là considérées comme extrêmement délicates, notamment chez les enfants et patients fragiles. Les premières transplantations rénales et pulmonaires réalisées entièrement par robot démontrent la faisabilité de ces procédures même dans des cas très complexes, comme chez les patients obèses ou présentant des antécédents chirurgicaux lourds. La mini‑invasivité de ces approches réduit le traumatisme chirurgical.

    Confort des chirurgiens, hospitalisation réduite et précision, les bénéfices cliniques de la chirurgie robot-assistée sont documentés

    La robotique fait ses preuves malgré un coût initial élevé

    Une méta‑analyse publiée dans PLOS ONE, comparant 27 essais randomisés, montre que ces interventions entraînent significativement moins de saignements que la laparoscopie conventionnelle. Une autre revue rapporte une réduction des complications sévères (7,0 % contre 10,1 % en laparoscopie), notamment des fuites anastomotiques, soit une baisse absolue de 3,1 %. Par ailleurs, plusieurs méta‑analyses confirment que la robotique permet une réduction systématique des séjours hospitaliers de 2 à 3 jours en chirurgie gastro‑entérologique, urologique et gynécologique. La précision est également augmentée: en orthopédie, le système Mako SmartRobotics améliore l’alignement des implants et réduit les risques mécaniques ou de luxation, tandis qu’en urologie, l’usage de la fluorescence infrarouge lors des néphrectomies partielles robotisées optimise la préservation des tissus sains.

    Du côté des praticiens, des études utilisant les scores NASA‑TLX et les mesures EMG montrent une réduction significative de la fatigue physique et cognitive grâce aux consoles ergonomiques. Enfin, l’analyse de 14 ans de données de la FDA révèle que l’autonomie conditionnelle robotisée favorise des gestes plus homogènes et reproductibles, posant les bases d’une standardisation opératoire plus solide.

    Items Bénéfices observés
    Saignement et transfusions Réduction significative
    Complications postopératoires Moins fréquentes, taux de réadmission réduit
    Durée d’hospitalisation Séjours raccourcis
    Précision technique Alignement optimal
    Fatigue opérateur Moins de thérapeutiques, meilleure ergonomie
    Consistance des gestes Moins de variabilité chirurgicale, meilleure reproductibilité

     

    Catégorie Actes chirurgicaux  Bénéfices observés
    Chirurgie mini‑invasive Prostatectomie, hystérectomie, chirurgie digestive, chirurgie cardiaque Incisions réduites, moins de douleurs et d’infections, cicatrices minimes, récupération rapide
    Chirurgie orthopédique Pose de prothèses de genou, hanche, épaule Alignement optimal des implants, meilleure mobilité, réduction des reprises chirurgicales
    Neurochirurgie Implantation d’électrodes (Parkinson), ablation de tumeurs, biopsies stéréotaxiques Précision millimétrique, protection des zones saines, accès à des zones complexes
    Chirurgie cardiaque et thoracique Pontages coronariens, réparation de valves, ablation de tumeurs pulmonaires Moins d’ouverture du thorax, précision des sutures, réduction des complications
    Chirurgie ophtalmologique Chirurgie de la rétine (ex. injections sous-rétiniennes) Mouvements ultra‑précis, sécurité accrue pour des gestes délicats
    Téléchirurgie Interventions à distance (ex. zones isolées, urgences) Accès aux soins spécialisés sans déplacer le patient, gain de temps vital
    Chirurgie pédiatrique / néonatale Interventions sur des organes miniatures ou en espaces très réduits Adaptation aux petits volumes, réduction du traumatisme chirurgical

     

    @ Health & Tech Intelligence

     

     

  • 40 millions d’euros (France 2030) pour accélérer la robotique chirurgicale face aux disparités d’accès entre spécialités

    Un chirurgien opère une tumeur rénale à 8 000 km de son patient

    En vingt ans, la chirurgie robot-assistée a transformé la pratique chirurgicale en permettant des gestes plus précis et moins invasifs, avec des bénéfices prouvés en termes de réduction des pertes sanguines, de durées d’hospitalisation et de satisfaction des patients. En septembre 2024, un patient de 37 ans hospitalisé à Pékin a été opéré à 8 000 kilomètres de son chirurgien. Le Dr Alberto Breda, président de la Société Européenne d’Urologie, dirigeait l’intervention depuis Bordeaux grâce à un système de téléchirurgie. Les mouvements du robot qu’il pilotait à distance étaient retransmis quasi instantanément, avec un décalage mesuré à 132 millisecondes. Si le chirurgien se trouvait en France, une équipe médicale était physiquement présente en salle d’opération à Pékin pour assister le robot et intervenir en cas de besoin. Ce protocole a permis de sécuriser l’intervention, qui consistait en l’ablation d’une tumeur rénale.

    Cette opération n’est que la troisième de ce type réalisée dans le monde. La première avait eu lieu en 2000 entre New York et Strasbourg. La deuxième, en juillet 2024, a précédé celle-ci de quelques semaines seulement. Avant cette nouvelle prouesse, le Dr Breda s’était entraîné en février dernier en opérant à distance sur un animal depuis Orlando, alors que le robot se trouvait à Shanghai, soit 12 800 km de distance. Au-delà de l’exploit technique, le Dr Breda souligne les perspectives offertes par la téléchirurgie : non seulement opérer à distance, mais aussi former des médecins dans des régions où l’accès aux soins spécialisés est limité.

    IA : Le robot chirurgical SRT-H réalise sa première opération humaine complexe en autonomie

    Aux États-Unis, le Surgical Robot Transformer-Hierarchy (SRT-H) a retiré la vésicule biliaire d’un patient sans action directe d’un chirurgien, marquant une étape dans l’autonomie chirurgicale. Le robot SRT-H, conçu par l’université Johns Hopkins, a mené pour la première fois une opération chirurgicale complexe sans qu’aucune manipulation humaine ne soit nécessaire. Supervisé malgré tout par un chirurgien, il a retiré la vésicule biliaire d’un patient. Contrairement aux systèmes actuels qui nécessitent une commande manuelle, ce robot s’appuie sur des technologies d’IA lui permettant de s’autocorriger en temps réel si besoin.

    Équipé de deux bras préhenseurs, le SRT-H a été entraîné grâce à des vidéos d’interventions chirurgicales menées sur des animaux. Capable de répondre à des commandes vocales telles que « attraper la tête de la vésicule biliaire » ou « déplacer le bras gauche », il adapte ses gestes et apprend de ses corrections comme le ferait un interne guidé. Bien que plus lent qu’un chirurgien expert, il a atteint un niveau de précision jugé équivalent. Le robot a exécuté 17 étapes, de l’identification des canaux et artères au positionnement de clips et à la section de tissus, démontrant sa capacité à gérer une procédure imprévisible. Pour Axel Krieger, roboticien médical et concepteur du système, « nous passons de robots capables d’exécuter des tâches chirurgicales spécifiques à des robots qui comprennent véritablement les procédures chirurgicales ».

    L’IA propulse la robotique chirurgicale aux USA : l’exemple d’Intuitive Surgical

    D’après Axa Investment Institute, la robotique chirurgicale a déjà vu ses volumes d’intervention croître de 300 % en dix ans, et l’IA, désormais intégrée aux systèmes, promet d’élargir encore les usages, notamment grâce à des capacités de calcul démultipliées. La robotique chirurgicale bénéficie d’une accélération importante, bien que son taux d’équipement reste encore limité en dehors des États-Unis. Depuis 2024, Intuitive Surgical déploie une nouvelle génération de robots dotés d’une puissance de calcul 10 000 fois supérieure à la précédente, grâce à l’IA.

    Celle-ci permet non seulement de guider plus précisément les chirurgiens mais aussi d’anticiper et de corriger leurs gestes en temps réel. Le spécialiste américain de la robotique chirurgicale a multiplié par plus de quatre le nombre de procédures réalisées, passant de 570 000 en 2014 à 2,6 millions en 2024. L’évolution couvre désormais un large éventail d’interventions, de la chirurgie de la colonne vertébrale à l’ablation de tumeurs. Ces avancées reposent sur des innovations technologiques comme la vision haute définition, les capteurs sensoriels et la 5G, qui ouvrent la voie à des pratiques comme la téléchirurgie.

    Un usage inégal en France : 70 % des prostatectomies sont robot-assistées contre 7 % des hystérectomies

    En France, malgré une croissance du nombre de robots chirurgicaux, la diffusion reste inégale et freinée par l’absence de stratégie nationale de financement, souligne le dossier du Snitem publié au printemps 2025. Le nombre de robots installés dans les hôpitaux et cliniques français est passé de 135 en 2017 à environ 260 aujourd’hui. Pourtant, cette activité ne représente que 15,6 % des séjours dans les spécialités concernées (urologie, gynécologie, chirurgie digestive et thoracique). Selon l’Académie nationale de chirurgie, reprise par le Snitem, la répartition des équipements demeure hétérogène : certaines régions conservent un taux élevé de chirurgie ouverte, trente ans après l’introduction des voies mini-invasives. En urologie, 70 % des prostatectomies radicales sont désormais robot-assistées, contre seulement 7 % des hystérectomies et 5 % des prothèses de genou. L’accès reste donc très variable selon les spécialités et les territoires.

    Un besoin estimé à 16 robots pour couvrir les 13 GHT franciliens

    Les retours d’expérience soulignent des bénéfices pour les patients et les professionnels de santé. À Argenteuil, le robot a permis diminuer la pénibilité pour les chirurgiens. En orthopédie, le robot Rosa a montré une réduction des erreurs osseuses de 75 à 90 %. Lors du séminaire du 25 mars 2022, le Dr Jean-Claude Couffinhal (Académie nationale de chirurgie) a rappelé que la robotique conditionne l’avenir des hôpitaux généraux. Selon une étude commandée par l’ARS, 16 robots seraient nécessaires pour couvrir les besoins des 13 GHT franciliens. La petite couronne dispose déjà d’un robot pour 240 000 habitants, contre un robot pour 1,4 million en grande couronne, où la chirurgie ouverte reste trois fois plus fréquente. Le retard pèse sur la durée moyenne de séjour (+3 jours), soit environ 600 € par patient.

    Un Grand Défi de 40 M€ pour développer des robots chirurgicaux moins coûteux

    Le prix d’acquisition d’un robot Da Vinci varie entre 1 et 2 millions d’euros, auxquels s’ajoutent environ 150 000 € par an pour la maintenance et les consommables, ainsi qu’un coût de 1 500 à 2 000 € par intervention. Le Snitem insiste sur un obstacle important : l’absence de financements spécifiques. Les robots sont actuellement à la charge des établissements, sans valorisation tarifaire dédiée pour les actes réalisés. La procédure de création de nouveaux actes, longue et peu adaptée aux innovations hospitalières, accentue ces difficultés. Cette situation crée des disparités d’accès et ralentit la diffusion, alors même que la chirurgie robot-assistée contribue au développement de l’ambulatoire et à la maîtrise des coûts hospitaliers. Pour soutenir l’innovation, l’État a lancé un Grand Défi « Robotique en chirurgie / Bloc opératoire augmenté », doté de 40 millions d’euros dans le cadre de France 2030. Ce programme vise à favoriser le développement de robots moins coûteux, la co-conception entre ingénieurs et soignants, la structuration des données hospitalières et la création de tiers-lieux d’expérimentation.

    Jean-Claude Couffinhal, président de la commission Innovation de l’Académie nationale de chirurgie, appelle à une stratégie globale : financement dédié, certification et formation des chirurgiens, infrastructures de partage sécurisé des données et soutien à l’industrie française. Il alerte sur le risque pour la France d’être distancée par des pays en Europe comme le Danemark ou la Catalogne, déjà engagés dans des politiques de généralisation des pratiques mini-invasives.

    France 2030 : 40 M€ d’euros pour accélérer la robotique chirurgicale

    Seulement 5 % des chirurgies assistées par robot en France : le plan 2030 veut changer la donne

    Dans son plan France 2030, le pays consacre 7,5 milliards d’euros à la santé, dont une part à la robotique chirurgicale (40 millions). Seulement 5 % des interventions en France recourent aujourd’hui à l’assistance robotique, contre 10 % aux États-Unis. Le marché mondial de la robotique chirurgicale, évalué à 4 milliards d’euros en 2020, devrait croître de 15 % par an d’ici 2028. La France, forte de son excellence chirurgicale et de sa recherche, se positionne pour devenir un acteur de premier plan. La robotique chirurgicale s’étend déjà à de nombreuses spécialités : urologie, gynécologie, chirurgie cardiaque et vasculaire, digestive, orthopédique, thoracique, ORL et neurochirurgie. Elle repose sur des innovations allant de la microrobotique à la réalité augmentée, en passant par l’intelligence artificielle et la téléchirurgie. L’Observatoire robotique lancé par l’ARS en 2020 a confirmé la dégradation de l’activité chirurgicale dans les centres non robotisés, avec un risque de perte d’autorisations et d’équipes

    220 acteurs mobilisés pour bâtir la stratégie française en robotique chirurgicale

    De juillet à décembre 2023, 220 acteurs de l’écosystème MedTech – industriels, pôles de compétitivité, CHU, laboratoires, SATT, fédérations professionnelles et autorités sanitaires – ont contribué à identifier les priorités. Ces échanges ont permis de dresser un état des lieux et de proposer une feuille de route en 4 objectifs et 8 actions.

    Du coût à la formation : comment le Grand Défi veut lever les freins à la robotique chirurgicale

    Le Grand Défi « Développer les robots médicaux pour la chirurgie de demain », coordonné par la Direction générale des Entreprises (DGE) et l’Agence d’innovation en santé (AIS), vise à :

    • Rendre les robots chirurgicaux plus abordables et polyvalents.
    • Améliorer leur intégration en milieu hospitalier.
    • Faciliter l’accès au marché via des procédures adaptées.
    • Renforcer la formation des soignants et des ingénieurs.

    Les freins identifiés concernent :

    • Le coût élevé des robots et consommables (Pour contourner la barrière de l’investissement, certains hôpitaux comme Argenteuil ont opté pour des contrats au coût à l’acte – robot Versius de CMR -, réduisant la contrainte budgétaire et permettant de tester l’outil avant un engagement définitif).
    • La difficulté d’accès à des données hospitalières structurées.
    • La complexité réglementaire (MDR 2017/745).
    • La fragmentation des initiatives.
    • La lente adoption par les équipes hospitalières.
    • La pénurie d’ingénieurs spécialisés.

    Les 8 actions prévues

    • Appel à projets “innovations de rupture” (T2 2024) pour développer des robots moins coûteux et plus efficaces.
    • Appel à projets industrialisation (T3 2024) pour soutenir la production et la pré-commercialisation.
    • Création d’un référentiel national de données hospitalières en lien avec le Health Data Hub.
    • Tiers-lieux d’expérimentation hospitaliers pour favoriser la collaboration entre start-ups et soignants.
    • Plateforme nationale collaborative MedTech pour cartographier les acteurs et mutualiser les ressources.
    • Expérimentation sur les bonnes pratiques d’évaluation pour faciliter l’inscription au remboursement.
    • Formations des équipes hospitalières aux nouveaux robots et à leur impact organisationnel.
    • Programmes de sensibilisation des futurs ingénieurs au domaine des dispositifs médicaux.

    Le financement privé, frein au développement de la robotique chirurgicale en France

    Malgré des avancées et un marché mondial estimé à 218 milliards de dollars en 2023, la France reste en retrait en densité robotique en Europe, freinée par des difficultés d’accès aux financements privés. Certaines start-up françaises se distinguent. À Montpellier, Quantum Surgical développe Epione, un robot chirurgical dédié au traitement du cancer du foie. D’autres pépites illustrent ce potentiel comme eCential Robotics ou bien MinMax medical, mais leur nombre reste limité. La Fédération Française des Clusters de la Robotique (FFC) œuvre à la mutualisation des forces. Pourtant, selon Philippe Roussel, délégué général de la FFC, le financement reste un obstacle majeur : les fonds publics soutiennent le démarrage, mais les levées privées se heurtent à la frilosité des investisseurs, notamment dans le hardware. Le coût élevé des équipements, la complexité de la prise en charge des actes robotisés, les délais d’accès au marché, et les besoins de données hospitalières structurées complexifient le passage à l’échelle.