Analyse

  • Robots chirurgicaux : co-responsabilités multiples et zones grises en cas d’erreur médicale

    La robotique offre de nouveaux outils d’aide au diagnostic et à la chirurgie mais pose également des défis inédits en matière de responsabilité en cas d’erreur. La question centrale de cet article vise à déterminer la répartition des responsabilités entre le médecin, le fabricant de robots/intelligences artificielles et l’établissement de santé, lorsqu’une erreur médicale survient au cours d’une chirurgie assistée par robot, qu’il s’agisse d’un système autonome ou non.

    Cette réflexion s’appuie sur des analyses publiés par des cabinets d’avocats notamment Bahri Avocats, publié par NBA Avocats, cabinet spécialisé en droit médical (France). Ces sources proposent une analyse du cadre juridique, des limites actuelles et des implications pour les professionnels de santé et les fabricants. L’examen portera successivement sur le contexte d’intégration des technologies robotiques en chirurgie, l’état du droit, les zones de flou et les enjeux éthiques soulevés, avant de conclure sur la nécessité d’une évolution législative adaptée.

    Contexte : robotique, IA et transformation de la chirurgie

    Les systèmes chirurgicaux robotisés et l’intégration de l’IA connaissent une adoption croissante dans les établissements de santé. Ces technologies, initialement des outils d’assistance, tendent à prendre une place plus autonome dans les actes médicaux, allant de la simple exécution des mouvements commandés par le chirurgien à l’aide au diagnostic en temps réel par traitement massif de données médicales.

    Le recours à ces dispositifs promet une amélioration de la précision des gestes chirurgicaux et une réduction de certaines erreurs humaines. Cependant, la complexification technique et algorithmique introduit de nouveaux risques et une redistribution des responsabilités, notamment lorsque les robots deviennent partiellement ou totalement autonomes.

    Exemples et chiffres clés (selon les sources)

    • L’usage de l’IA pour le dépistage automatisé des complications du diabète a montré, dans une étude sur 900 patients, une identification correcte de la rétinopathie diabétique légère dans 87,4% des cas, et une absence correctement détectée dans 89,5%.
    • Aux États-Unis, un incident en 2019 impliquant une erreur diagnostique par algorithme a conduit à la mise en cause conjointe du fabricant du logiciel et de l’hôpital concerné.
    • En Europe, la législation impose que le médecin reste au cœur de la décision médicale, interdisant que la machine soit l’unique décisionnaire d’un acte thérapeutique ou diagnostique.

    Ces exemples illustrent les promesses de l’IA, mais aussi la persistance d’un taux d’erreur non négligeable et la difficulté à définir les contours de la responsabilité en cas de dommage.

    Cadre juridique actuel et répartition des responsabilités

    Le médecin : obligation de vigilance renforcée

    Le système juridique actuel s’articule autour de l’obligation de moyens pour le médecin : il doit agir avec compétence, diligence et respecter les règles de l’art, mais n’a pas d’obligation de résultat. L’utilisation d’un robot ou d’une IA n’exonère pas le professionnel de santé de la surveillance et du contrôle de l’acte médical.

    « Même si l’erreur initiale provient de la machine, la responsabilité en cas de mauvaise manipulation pourra lui être directement imputée ».

    Toutefois, la frontière se brouille dès lors que le robot dispose d’une autonomie décisionnelle partielle ou totale. Le médecin doit alors s’assurer du bon paramétrage, de la supervision des actes automatisés et d’une utilisation conforme, sous peine de voir sa responsabilité engagée en cas d’erreur ou de mauvaise utilisation du dispositif.

    Obligations supplémentaires du médecin utilisateur d’une IA/robot :

    • vérifier le bon fonctionnement et le paramétrage du robot avant l’intervention ;

    • valider et interpréter les recommandations émanant de l’IA ;

    • informer le patient sur le recours à ces technologies (consentement éclairé) ;

    • se former régulièrement à l’utilisation de ces outils.

    Le fabricant et l’établissement : responsabilité élargie

    • le fabricant est impliqué en cas de défaut de conception, de problème technique ou de bug logiciel (responsabilité du fait des produits défectueux) ;

    • l’établissement doit garantir la sécurité des équipements, la formation du personnel et l’information du patient.

    Toute défaillance expose à une action en responsabilité civile ou pénale.

    Tableau – Répartition des responsabilités selon la source de l’erreur

    Source de l’erreur Partie(s) potentiellement responsable(s)
    Erreur humaine/mauvaise utilisation Médecin et/ou établissement
    Défaillance technique du robot Fabricant, éventuellement établissement
    Dysfonctionnement logiciel/IA Fabricant logiciel, intégrateur
    Défaut d’information/consentement Médecin, établissement
    Erreur complexe (chaîne de causalité) Co-responsabilité potentielle

    Ce tableau synthétise la nécessité d’une analyse au cas par cas et la coexistence fréquente de responsabilités partagées.

    Lacunes juridiques et zones de flou

    L’évolution rapide des technologies précède l’élaboration de régimes juridiques adaptés. Plusieurs sources relèvent l’absence d’un cadre législatif spécifique aux systèmes de santé dotés d’IA, créant une zone de flou préjudiciable à la sécurité juridique des praticiens.

    Par exemple, en Europe, la législation interdit qu’une décision médicale soit prise sur le seul fondement d’un traitement algorithmique ; néanmoins, aucune disposition ne traite encore explicitement des actes réalisés de manière autonome par un robot chirurgical. De même, l’absence de labels de qualité et de normes harmonisées limite la clarté des responsabilités du côté des fabricants d’IA.

    Enjeux éthiques, information du patient et consentement éclairé

    L’introduction de l’IA et des robots en chirurgie accentue l’importance du consentement éclairé. Le patient doit être informé :

    • du niveau d’autonomie de l’outil utilisé ;
    • des avantages et risques potentiels ;
    • des limitations inhérentes à l’IA ou au robot ;
    • de ses droits en matière de traitement des données personnelles.

    Or, plusieurs cas de jurisprudence internationale montrent la fragilité de cette exigence, notamment en matière d’information technique sur l’algorithme ou sur des incidents de sécurité des données médicales.

    Ainsi, le défaut d’information suffisante ou de consentement pourrait constituer, en cas de dommage, un nouveau terrain de mise en jeu de la responsabilité du médecin et de l’établissement.

    Synthèse critique et perspectives d’évolution législative

    La littérature spécialisée converge sur le constat d’une « zone grise » dans la responsabilité en cas d’erreur lors d’une chirurgie assistée par robot ou IA. Ce constat se traduit par une co-responsabilité potentielle impliquant :

    • les fabricants, pour la fiabilité technique ;
    • les médecins, pour la supervision et le bon usage ;
    • les établissements, pour l’organisation et la sécurité.

    Des débats persistent quant à savoir si la recherche d’une responsabilité individuelle demeure pertinente face à des chaînes de causalité multifactorielles. Certains auteurs recommandent la mise en œuvre de régimes spécifiques, inspirés du droit de la responsabilité du fait des produits ou des systèmes complexes, voire la création de fonds d’indemnisation dédiés.

    Enfin, la formation initiale et continue des professionnels de santé à l’utilisation critique des outils d’IA semble essentielle, de même qu’une information claire et accessible pour les patients.

     

  • IA et robotique : 22 études démontrent l’impact sur la précision et la formation en chirurgie (revue de littérature)

    La robotique chirurgicale est désormais à la croisée de la précision, de la personnalisation et de l’automatisation, redéfinissant les modalités de prise en charge chirurgicale dans des domaines variés, de l’urologie à l’oncologie en passant par la gynécologie et la chirurgie orthopédique. Cet article vise à proposer une synthèse des avancées récentes autour de la chirurgie robotique assistée par IA, en s’appuyant exclusivement sur une sélection d’articles scientifiques parus dans des revues internationales à comité de lecture.

    Les sources principales incluent :

    • Saikali et al., éditorial publié dans Asian Journal of Urology (AdventHealth Global Robotics Institute, USA ; New York Presbyterian Hospital ; Cedars-Sinai Medical Center, USA).
    • Schmidgall et al., revue dans Science Robotics (Department of Electrical and Computer Engineering, Johns Hopkins University, USA).
    • Ng Kok Wah, revue dans Journal of Robotic Surgery (Multimedia University, Cyberjaya, Malaisie).
    • Atroshchenko et al., étude de faisabilité dans Journal of Robotic Surgery (Aalborg University Hospital et University of Copenhagen, Danemark).
    • Wang, revue dans Zhonghua Wai Ke Za Zhi (First Medical Center, General Hospital of the People’s Liberation Army, Chine).
    • Pavone et al., revue dans Facts, Views & Vision in ObGyn (IRCAD France, Université de Strasbourg, France ; Policlinico Universitario A. Gemelli, Italie).
    • Zhao et al., étude multicentrique dans Surgical Endoscopy (Chiba University Graduate School of Medicine et National Cancer Center Hospital East, Japon).
    • D’autres articles analysent l’effet de l’IA sur la formation, la reconnaissance d’actions chirurgicales, et la perception de ces technologies parmi les étudiants et professionnels de santé.

    La problématique centrale de cet article consiste à analyser comment l’IA et la robotique modèlent l’avenir de la chirurgie, tant sur le plan technique que pour la formation, l’évaluation des compétences et l’organisation des soins.

    Notre analyse montre que la convergence entre IA et robotique constitue un des principaux moteurs de l’innovation en chirurgie digitale. Les analyses issues des études récentes démontrent une amélioration significative de la précision, une personnalisation accrue et un potentiel d’automatisation à fort impact pour la pratique quotidienne. Les bénéfices réels dépendent néanmoins d’une intégration organisationnelle soignée, d’une évaluation économique rigoureuse et d’un accompagnement éthique pertinent.

    La généralisation de solutions d’évaluation automatisée du geste et de formation basée sur la simulation, adossée à une supervision humaine experte, pourrait redessiner la cartographie des compétences en chirurgie numérique. En surmontant les défis d’interopérabilité, de standardisation et d’acceptabilité, l’IA et la robotique permettront, à terme, de garantir la qualité et l’équité d’accès aux soins chirurgicaux avancés.

    Health & Tech Intelligence détaille l’analyse de ces études à travers l’étude de littérature ci-dessous.

    État des lieux : IA et robotique en chirurgie

    Évolution des systèmes robotiques : vers l’autonomisation assistée

    Selon Schmidgall et al., la chirurgie robotique reste aujourd’hui largement sous contrôle humain, la performance reposant sur l’expertise du chirurgien. Toutefois, les tendances actuelles démontrent un déplacement progressif vers des robots autonomes ou semi-autonomes, capables d’intégrer des fonctions d’aide à la décision ou d’assistance en temps réel, voire de s’affranchir partiellement de l’opérateur.

    En urologie, l’émergence de l’IA optimise la planification et l’évaluation des gestes, comme le rappelle Saikali et al., tandis qu’en oncologie, l’IA couplée à la robotique améliore la précision des procédures complexes telles que la résection tumorale, la modélisation 3D et la navigation peropératoire.

    Domaines d’application : urologie, oncologie, orthopédie, gynécologie

    L’IA joue un rôle central dans l’analyse d’images (reconnaissance de structures, segmentation, aide à la navigation), la modélisation anatomique temps réel et la reconnaissance automatique des étapes opératoires. Wang souligne l’impact de l’IA sur la planification (deep learning), l’étape de registration, et le contrôle des bras robotiques par réseaux neuronaux et apprentissage par renforcement.

    Les expériences multi-spécialités démontrent une montée en précision, sécurité et capacité de personnalisation, particulièrement dans l’oncologie, la gynécologie et la chirurgie articulaire.

    Synthèse des résultats : applications, efficacité et évaluations objectives

    Oncologie : hausse de la précision et adaptation aux spécificités tumorales

    Dans l’oncologie, l’IA associée à la chirurgie robotique permet d’accroître la précision des résections et d’adapter les interventions à la variabilité anatomique et au contexte tumoral. Ng Kok Wah recense 22 études cliniques récentes montrant une amélioration documentée de l’exactitude opératoire, une réduction de l’invasivité et de meilleures décisions intraopératoires grâce à des innovations telles que la palpation robotique sans image et la gestion adaptative des mouvements en radiothérapie. Néanmoins, certains obstacles persistent, notamment l’absence de protocoles cliniques homogènes, la variabilité de performance selon la localisation des tumeurs et le manque de données coût-efficacité.

    Orthopédie : optimisation du positionnement implantaire par IA

    Les avancées en chirurgie articulaire, notamment pour la prothèse totale de hanche et de genou, reposent sur l’intégration de l’IA pour la planification du geste, la registration et le contrôle du robot. Wang met en avant l’amélioration tangible du positionnement des implants et l’optimisation de la précision du geste chirurgical grâce aux algorithmes d’apprentissage profond et de reinforcement learning.

    Gynécologie : bénéfices et perspectives des outils numériques intégrés

    Dans la chirurgie gynécologique, l’évaluation critique des plateformes (Pavone et al.) démontre que malgré des bénéfices équivalents à la laparoscopie en termes de résultats péri- et post-opératoires, la capacité d’intégration de l’IA et des outils numériques distingue la robotique : analyse d’images per- et peropératoires, reconstructions 3D, réalité augmentée et dispositifs d’échographie robotique. L’arrivée des modèles d’IA générative (large language models) renforce cette dynamique, notamment pour l’aide à la décision et l’accès temps réel à l’information patient.

    Reconnaissance automatique et évaluation des compétences

    Des travaux de Zhao et al., menés dans 18 centres japonais, ont mis en œuvre un modèle profond de reconnaissance automatique des phases opératoires dans la prostatectomie robotisée, fondant une évaluation des compétences sur des variables objectives (durées de phase, transitions, scores de confiance IA, AICS). L’analyse multicritère aboutit à une différenciation efficace entre novices et experts avec une précision de 86,2%. Cette approche pourrait établir une standardisation dans l’évaluation des compétences et la formation continue.

    Dans une étude danoise sur la chirurgie cardiaque simulée, Atroshchenko et al. confirment la haute performance des réseaux neuronaux en reconnaissance d’actions opératoires (98% d’exactitude) et en catégorisation du niveau de compétence (79% d’exactitude, bien que l’évaluation des compétences nécessite davantage de données pour une application réelle).

    Discussion : implications, défis et perspectives

    Personnalisation, automatisation et intégration clinique

    La marche vers une automatisation accrue grâce à l’IA est indissociable de la personnalisation des traitements. L’intégration de capteurs multimodaux, de la modélisation 3D et du suivi en temps réel vise non seulement l’amélioration des indicateurs objectifs de résultat (précision, rapidité, sécurité), mais aussi l’optimisation du parcours patient. Parallèlement, des solutions comme la reconnaissance automatique de phases opératoires et l’analyse quantitative des gestes ouvrent la voie à une formation chirurgicale centrée sur les données et à l’évaluation en continu du professionnel.

    Enjeux organisationnels, économiques et éthiques

    Plusieurs freins émergent :

    • L’absence de consensus sur les protocoles d’utilisation et l’hétérogénéité des performances algorithmiques selon les contextes cliniques.
    • Le coût d’acquisition et d’infrastructure, encore élevé, impacte la diffusion de la robotique, particulièrement pour les centres cherchant à déployer la télémédecine ou la télé-chirurgie.
    • La formation et l’acceptabilité auprès des professionnels restent un axe critique, l’anxiété liée à l’IA devant être modulée par des stratégies axées sur l’innovation individuelle et l’intégration progressive des outils.

    Sur le plan éthique, la nécessité d’une gouvernance claire, de cadres de sécurité standardisés et d’une transparence algorithmique se pose avec acuité.

    Impacts sur la formation et la structuration des équipes

    Les technologies d’IA en robotique révolutionnent la formation par des dispositifs de simulation assistants la reconnaissance des actions, la structuration du temps opératoire, l’analyse détaillée des gestes et la personnalisation de l’apprentissage, ouvrant la voie à des cursus véritablement adaptatifs pour les futurs chirurgiens. L’expérimentation multicentrique rendue possible par l’analyse vidéo algorithmique améliore la reproductibilité des évaluations.

    Bibliographie des études citées

    • Saikali, S., Ma, R., Patel, V., & Hung, A. (2025). Clinical applications of artificial intelligence in robotic urologic surgery. Asian Journal of Urology, 12(2), 139-142. https://doi.org/10.1016/j.ajur.2024.06.005
    • Schmidgall, S., Opfermann, J. D., Kim, J. W., & Krieger, A. (2025). Will your next surgeon be a robot? Autonomy and AI in robotic surgery. Science Robotics, 10(104), eadt0187. https://doi.org/10.1126/scirobotics.adt0187
    • Ng Kok Wah, J. (2025). AI-driven robotic surgery in oncology: advancing precision, personalization, and patient outcomes. Journal of Robotic Surgery, 19(1), 382. https://doi.org/10.1007/s11701-025-02555-3
    • Atroshchenko, G. V., Riis Korup, L., Hashemi, N., Riis Østergaard, L., Tolsgaard, M. G., & Rasmussen, S. (2025). Artificial intelligence-based action recognition and skill assessment in robotic cardiac surgery simulation: a feasibility study. Journal of Robotic Surgery, 19(1), 384. https://doi.org/10.1007/s11701-025-02563-3
    • Wang, Y. (2025). [Artificial intelligence-powered robotic joint surgery: application, research progress, and prospects]. Zhonghua Wai Ke Za Zhi, 63(1), 32-38. https://doi.org/10.3760/cma.j.cn112139-20240922-00437
    • Pavone, M., Goglia, M., Rosati, A., Innocenzi, C., Bizzarri, N., Seeliger, B., Mascagni, P., Ferrari, F. A., Forgione, A., Testa, A. C., Fagotti, A., Fanfani, F., Querleu, D., Scambia, G., Akladios, C., & Lecointre, L. (2025). Unveiling the real benefits of robot-assisted surgery in gynaecology: from telesurgery to image-guided surgery and artificial intelligence. Facts, Views & Vision in ObGyn, 17(1), 50-60. https://doi.org/10.52054/FVVO.2024.13522
    • Zhao, X., Takenaka, S., Iuchi, S., Kitaguchi, D., Wakabayashi, M., Sato, K., Arakaki, S., Sasaki, K., Kosugi, N., Nobushige Takeshita, Nobuyoshi Takeshita, Sakamoto, S., Ichikawa, T., & Ito, M. (2025). Automatic recognition of surgical phase of robot-assisted radical prostatectomy based on artificial intelligence deep-learning model and its application in surgical skill evaluation: a joint study of 18 medical education centers. Surgical Endoscopy. Advance online publication. https://doi.org/10.1007/s00464-025-11967-z
    • Article sur l’anxiété des étudiants en soins infirmiers vis-à-vis de l’IA
      (The Effect of Nursing Students’ Artificial Intelligence Anxiety on Their Knowledge of Robotic Surgery: The Mediating Role of Individual Innovativeness.) (2025). Nursing & Health Sciences. https://pubmed.ncbi.nlm.nih.gov/39813078/

     

  • Vers un diagnostic sans brassard : comment le numérique révolutionne la détection de l’hypertension artérielle

    Plusieurs façons de détecter l’HTA sans brassard, avec ou sans IA

    L’hypertension artérielle est l’une des maladies chroniques les plus répandues au monde, mais aussi l’une des plus silencieuses. Trop souvent détectée tardivement, elle constitue un facteur de risque majeur pour les maladies cardiovasculaires, rénales et neurologiques. Les méthodes traditionnelles de mesure comme les tensiomètres à brassard, ou les mesures ponctuelles en cabinet, montrent aujourd’hui leurs limites. Dans un contexte de vieillissement des populations, de déserts médicaux et de recherche de prévention proactive, le numérique propose une série de ruptures technologiques – dotées ou non de l’intelligence artificielle – qui transforment en profondeur la manière de détecter l’hypertension. Ces approches s’appuient sur des outils plus accessibles, plus continus, souvent non invasifs, parfois même invisibles.

    La voix comme signal biomédical

    La voix humaine contient bien plus d’informations qu’on ne le pense. Elle traduit des microvariations physiologiques liées au rythme cardiaque, à la rigidité des artères, à la pression intracrânienne ou au stress. Des modèles d’intelligence artificielle sont désormais capables d’extraire de ces signaux vocaux des indicateurs permettant de prédire la probabilité qu’une personne soit hypertendue.

    Concrètement, un simple extrait de conversation peut suffire à déclencher une alerte dans un système de dépistage passif intégré à une application mobile, une plateforme de téléconsultation ou un assistant vocal. Cette approche, totalement dématérialisée, ouvre des perspectives inédites en matière de prévention invisible, y compris dans des contextes à faible accès aux soins.

    Voir la tension par l’analyse vidéo du visage

    Autre rupture remarquable : la mesure de la pression artérielle par caméra. Le principe repose sur l’analyse des microvariations de couleur de la peau du visage, causées par le flux sanguin. Grâce à des techniques avancées de vision par ordinateur, une simple vidéo frontale, captée par un smartphone ou un ordinateur portable, permet d’estimer la pression systolique et diastolique avec une précision croissante.

    Cette méthode, totalement sans contact, peut être utilisée dans les cabines de télémédecine, les consultations à distance, ou intégrée à des dispositifs d’auto-surveillance à domicile. Elle est particulièrement adaptée à la détection précoce dans les populations jeunes, connectées, ou peu médicalisées.

    Les wearables à l’assaut de la pression artérielle

    Les objets connectés de santé, comme les montres, bracelets, bagues, patchs, textiles, intègrent désormais des capteurs photopléthysmographiques (PPG) ou électrocardiographiques (ECG) capables d’estimer la pression artérielle sans gonfler de brassard. Le principe repose sur la mesure du temps de transit du pouls entre deux points du corps, ou sur l’analyse des signaux de flux sanguin dans les capillaires.

    Ces dispositifs permettent un suivi en continu, discret et autonome, intégré à la vie quotidienne. Certaines solutions vont plus loin en couplant ces capteurs à des modèles prédictifs personnalisés, qui apprennent le profil de chaque utilisateur pour améliorer la précision des mesures au fil du temps.

    Le radar Doppler au service de la santé invisible

    Moins connue du grand public, l’approche par radar Doppler sans contact repose sur l’émission d’ondes radio qui détectent les micro-mouvements corporels liés à la circulation sanguine. Installés dans une pièce, un siège ou un habitacle de voiture, ces radars peuvent surveiller la pression artérielle d’une personne assise ou allongée sans aucun contact physique.

    Ce type de capteur permet une surveillance passive, continue, et totalement intégrée à l’environnement. Il est particulièrement prometteur pour la prévention en milieu professionnel, le suivi à domicile des patients fragiles, ou encore la détection de l’HTA chez les conducteurs à risque.

    Des nouveaux stéthoscopes enrichis par l’IA

    Les stéthoscopes numériques enrichis par l’intelligence artificielle permettent aujourd’hui d’analyser finement les sons du cœur et des vaisseaux. En détectant des anomalies acoustiques subtiles, liées à la rigidité artérielle ou aux turbulences du flux sanguin, il devient possible de suspecter une hypertension même en l’absence de mesure directe de la pression.

    Cette approche peut être intégrée à l’examen clinique classique ou utilisée à distance dans le cadre de téléconsultations assistées par objets connectés. Elle prolonge l’expertise médicale tout en facilitant le dépistage dans les soins primaires.

    Patchs cutanés et vêtements intelligents pour mesurer de manière prolonger l’HTA

    De nouveaux capteurs souples, capables d’épouser les mouvements du corps, sont en cours de développement pour mesurer la pression artérielle de manière continue. Intégrés à des patchs posés sur la peau ou à des vêtements connectés, ces dispositifs mesurent le flux sanguin, la dilatation des vaisseaux ou les vibrations artérielles.

    Ces solutions permettent une mesure discrète, prolongée, et potentiellement couplée à d’autres paramètres de santé (glycémie, température, hydratation). Elles sont destinées en priorité aux patients chroniques, aux sportifs de haut niveau ou aux personnes sous traitement antihypertenseur.

    Détecter l’HTA sans la mesurer grâce à la prédiction algorithmique

    En exploitant les données des patients, des modèles d’IA peuvent aujourd’hui identifier des patients à risque d’HTA avant même toute mesure directe. Ces algorithmes analysent les antécédents médicaux, les traitements en cours, les constantes biologiques et les événements de santé passés pour générer des scores de risque personnalisés.

    Utilisée en santé publique, cette approche permet de cibler les actions de dépistage, d’ajuster les recommandations cliniques ou de prioriser les populations vulnérables. Elle s’intègre pleinement dans les démarches de médecine prédictive fondée sur les données.

  • Hypertension et IA : avancées, limites méthodologiques et conditions pour une application clinique responsable (revue de littérature)

    IA et hypertension : 19 études récentes analysent ses apports en détection, diagnostic et suivi

    Les résultats des études scientifiques analysées dans cette revue suggèrent que l’intelligence artificielle (IA) offre des perspectives innovantes pour le diagnostic, la prédiction, la personnalisation du traitement et la télésurveillance de l’hypertension, sous toutes ses formes. Cet article propose une synthèse de 19 publications scientifiques récentes, sélectionnées pour illustrer la diversité des cas d’usage de l’IA appliquée à l’hypertension (artérielle systémique, portale, pulmonaire, intracrânienne et oculaire) et pour en interroger les apports, les limites et les exigences méthodologiques.

    L’hypertension fait face à de multiples défis, premièrement la variabilité du diagnostic, l’insuffisance du monitoring en vie réelle, la difficulté d’adapter les interventions au profil patient, et le besoin de dépister les formes secondaires à temps. Au travers de l’analyse des articles scientifiques publiés dans PubMed en 2025, trois domaines se dégagent : la détection précoce, le diagnostic assisté, et la personnalisation de la prise en charge.

    L’IA prédit la maladie avant les premiers symptômes, selon plusieurs études de 2025

    Plusieurs études démontrent la capacité de modèles supervisés à prédire la survenue d’une hypertension avant même qu’elle ne soit cliniquement observable. Sau et al. (2025) montrent que l’analyse d’un simple ECG, lorsqu’elle est couplée à un algorithme d’intelligence artificielle entraîné sur des milliers d’enregistrements, permet de détecter des modifications électriques subcliniques annonciatrices d’une élévation future de la pression artérielle. De leur côté, Naik et al. (2025) développent une approche par jumeau numérique intégrant données physiologiques, historiques et comportementales pour modéliser en temps réel l’évolution tensionnelle personnalisée. Owen et al. (2025) révèlent quant à eux, via une méthode de clustering non supervisée, des profils cachés d’hypertension orthostatique associés à la fragilité chez des sujets âgés, en dehors des seuils habituels de pression artérielle. Ces approches innovantes de prédiction démontrent l’intérêt réel de l’IA pour anticiper les trajectoires cliniques de l’hypertension.

    Cependant, dans la plupart des cas, les modèles proposés sont validés uniquement de manière rétrospective, sur des bases de données limitées ou homogènes, sans évaluation prospective indépendante.

    IA, échographie, EEG, objets connectés : 4 cas d’usage pour diagnostiquer des formes d’hypertension difficiles

    L’IA facilite le dépistage et la stratification du risque dans les formes complexes d’hypertension. Salehi et al. (2025) montrent que l’IA appliquée à l’échocardiographie permet d’identifier une hypertension pulmonaire sans recours à des examens invasifs. Xu et al. (2025) utilisent l’apprentissage profond pour différencier deux pathologies semblables en scan thoracique, avec un taux d’erreur inférieur à celui de l’interprétation humaine. Dans le domaine neurocritique, Babikir et al. (2025) recensent les algorithmes IA capables de prédire l’hypertension intracrânienne à partir d’EEG et d’autres biomarqueurs disponibles en soins intensifs. Une autre application concrète repose sur la mesure tensionnelle continue et sans brassard, développée par Lopez-Jimenez et al. (2025), où le suivi est rendu possible via des dispositifs connectés précalibrés par IA. Ces outils introduisent une nouvelle forme de télémédecine automatisée, potentiellement adaptée aux zones sous-médicalisées.

    Malgré leur potentiel, en raison du manque de validation externe, d’explicabilité des décisions et de transparence sur les jeux de données utilisés, la majorité de ces solutions ne remplit pas encore les critères d’évaluation posés par les guides réglementaires internationaux (TRIPOD, CONSORT-AI, IA act).

    Régimes sur mesure, réponse aux traitements : des approches IA pour personnaliser la prise en charge de l’hypertension

    Différentes études mettent en évidence des applications prometteuses de l’IA pour adapter les mesures curatives et préventives au profil de chaque patient. Kenger et Karahan (2025) proposent des régimes alimentaires personnalisés générés par IA, spécifiquement adaptés aux profils métaboliques de patients hypertendus. Les résultats montrent un taux d’adhésion supérieur et une amélioration des paramètres nutritionnels sans contrainte excessive. Armoundas et al. (2025) illustrent quant à eux comment l’IA contribue à modéliser la réponse individuelle aux antihypertenseurs, en intégrant des variables pharmacogénétiques, sociodémographiques et comportementales. He et al. (2025) appliquent cette logique au domaine de l’hypertension portale en oncologie, en croisant imagerie et paramètres cliniques pour générer un score personnalisé de risque, utile à la planification thérapeutique.

    Ces approches sont alignées avec la logique d’une médecine vraiment personnalisée. Toutefois, elles méritent des validations plus poussées sur le plan clinique, notamment parce que les effets directs sur la mortalité cardiovasculaire restent à démontrer dans de véritables essais multicentriques.

    Les LLM pour répondre aux questions des patients

    Enfin, des articles récents comme celui de Layton (2025) attirent l’attention sur l’usage croissant d’outils conversationnels IA comme ChatGPT dans le domaine cardiovasculaire. S’il existe un potentiel en éducation thérapeutique et en synthèse d’informations, ces modèles présentent des risques de surinterprétation, et d’hallucination de réponses.

    Moins de 20 % des études respectent les standards de validation attendus

    Une des faiblesses majeures ressortant de l’ensemble des 19 études concerne l’hétérogénéité méthodologique. La majorité des publications ne suivent pas les standards de reporting attendus. Moins de 20% se conforment aux recommandations TRIPOD-AI et STARD-AI. La documentation insuffisante des bases de données, des processus de labellisation et des métriques utilisées complique la reproductibilité. De plus, plusieurs études ne comportent pas de validation externe indépendante, ni de tests prospectifs en contexte réel.

     

    Référence APA complète
    Wang, Q. C., Jiao, J., & Zhang, C. Q. (2025). Application of artificial intelligence in portal hypertension and esophagogastric varices. World Journal of Gastroenterology, 31(24), 108508. https://doi.org/10.3748/wjg.v31.i24.108508
    Sau, A., Barker, J., Pastika, L., Sieliwonczyk, E., Patlatzoglou, K., McGurk, K. A., Peters, N. S., O’Regan, D. P., Ware, J. S., Kramer, D. B., Waks, J. W., & Ng, F. S. (2025). Artificial intelligence-enhanced electrocardiography for prediction of incident hypertension. JAMA Cardiology, 10(3), 214–223. https://doi.org/10.1001/jamacardio.2024.4796
    Attaripour Esfahani, S., Baba Ali, N., Farina, J. M., Scalia, I. G., Pereyra, M., Abbas, M. T., Javadi, N., Bismee, N. N., Abdelfattah, F. E., Awad, K., Ibrahim, O. H., Sheashaa, H., Barry, T., Scott, R. L., Ayoub, C., & Arsanjani, R. (2025). A comprehensive review of artificial intelligence (AI) applications in pulmonary hypertension (PH). Medicina (Kaunas), 61(1), 85. https://doi.org/10.3390/medicina61010085
    Armoundas, A. A., Ahmad, F. S., Attia, Z. I., Doudesis, D., Khera, R., Kyriakoulis, K. G., Stergiou, G. S., & Tang, W. H. W. (2025). Controversy in hypertension: Pro-side of the argument using artificial intelligence for hypertension diagnosis and management. Hypertension, 82(6), 929–944. https://doi.org/10.1161/HYPERTENSIONAHA.124.22349
    Khamissi, F. Z., Sun, L., Johnson, P., Shah, S., & Benjamin, I. J. (2025). Machine learning and artificial intelligence for research on hypertension. American Journal of Hypertension. Advance online publication. https://doi.org/10.1093/ajh/hpaf051
    Shimbo, D., Shah, R. U., Abdalla, M., Agarwal, R., Ahmad, F. S., Anaya, G., Attia, Z. I., Bull, S., Chang, A. R., Commodore-Mensah, Y., Ferdinand, K., Kawamoto, K., Khera, R., Leopold, J., Luo, J., Makhni, S., Mortazavi, B. J., Oh, Y. S., Savage, L. C., Spatz, E. S., Stergiou, G., Turakhia, M. P., Whelton, P. K., Yancy, C. W., & Iturriaga, E. (2025). Transforming hypertension diagnosis and management in the era of artificial intelligence: A 2023 National Heart, Lung, and Blood Institute (NHLBI) workshop report. Hypertension, 82(1), 36–45. https://doi.org/10.1161/HYPERTENSIONAHA.124.22095
    Naik, A., Nalepa, J., Wijata, A. M., Mahon, J., Mistry, D., Knowles, A. T., Dawson, E. A., Lip, G. Y. H., Olier, I., & Ortega-Martorell, S. (2025). Artificial intelligence and digital twins for the personalised prediction of hypertension risk. Computers in Biology and Medicine, 196, 110718. https://doi.org/10.1016/j.compbiomed.2025.110718
    Dunn, P., Ali, A., Patel, A. P., & Banerjee, S. (2025). Brief review and primer of key terminology for artificial intelligence and machine learning in hypertension. Hypertension, 82(1), 26–35. https://doi.org/10.1161/HYPERTENSIONAHA.123.22347
    Salehi, M., Alabed, S., Sharkey, M., Maiter, A., Dwivedi, K., Yardibi, T., Selej, M., Hameed, A., Charalampopoulos, A., Kiely, D. G., & Swift, A. J. (2025). Artificial intelligence-based echocardiography assessment to detect pulmonary hypertension. ERJ Open Research, 11(3), 00592–2024. https://doi.org/10.1183/23120541.00592-2024
    Kenger, E. B., & Karahan, T. Ö. (2025). Artificial intelligence-generated diet plans for hypertension and dyslipidemia: Adherence and nutritional insights. Iranian Journal of Public Health, 54(6), 1243–1251. https://doi.org/10.18502/ijph.v54i6.18902
    Xu, W., Xi, L., Ni, Y., Wang, J., Yang, H., Liu, A., Gao, Q., Tao, X., Huang, Q., Liu, X., Zhen, Y., Xie, W., & Liu, M. (2025). Artificial intelligence-driven quantitative analysis of CT morphological differences between chronic thromboembolic pulmonary hypertension and chronic thromboembolic disease. Quantitative Imaging in Medicine and Surgery, 15(2), 1101–1113. https://doi.org/10.21037/qims-24-1301
    Anton, N., Lisa, C., Doroftei, B., Pîrvulescu, R. A., Barac, R. I., Lungu, I. I., & Bogdănici, C. M. (2025). The role of artificial intelligence in predicting the progression of intraocular hypertension to glaucoma. Life (Basel), 15(6), 865. https://doi.org/10.3390/life15060865
    He, Y., Gao, Q., Mo, S., Huang, K., Liao, Y., Liang, T., Chen, M., Wang, J., Tao, Q., Zhang, G., Wu, F., Han, C., Shi, X., & Peng, T. (2025). Artificial intelligence algorithm was used to establish and verify the prediction model of portal hypertension in hepatocellular carcinoma based on clinical parameters and imaging features. Journal of Gastrointestinal Oncology, 16(1), 159–175. https://doi.org/10.21037/jgo-2024-931
    Owen, C. M., Bacardit, J., Tan, M. P., Saedon, N. I., Goh, C. H., Newton, J. L., & Frith, J. (2025). Artificial intelligence driven clustering of blood pressure profiles reveals frailty in orthostatic hypertension. Experimental Physiology, 110(2), 230–247. https://doi.org/10.1113/EP091876
    Ahmed Elkhidir Babikir, M. M., Abdalla Ibrahim, F. I., Osman Elhassan, H. H., Elhaj, F. A., Hamid Zain Elabdin, S. O., Sidahmed Mohammed, S. A., Mohamed Osman, M. E., & Ahmed, D. (2025). Predicting intracranial hypertension in traumatic brain injury using AI: A systematic review of algorithms and their clinical integration potential. Cureus, 17(4), e83267. https://doi.org/10.7759/cureus.83267
    Arora, U., Vigneshwar, P., Sai, M. K., Yadav, R., Sengupta, D., & Kumar, M. (2025). Ultrasound placental image texture analysis using artificial intelligence and deep learning models to predict hypertension in pregnancy. International Journal of Gynaecology & Obstetrics. Advance online publication. https://doi.org/10.1002/ijgo.70306
    Kim, M. S., Kim, H., Lee, H. K., Kim, C. Y., & Choi, W. (2025). Artificial intelligence in predicting ocular hypertension after Descemet membrane endothelial keratoplasty. Investigative Ophthalmology & Visual Science, 66(1), 61. https://doi.org/10.1167/iovs.66.1.61
    Layton, A. (2025). A heart-to-heart with ChatGPT: AI applications in hypertension. American Journal of Hypertension. Advance online publication. https://doi.org/10.1093/ajh/hpaf045
    Lopez-Jimenez, F., Deshmukh, A., Bisognano, J., Boehmer, J., Ramasamy, M., Shyam Kumar, P., Kapa, S., Varadan, V., Varadan, V., & Fudim, M. (2025). Development and internal validation of an AI-enabled cuff-less, non-invasive continuous blood pressure monitor across all classes of hypertension. Journal of Cardiovascular Translational Research, 18(2), 280–290. https://doi.org/10.1007/s12265-024-10589-5

  • HTA : plus de 6 millions de malades qui s’ignorent, comment améliorer le dépistage en population générale ?

    • Environ 17 millions de personnes sont concernées, dont plus de 6 millions l’ignorent (54,9 % de ces hypertendus sont traités).
    • Moins de 25 % des patients hypertendus ont une pression artérielle contrôlée.
    • Le coût direct annuel de l’HTA est estimé à plus de 2 milliards d’euros (plus de 55 000 décès/an sont attribuables à l’HTA en France).
    • 40 % des patients traités ne communiquent pas leurs résultats à leur médecin (moins de 25 % des patients hypertendus ont une pression artérielle contrôlée).
    • Le dépistage repose essentiellement sur des mesures ponctuelles ou l’automesure.
    • L’Assurance Maladie prévoit un repérage automatique des patients à risque via les données du SNDS.
    • L’IA et les dispositifs médicaux numériques sont mobilisés pour améliorer le dépistage, le suivi, et l’adhésion au traitement.
    • Reco : Remplacer les campagnes ponctuelles par une prévention continue et territorialisée.
    • Reco : Financer du temps soignant pour accompagner les changements de mode de vie.
    • Reco : Équiper tous les patients hypertendus d’un tensiomètre validé et fiable.

    17 millions de Français hypertendus, mais moins d’un sur deux est traité

    L’hypertension artérielle (HTA) se caractérise par une pression du sang sur la paroi des artères trop élevée, et de façon chronique. Selon les critères définis par la Haute autorité de santé (HAS), l’HTA est confirmée lorsqu’au repos, la pression artérielle est égale ou supérieure à 140/90 mmHg lors de plusieurs mesures réalisées à distance. Elle peut être « essentielle » (dans 90 % des cas) quand aucune cause unique n’est identifiée, ou « secondaire » si elle résulte d’une pathologie rénale, endocrinienne ou respiratoire comme l’apnée du sommeil.

    En France, 17 millions d’adultes vivent avec une hypertension artérielle, dont plus de 30% sans le savoir. Environ 6 millions d’entre eux ignorent leur condition. L’HTA représente la première cause de mortalité prématurée en France (devant le tabac) et le deuxième facteur d’années de vie perdues en bonne santé. Chaque année, plus de 1,6 million de Français débutent un traitement antihypertenseur. Pourtant, seuls 25 % des patients ont une pression artérielle contrôlée, et moins d’un patient sur deux est traité.

    Une maladie fréquente, silencieuse et mal contrôlée en France

    Seuls 54,9 % des hypertendus connus sont sous traitement, et à peine 30 % atteignent les objectifs tensionnels recommandés

    L’HTA est souvent asymptomatique. Son dépistage repose sur des mesures systématiques de la tension, en cabinet ou via l’automesure. La prévalence augmente avec l’âge : elle est de 6,3 % chez les 18-34 ans contre 68,3 % chez les 65-74 ans. Le vieillissement démographique, la sédentarité, la consommation excessive, l’obésité, le stress chronique et les inégalités sociales contribuent à son extension. Les femmes, notamment après la ménopause, sont de plus en plus concernées. L’HTA non contrôlée multiplie le risque de complications : infarctus, AVC, insuffisance rénale chronique, démence. Son dépistage et son suivi sont donc essentiels. Pourtant, la part des patients diagnostiqués et traités reste inférieure à la moyenne des pays développés.

    Selon les données Esteban, environ 54,9 % des hypertendus connus sont traités, et 30 % ont une pression contrôlée. Plus de 40 % des patients traités ne sont pas observants, et près d’un sur cinq reçoit une monothérapie par bêta-bloquant, médication pourtant moins recommandée en première intention.

    Plus de 55 000 décès et 2 milliards d’euros de coûts par an en France

    En 2021, L’hypertension artérielle est à l’origine de plus de 55 000 décès en France, et de 400 000 hospitalisations complètes, représentant 6,2 millions de journées d’hospitalisation, dont plus de 3,4 millions liées à la maladie rénale chronique. Elle est également responsable de 1,15 million de cas de cardiopathie ischémique, 1,26 million de cas de maladie rénale chronique, et près de 190 000 cas de démence. Ce fardeau clinique mobilise des ressources importantes, à l’hôpital comme en soins de ville, et se traduit par un coût direct estimé à plus de deux milliards d’euros par an, en médicaments, consultations, examens et hospitalisations. À ces dépenses s’ajoutent des impacts indirects encore sous-évalués : perte d’autonomie, absentéisme, ralentissement de l’activité professionnelle, séquelles à long terme. L’analyse du Système national des données de santé (SNDS) met en évidence une charge disproportionnée chez les hommes de 55 à 74 ans, mais aussi une forte mortalité évitable avant 75 ans. La progression de la prévalence, portée par le vieillissement, la sédentarité et les inégalités sociales, laisse présager une aggravation durable du poids économique et sanitaire de l’HTA, dans un contexte où moins de 25 % des patients hypertendus ont une pression artérielle contrôlée.

    59 % seulement des hypertendus disposent d’un tensiomètre personnel

    Une prévention primaire réduite à des campagnes ponctuelles sans ancrage territorial

    Faute de programme de dépistage systématique à l’échelle nationale, le repérage précoce reste très dépendant de l’initiative individuelle du patient ou du professionnel de santé. Ce mode de détection aléatoire explique en partie le nombre élevé de diagnostics posés tardivement, souvent à l’occasion d’une complication cardiovasculaire, rénale ou neurologique.

    La stratégie de traitement de l’hypertension repose sur une double approche :

    • D’une part, la modification du mode de vie avec une réduction de la consommation de sel, l’adoption d’une activité physique régulière, une alimentation équilibrée et le sevrage tabagique ;
    • D’autre part, la prescription de traitements antihypertenseurs, souvent à vie.

    Le recours à l’automesure tensionnelle est recommandé. Pourtant, seuls 59 % des hypertendus disposent d’un tensiomètre personnel, et 40 % des patients traités ne communiquent pas leurs résultats à leur médecin. L’éducation thérapeutique, inscrite dans les recommandations de la Haute Autorité de santé, reste peu déployée dans les parcours de soins courants. En parallèle, l’adhésion aux mesures hygiéno-diététiques est inégale, faute d’un accompagnement structuré. L’éducation thérapeutique, pourtant recommandée par la HAS, est peu mise en œuvre dans la pratique courante, notamment en soins primaires.

    Dépistage, automesure, pédagogie : les pistes d’une meilleure prise en charge de l’HTA

    Renforcer la prévention de l’HTA dès 40 ans

    Le vieillissement de la population, la faible observance thérapeutique, la méconnaissance des risques et les disparités sociales et territoriales constituent des obstacles persistants. En Outre-mer, la prévalence de l’HTA dépassait 30 % en Martinique en 2021, avec une surreprésentation féminine. Ces données confirment la nécessité de renforcer les stratégies ciblées de prévention. Dans son rapport Charges et produits 2026, L’Assurance Maladie mise sur l’exploitation du Système national des données de santé (SNDS) pour automatiser le repérage des assurés à risque d’hypertension artérielle. Grâce à l’analyse croisée des données de remboursement et des profils cliniques, des alertes pourraient être adressées aux médecins traitants pour inciter à la mesure de la tension artérielle en consultation. Parallèlement, l’automesure tensionnelle est promue comme méthode pour affiner le diagnostic, en limitant les biais liés au contexte médical. L’association de cette pratique à des dispositifs de télésurveillance ou à des applications numériques permettrait un suivi plus régulier des patients, notamment en cas de suspicion d’HTA non contrôlée.

    Pistes de réflexion :

    • Intégrer la mesure de la tension artérielle dans les consultations de prévention tout au long de la vie.
    • Cibler en priorité les personnes à risque : plus de 40 ans, antécédents familiaux, comorbidités métaboliques.
    • Déployer le dépistage systématique en médecine du travail, en pharmacie, et via des campagnes de proximité.
    • Équiper les patients hypertendus d’un tensiomètre validé.
    • Former les patients et les professionnels à l’automesure selon les recommandations HAS.
    • Organiser le recueil, l’analyse et le retour d’information sur les données mesurées (via messagerie sécurisée, outils numériques).
    • Généraliser les programmes d’éducation thérapeutique du patient (ETP) en soins primaires.
    • Financer du temps soignant dédié à l’accompagnement des changements de mode de vie.
    • Intégrer des outils numériques d’aide à l’observance et au suivi thérapeutique (carnets connectés, alertes, télémonitoring).
    • Ne plus se limiter à des campagnes annuelles ponctuelles : inscrire la prévention dans la durée.
    • S’appuyer sur les CPTS, les collectivités, les associations et les acteurs de terrain pour des actions localisées et continues.
    • Promouvoir l’activité physique, la réduction du sel, le sevrage tabagique et la lutte contre le stress dès le plus jeune âge.
    • Mettre en place des outils de retour d’indicateurs aux prescripteurs (taux de contrôle tensionnel, suivi des traitements).
    • Prioriser les territoires ultramarins, ruraux et périurbains dans les politiques de prévention.
    • Financer des actions de médiation en santé pour améliorer l’accès au dépistage et au suivi.
    • Identifier l’HTA comme une priorité de santé publique au même titre que le diabète ou les cancers.
    • Mobiliser les données du SNDS pour suivre les indicateurs de dépistage, de traitement et de contrôle tensionnel.
    • Intégrer l’HTA dans tous les plans nationaux transversaux (nutrition, vieillissement, maladies cardiovasculaires).

    Prise en charge : les outils numériques validés cliniquement gagnent du terrain

    Un soutien validé pour la gestion de l’hypertension

    Les thérapies numériques et les objets connectés apportent un appui à la prise en charge de l’hypertension, en renforçant l’observance thérapeutique et la régularité du suivi à domicile. En France, l’application Noctua Care cible les patients atteints de pathologies cardiovasculaires, notamment après un syndrome coronarien aigu ou en cas d’HTA traitée. Elle propose un programme digital de 12 semaines renouvelables, articulé autour de modules éducatifs, de rappels de traitement, de conseils d’hygiène de vie et de gestion du stress, en conformité avec les recommandations européennes.

    Autre exemple, SuiviHTA, développée par Solutions Santé Digitale, est une application gratuite validée scientifiquement par la Fondation Hypertension. Recommandée par les cardiologues et conforme aux recommandations de l’ESC 2024, elle permet aux patients et aux professionnels de réaliser et d’interpréter l’automesure tensionnelle. Deux formats sont proposés : un autotest ponctuel de dépistage, dès 30 ans (ou dès 20 ans en cas de facteur de risque), et une automesure sur trois jours selon la règle des 2-2-3. L’application génère des rapports PDF, conserve les données et guide l’utilisateur dans l’utilisation correcte du tensiomètre automatique.

    Les données issues des objets connectés peuvent être transmises aux professionnels de santé via des applications. Ce flux d’informations alimente la télésurveillance, qui a démontré un bénéfice dans certaines populations spécifiques, comme les patients à HTA sévère ou les femmes enceintes. Néanmoins, l’étude TASMINH4 n’a pas montré de différence significative entre une surveillance standard et la télésurveillance dans la population générale. Le coût et les exigences réglementaires freinent une généralisation à grande échelle.

    Un dépistage incomplet et une observance fragile, l’IA redéfinit les priorités cliniques

    Trois défaillances sont identifiées dans la chaîne de soins :

    • Un dépistage incomplet,
    • Une mesure souvent imprécise (erreur dans 60 % des cas),
    • Et une observance thérapeutique insuffisante.

    L’IA permet de cibler plus efficacement les populations à risque avant même l’apparition d’une HTA avérée. Des modèles prédictifs intègrent l’âge, les antécédents familiaux et les facteurs de risque pour recommander une surveillance adaptée. D’autres outils spécifiques sont développés, notamment pour la période périnatale. La mesure oscillométrique traditionnelle reste sujette à des biais (effet blouse blanche, mauvaise technique). Une nouvelle génération de dispositifs connectés, reposant sur la photopléthysmographie et l’analyse des ondes de pouls par deep learning, permet une mesure continue, sans pression sur le bras, jusqu’à 800 fois par jour. Ces dispositifs, encore en attente de validation réglementaire, ouvrent la voie à une surveillance plus précise et moins intrusive.

    L’adhésion au traitement dépend du temps consacré à l’éducation thérapeutique, un temps contraint par la charge croissante des consultations. Des assistants numériques d’IA, enrichis de corpus scientifiques, ont été conçus pour prolonger le dialogue autour de la maladie. Le patient peut interagir avec ces interfaces sur des sujets liés au traitement, à la gestion des effets indésirables ou à ses résultats d’automesure.

    L’IA permet aussi aux professionnels d’obtenir un appui décisionnel, qu’il s’agisse d’adapter un traitement, de poser un diagnostic ou de documenter une situation clinique complexe. L’analyse automatisée de données cliniques et biologiques permet d’anticiper les déséquilibres tensionnels et d’ajuster la stratégie thérapeutique.

  • 8 priorités pour la numérisation du système de santé Rwandais

    En 2018 le Rwanda avait publié un plan stratégique quinquennal entièrement dédié à la numérisation de son système de santé, ce n’est pas le cas pour la période 2024-2029 dans lequel les aspects numérique sont intégrés dans le plan stratégique global pour la santé. Cependant certaines parties du cinquième plan stratégique pour le secteur de la santé publié en juillet 2024 mentionnent le recours à la digitalisation. Dans cet article Health&Tech Intelligence se penche sur les objectifs du Rwanda en termes de digitalisation du secteur de la santé.

    Faiblesse actuelle : une interopérabilité et une infrastructure “insuffisante”

    Le rapport commence par une analyse de l’état du système de santé au Rwanda. Sur l’aspect digitalisation le rapport désigne 2 principales lacunes. D’une part la faiblesse de l’infrastructure des établissements de santé, ces derniers manquant à la fois d’un entrepôt de données centralisé et des dossiers médicaux électroniques opérationnels, et d’autre part, le manque d’interopérabilité et de normes communes entre les différents systèmes. Egalement le rapport affirme que le manque de cadres établis en matière de gouvernance des données de santé et de mécanismes de financement entravent les efforts déployés pour résoudre ces problèmes.

    5 piliers pour la stratégie de santé du Rwanda, 8 priorités pour le déploiement de la numérisation

    La stratégie de santé du Rwanda pour les 5 prochaines années repose sur 5 piliers : la formation de la main d’œuvre, la modernisation des infrastructures, l’équité dans l’accès aux soins, la gestion des urgences et comme cinquième pilier la recherche, l’innovation, la biomédecine, la réglementation et la numérisation.

    Les 5 piliers de la stratégie de santé du Rwanda

    Pour ce cinquième pilier mentionnant la digitalisation, le ministère de la santé a désigné 8 priorités à travers la mise en œuvre :

    • d’un portail de l’assurance maladie;
    • d’une salle d’intelligence sanitaire;
    • d’un système d’information pour la réponse aux urgences;
    • d’un système d’information pour les agents de santé communautaires;
    • d’un système amélioré de dossiers médicaux électroniques;
    • d’une application de santé pour les citoyens;
    • d’un système national d’information des laboratoires médicaux;
    • d’un système d’information pour la surveillance génomique;

    Ces innovations s’appuieront sur les systèmes existants et les renforceront vial’amélioration de leur interopérabilité et l’implémentation de technologies d’Intelligence Artificielle. Egalement le pilier dédié à la formation de la main d’œuvre inclura le renforcement des compétences en santé numérique des travailleurs de la santé.

    Pour ce qui est des dossiers médicaux physiques dans les établissements de santé publique, la mis en place de leur disparition au profit de solutions numériques a déjà commencé avec la mise en place de la plateforme numérique e-Ubuzima qui vise un déploiement dans tous les établissements de santé du pays avant 2026. E-Ubuzima inclut également une application mobile permettant aux patients de localiser les établissements de santé, de choisir leur médecin et de prendre rendez-vous directement via leur téléphone. Actuellement, e-Ubuzima est déployé dans 15 districts du pays, couvrant plus de 60 hôpitaux de district, 500 centres de santé et des milliers de postes de santé communautaires.

    La numérisation au service de santé maternelle, et de la lutte contre le VIH, le paludisme, la tuberculose et les troubles psychiques

    En plus des priorités précédemment cité, le rapport du ministère de la santé mentionne l’utilisation d’outils numérique pour des thématiques précises lié à certaines problématiques, la santé reproductive, la tuberculose, le paludisme et la santé psychique.

    • la santé reproductive, cela concerne le suivi des grossesses à haut risque, les campagnes de prévention à destination des adolescents, la surveillance des infections sexuellement transmissibles avec, par exemple, le génotypage du VIH pour garantir un dépistage et une prise en charge précoces des cas de résistance médicamenteuse;

     

    • la tuberculose, avec un accent  mis sur la détection communautaire des cas de TB à l’aide d’outils numériques et de nouvelles technologies, permettant d’atteindre rapidement les populations à haut risque afin de prévenir la propagation auprès de leurs contacts rapprochés;

     

    • le paludisme, avec des outils dédiés à la surveillance de sa propagation à de l’utilisation des médicaments pour le soigner afin de limiter les cas de résistance;

     

    • la santé mentale, l’intégration de solutions numériques en santé mentale aura pour objectif d’améliorer les processus de dépistage, de diagnostic, de traitement et de suivi;

    Le numérique également au service de la qualité des soins et de la commande publique

    Le Rwanda compte également utiliser des solutions digitales pour renforcer la qualité des soins. Ceci de deux manières : premièrement avec la mise en place d’un suivi des plaintes des patients, deuxièmement avec la numérisation complète des services de santé communautaires (SSC) afin de faciliter le partage des données entre les différents niveaux des établissements de santé.

    Le Rwanda va également se servir du numérique pour les commande publiques dans le domaine de la santé. Le logiciel eLMIS facilite le suivi, le rapportage et la visualisation facile des niveaux de stock afin de guider les décisions des acheteurs des établissements de santé.

     

  • Afrique du Sud : 200 start-ups medtech accélèrent l’accès aux soins

    E-Santé : Plus de 3 millions de Sud-Africains déjà connectés

    Dès 2019, l’Afrique du Sud met en œuvre la première stratégie nationale de santé numérique du continent, articulée autour de la réduction du coût des soins et de la démocratisation de l’accès, avec un accent sur les dossiers médicaux électroniques (EHR) et la télémédecine.

    Près de 1 milliard de rands ont été investis entre 2020 et 2024 pour moderniser les infrastructures, former les professionnels et sécuriser les échanges de données. La stratégie prévoit l’uniformisation du système public pour que chaque citoyen dispose, d’ici 2025, d’un EHR unique, partagé et protégé. Déjà, plus de 3 millions de patients sont enregistrés dans les provinces pilotes de Gauteng et du Western Cape. L’objectif est de rendre la santé sud-africaine 100% interopérable, du smartphone jusqu’aux grands hôpitaux, posant un cadre de de référence pour l’ensemble du continent.

    +200 start-ups et 56 % des soins digitaux portés par les medtechs

    L’écosystème « healthtech » sud-africain compte désormais plus de 200 start-up et hubs actifs, accélérés par des incubateurs tels que mLab, BioPark ou l’initiative public/privé LifeQ. Porté par un modèle hybride : pilotage par l’État, financement croisé et innovation privée.

    Pilotage & gouvernance :

    • Ministère de la Santé : coordinateur national de la stratégie, responsable des standards et du pilotage institutionnel.
    • NHISSA (National Health Information System South Africa) : gestion des données et implémentation de l’architecture nationale des systèmes d’informations.
    • CSIR (Council for Scientific and Industrial Research) : validation, R&D et appui à la sécurisation des innovations.

    Ecosystème d’innovation :

    • mLab, BioPark, LifeQ : incubateurs et hubs technologiques qui accompagnent, accélèrent et fiabilisent la montée en puissance des jeunes pousses.
    • Universités (University of Cape Town, etc.) : partenaires de formation, de recherche et d’intégration de l’innovation dans la pratique médicale.

    Plusieurs start-ups se sont imposées comme des acteurs de la santé numérique :

    • RecoMed : fondée par Sheraan Amod, cette plateforme de réservation médicale dépasse les 100 000 consultations mensuelles. Son partenariat avec Kaelo Health permet un accès rapide à des consultations virtuelles à moindre coût.
    • Impulse Biomedical : la start-up a conçu le ZiBiPen, un auto-injecteur pour les allergies graves, vendu deux fois moins cher que les solutions existantes. Soutenue par Future Growth, elle incarne une e-santé accessible et inclusive.
    • Envisionit Deep AI : pionnière de l’imagerie diagnostique par IA, cette entreprise a levé 1,65 million USD pour développer la plateforme Radify AI, qui facilite les diagnostics rapides et précis même dans les hôpitaux sous-dotés.
    • NOOSi : une solution tech4good qui connecte infirmiers qualifiés et patients à domicile. L’ambition : redynamiser les soins primaires dans les zones périurbaines et rurales.
    • AwezaMed : validée par le CSIR, cette application traduit les données médicales dans les 11 langues officielles, facilitant la communication médecin-patient et réduisant les erreurs liées à la barrière linguistique.
    • Unu Health : plateforme intégrée public-privé, développée avec Intercare, qui couvre à la fois les bénéficiaires de l’assurance privée et du système public.

    mHealth : 65 % d’accès urbain à la santé mobile, moins de 30 % en zone rurale

    En 2024, la santé mobile (mHealth) est devenue un outil important de prévention et de suivi en Afrique du Sud, avec près de 30 millions de consultations et actes de santé réalisés par ce biais, couvrant le VIH, la tuberculose, la santé maternelle et la vaccination. L’innovation réside dans l’utilisation d’applications multilingues comme AwezaMed : elles permettent d’échanger et de traduire automatiquement les données médicales en 11 langues, rendant l’information accessible à tous, y compris dans les hôpitaux publics. Ces services mobiles, qui incluent aussi WhatsApp et SMS pour l’éducation sanitaire ou la gestion des vaccinations, profitent déjà à 65 % des résidents urbains, tandis que moins de 30 % des populations rurales y ont accès, principalement à cause des inégalités d’infrastructures et d’équipements.

    Cybersécurité, formation, financement : les freins de la santé numérique sud-africaine

    Malgré des progrès, plusieurs obstacles freinent l’essor équitable de la e-santé en Afrique du Sud :

    • Inégalités d’accès : Malgré ces bonds, l’accès rural reste le maillon faible : seulement 1 Sud-Africain sur 3 en zone rurale a aujourd’hui accès à un parcours de soins digitalisé.
    • Protection des données : la mise en œuvre de la loi POPIA reste partielle, et les systèmes manquent encore de garanties robustes en matière de cybersécurité.
    • Durabilité des partenariats public-privé : les PPP doivent encore démontrer leur capacité à assurer une couverture nationale équitable et un financement à long terme.
    • Formation et inclusion : le manque de compétences numériques chez les soignants et les patients freine l’adoption des outils, notamment dans les milieux défavorisés.
    • Déficit d’infrastructure numérique : la couverture réseau incomplète limite l’expansion des services mHealth en dehors des centres urbains.

    EHR, IA, télémédecine : 10 ans de modernisation du système de santé sud-africain

    2011-2014 : Lancement des premiers projets pilotes de gestion électronique des patients et des applications santé ciblant le VIH/sida. Adoption des premiers standards nationaux pour la collecte de données médicales.

    2013 : Création de Vula Mobile, application d’aiguillage médical entre généralistes et spécialistes, particulièrement utile dans les zones rurales.

    2015-2019 : Forte expansion du mHealth et multiplication d’applications pour le suivi des maladies chroniques. Premiers essais de diagnostics assistés par intelligence artificielle, notamment en imagerie médicale. Déploiement des dossiers médicaux électroniques (EHR) sur sites pilotes.

    2019 : Adoption officielle de la Stratégie nationale de santé numérique, avec ambition de généraliser l’EHR à tous les citoyens d’ici 2025.

    2020 : La pandémie de Covid-19 accélère le recours à la télémédecine, à la prescription électronique et à l’éducation de santé de masse via WhatsApp et SMS.

    2021-2024 : Extension des EHR dans plusieurs provinces, montée en puissance d’acteurs innovants (NOOSi, RecoMed, Envisionit Deep AI, AwezaMed, Unu Health), généralisation des solutions de santé mobile et déploiement d’applications multilingues.

    2024-2025 : Accélération du financement et de la deeptech santé (ex : Envisionit Deep AI lève 1,65 M $), partenariats renforcés entre plateformes de santé et assureurs, et intégration croissante de la traduction automatique pour répondre à la diversité linguistique nationale.

     

     

  • Sénégal : 36 milliards FCFA pour structurer une santé numérique encore fragmentée

    • 22 solutions numériques concentrées sur la santé maternelle et infantile.
    • 36 milliards FCFA mobilisés pour le déploiement du numérique en santé d’ici 2025.
    • Plus de 50 projets non interopérables recensés dans le pays.
    • Interconnexion des structures sanitaires et généralisation du dossier patient prévues.
    • La Banque africaine évoque fragmentation, absence de coordination et cadre juridique incomplet.
    • Formation et montée en compétences du personnel de santé comme priorité nationale.

    36 milliards FCFA pour déployer télémédecine et CMU numérique d’ici 2025

    Le Sénégal s’est doté en 2018 d’un Plan Stratégique Santé Digitale (PSSD) qui vise à intégrer les technologies de l’information et de la communication dans l’organisation et la délivrance des soins. Cette stratégie, pilotée par le ministère de la Santé et de l’Action sociale (MSAS), s’inscrit dans le cadre du Plan Sénégal Numérique 2025 et du Plan Sénégal Émergent. Doté d’un budget estimé à 36 milliards FCFA, le PSSD vise quatre objectifs prioritaires :

    • Déployer télémédecine et de la m-santé (mobile).
    • Numériser la couverture maladie universelle (CMU).
    • Renforcer les compétences des professionnels.
    • Améliorer la gouvernance sanitaire grâce aux données.

    50 initiatives non interopérables : Le Sénégal vise l’interconnexion des structures et la généralisation du dossier patient

    Le PSSD prévoit l’interconnexion de toutes les structures sanitaires au réseau fibre national, la généralisation des dossiers patients informatisés et le recours au cloud pour la sécurisation des données médicales. Ce déploiement doit s’appuyer sur les opérateurs télécoms et l’Agence de l’Informatique de l’État (ADIE). La question du coût des services numériques, toujours élevé, reste un obstacle à l’universalisation de l’accès aux soins par le numérique.

    Le Sénégal a identifié le manque de coordination et l’absence de normes communes comme freins : plus de 50 initiatives e-santé non interopérables sont recensées dans le pays. Le PSSD propose la création d’un Comité de pilotage interministériel présidé alternativement par les ministères de la Santé et de l’Économie numérique, et la mise en place d’un Comité technique mixte experts santé/numérique. La Cellule de la Carte sanitaire et sociale, de la santé digitale et de l’observatoire de la santé (CSSDOS) assure la coordination opérationnelle.

    Encadrement des données de santé et montée en compétences : deux chantiers du PSSD

    Le cadre juridique sénégalais sur la protection des données personnelles, déjà existant, doit être renforcé pour couvrir spécifiquement les actes médicaux à distance, la gestion des dossiers patients et l’usage des dispositifs médicaux connectés. Un groupe thématique, adossé à la CSSDOS, est chargé de cette évaluation et de l’élaboration des textes nécessaires.

    La pénurie de professionnels de santé particulièrement en milieu rural représente un frein. Le PSSD prévoit un plan de développement des compétences TIC pour les professionnels, l’intégration d’experts en gestion des données et en infrastructures numériques dans les établissements de santé, ainsi que la formation continue via l’e-learning. L’objectif est aussi de favoriser l’adhésion des personnels à l’évolution numérique des pratiques.

    Les députés formés en vue d’une loi-cadre sur la santé numérique et la télémédecine

    Du 22 au 24 avril, un atelier parlementaire soutenu par ENDA Santé et l’Agence Sen-CSU a réuni les députés pour préparer l’adoption d’une loi-cadre encadrant la santé numérique. Inspiré de la proposition internationale Transform Health, le texte vise à réglementer gouvernance des données, télémédecine et protection des données médicales. Portée par la coalition Transform Health Sénégal, cette initiative s’inscrivait dans le Plan stratégique santé digitale du pays, prévoyant d’intégrer les technologies numériques aux pratiques médicales, de normaliser les outils et de réduire les inégalités d’accès aux soins. Le Dr Papa Djibril Ndoye (ENDA Santé) avait rappelé la nécessité d’un cadre juridique, conforme aux standards internationaux. L’atelier visait à outiller les parlementaires pour structurer un développement numérique sécurisé et accessible à tous.

    Le Sénégal priorise télésanté, m-santé et digitalisation de la CMU

    Le Sénégal vise la cartographie et l’évaluation des initiatives existantes pour assurer leur intégration dans une stratégie unifiée. La priorité est donnée à la télésanté, au mobile santé (m-santé), à la digitalisation de la CMU et au développement de plateformes partagées pour le suivi des patients, la gestion administrative et la collecte des données sanitaires. L’éclatement des projets, les carences en infrastructures, le coût élevé des services numériques et le manque de ressources humaines spécialisées compromettent une mise en œuvre rapide et homogène. La réussite du PSSD dépendra de la capacité des acteurs institutionnels et privés à coordonner leurs efforts.

    Des expérimentations encourageantes

    Si le Sénégal parie sur le numérique pour élargir l’accès aux soins, une étude de la Banque africaine de développement souligne que seules des réformes systémiques permettront une réelle avancée vers la couverture santé universelle (CSU).

    Face à des systèmes de santé sous-financés et inégalement accessibles, le numérique suscite des attentes en Afrique. Au Sénégal, les initiatives de santé mobile, télémédecine ou dématérialisation des paiements se multiplient, à l’image de la plateforme SUNUCMU ou du programme Cellal e Kisal dans le sud du pays. La santé mobile permet de contourner certaines limites d’infrastructures, de pallier la pénurie de personnels et d’améliorer la remontée des données. Toutefois, ces projets restent souvent à l’échelle pilote et peinent à être étendus à l’échelle nationale. L’indice CSU moyen en Afrique reste faible (48/100), bien en deçà de la moyenne mondiale (66/100). Le Sénégal, malgré une dynamique portée par son Plan Sénégal Émergent (PSE), reste confronté aux mêmes enjeux : dépenses de santé limitées (10 % du budget public), inégalités d’accès aux infrastructures et disparités territoriales. La croissance rapide du taux de couverture 3G (79 % en 2019 en Afrique subsaharienne) et l’explosion de la téléphonie mobile ouvrent des perspectives favorables.

    22 solutions de santé numérique identifiées mais peu intégrées au système national, selon Dimagi

    Dans son rapport intitulé ; Analyse du paysage numérique des technologies de la santé au Sénégal, Dimagi (entreprise sociale américaine spécialisée dans le développement de solutions technologiques pour la santé publique et le développement international) recense 22 solutions dans le domaine de la santé numérique au Sénégal, principalement concentrées ; 

    • Sur la santé maternelle.
    • Infantile.
    • Reproductive.
    • Et les maladies chroniques.

    Ces solutions, soutenues majoritairement par des ONG et des partenaires de développement, ont démontré une efficacité ponctuelle en améliorant le suivi médical et l’accès aux soins, notamment dans les zones rurales. Cependant leur mise en œuvre en silos, sans harmonisation ni cadre réglementaire, limite leur interopérabilité et leur intégration au système national de santé. 

    L’analyse met en évidence une offre insuffisante d’outils numériques dédiés à la gestion des maladies chroniques, tropicales négligées et à la nutrition. L’absence de registre national pour ces pathologies, notamment pour les maladies tropicales négligées, entrave la collecte et l’analyse des données nécessaires à l’élaboration de stratégies sanitaires. Le déploiement de solutions de télémédecine reste limité. Les applications recensées concernent principalement la formation des professionnels via des plateformes e-learning, alors que l’offre clinique reste embryonnaire. 

    Recommandations : mutualisation et extension des solutions 

    Le rapport recommande l’adaptation et la montée en charge de deux solutions locales : 

    • E-Kessal Cellal (ONG AMREF), qui couvre le dossier patient, diagnostic, télémédecine et formation.
    • Saving Live at Birth (Aar Leen) (ONG Africare), qui facilite le suivi des grossesses grâce à une plateforme mobile multilingue.

    À l’international, plusieurs solutions sont identifiées : 

    • Approche intégrée du E-Diagnostic (IEDA), développée avec le ministère de la Santé pour appuyer la prise en charge des maladies infantiles.
    • Data Santé Mali, facilitant le partage de dossiers patients au sein des centres de santé.
    • TT Tracker, application mobile pour le suivi des patients opérés du trachome.
    • Anemiapp, outil de gestion de la drépanocytose en République démocratique du Congo, adaptable aux maladies chroniques sénégalaises.

    DPUP : simplifier les parcours, sécuriser les données, personnaliser les soins

    Porté par Eyone Medical et le Ministère de la Santé, le Dossier Patient Unique Partagé (DPUP) vise à centraliser les données médicales des patients sénégalais pour améliorer la coordination des soins. Accessible aux professionnels de santé, ce dossier numérique regroupe prescriptions, antécédents et analyses afin de simplifier les parcours, renforcer la sécurité des informations et personnaliser les prises en charge. Mais la centralisation des données doit permettre une meilleure planification des politiques de santé publique.

    Le projet mise sur la protection des données, avec un contrôle strict des accès, et entend rationaliser la gestion des ressources en remplaçant les dossiers papier. Intégré au Plan Stratégique Santé Digitale, il s’inscrit dans la stratégie nationale de modernisation du secteur, avec l’objectif affiché d’accélérer la couverture santé universelle

    La Banque africaine pointe l’absence de coordination, un manque d’interopérabilité et de cadre juridique

    Plusieurs freins persistent : absence de coordination entre initiatives, plateformes non interopérables, coûts élevés des services numériques, manque de connectivité en zone rurale, faible alphabétisation numérique et lacunes dans la formation des professionnels de santé. Le cadre réglementaire, notamment pour la protection des données médicales, reste en chantier malgré un projet de loi de 2019.

    Selon la Banque africaine de développement, le Sénégal doit avant tout structurer une stratégie numérique transversale, intégrant les différents ministères concernés et les opérateurs technologiques. L’amélioration de la coordination, du suivi-évaluation des projets et la mobilisation de financements pérennes sont jugées prioritaires. La formation initiale et continue des personnels de santé, l’inclusion des langues locales dans les outils numériques et le renforcement du cadre juridique figurent aussi parmi les recommandations essentielles.

    @ Health & Tech Intelligence
    @ Health & Tech Intelligence

     

     

     

  • Sénégal, Rwanda, Afrique du Sud : des cadres réglementaires en construction pour l’IA et les DTx

    Au Sénégal, au Rwanda et en Afrique du Sud, la commercialisation des dispositifs médicaux et des technologies de santé numérique repose sur des démarches réglementaires spécifiques auprès des agences nationales compétentes : ARP (Sénégal), RFDA (Rwanda) et SAHPRA (Afrique du Sud). La structuration progressive des cadres réglementaires dans ces pays ouvre des opportunités pour les acteurs étrangers, à condition d’anticiper les procédures d’autorisation, les normes techniques et les exigences locales de conformité, en particulier pour les technologies comme les DTx et l’IA.

    Sénégal : 45 jours minimum pour obtenir l’autorisation de mise sur le marché des dispositifs médicaux

    Depuis 2022, l’accès au marché sénégalais est supervisé par l’Agence Sénégalaise de Réglementation Pharmaceutique (ARP). Toute importation de dispositifs médicaux ou de solutions numériques de santé doit faire l’objet d’une autorisation préalable, sans dérogation possible, y compris pour les hôpitaux publics. Les dispositifs médicaux de classes C et D nécessitent également une homologation ainsi qu’un certificat de mise en service. Le marquage CE est recommandé mais non suffisant.
    Les procédures incluent :

    • Le dépôt d’un dossier technique complet
    • Une évaluation administrative et technique par un comité d’experts
    • Une validation finale par la Commission nationale du médicament

    Le délai standard est de 45 jours, extensible de 15 jours, avec une autorisation valable 5 ans.

    DTx et IA : au Sénégal, un cadre juridique encore en construction pour la santé numérique

    Les thérapies numériques (DTx) ne bénéficient pas encore d’un statut spécifique. Elles sont intégrées au cadre des dispositifs médicaux et soumises à la classification par niveau de risque (A à D). Les exigences documentaires incluent notamment une démonstration de conformité aux standards internationaux, dont le CE et l’ISO. Le Sénégal travaille sur un projet de loi sur la santé numérique, qui inclura des dispositions sur l’intelligence artificielle. À ce jour, aucune régulation spécifique de l’IA en santé n’existe, bien que la loi n°2008-12 sur la protection des données personnelles serve de référence générale. La stratégie nationale de santé numérique 2025 prévoit un cadre d’interopérabilité et une gouvernance des données, mais les usages de l’IA restent peu encadrés juridiquement. Pour faciliter l’accès au marché, il est fortement conseillé d’établir des partenariats avec des structures locales, afin de s’adapter aux évolutions du cadre réglementaire et de sécuriser les processus d’homologation.

    Rwanda : autorisation obligatoire auprès du RFDA, le pays impose visa, licence et dossier technique complet pour les DTx

    L’autorité de régulation rwandaise (RFDA) encadre les dispositifs médicaux, les DTx et les solutions numériques. Depuis 2024, elle est reconnue par l’OMS avec un niveau de maturité 3, ce qui garantit la qualité de ses processus. Les entreprises souhaitant accéder au marché doivent :

    • Obtenir un visa d’importation.
    • Puis une licence d’importation finale, réservée aux acteurs agréés (distributeurs, établissements de santé, ONG, etc.).
    • Fournir un dossier technique complet, comprenant les certifications CE ou ISO, une notice multilingue et un étiquetage conforme.

    Des inspections physiques sont possibles à l’arrivée des produits. La centralisation des données est obligatoire pour garantir la traçabilité.

    IA en santé : le Rwanda prépare son cadre législatif avec le soutien du Forum économique mondial

    Le Rwanda ne dispose pas encore de cadre autonome pour les Digital Therapeutics. Elles sont évaluées selon les mêmes procédures que les DM, avec des critères de sécurité, efficacité et conformité technique. Le RFDA valide ces solutions après une évaluation technique approfondie, sans classification distincte. Le Centre pour la Quatrième Révolution Industrielle, en lien avec le Forum économique mondial, pilote la création du cadre législatif IA. Plusieurs projets d’IA sont déjà en déploiement, notamment Babyl, un système de télémédecine utilisé par des milliers de patients. Cependant, la législation reste en cours de développement. Des recommandations internationales (OMS, UNESCO) sont appliquées en attendant un texte national. Toute application intégrant de l’IA doit démontrer sa conformité éthique et technique, et s’assurer de l’hébergement local des données de santé, conformément à la loi de 2021 sur la protection des données.

    Afrique du Sud : les DTx encadrées comme dispositifs médicaux par la SAHPRA

    En Afrique du Sud, le South African Health Products Regulatory Authority (SAHPRA) est l’organisme de référence pour l’enregistrement des produits de santé. Les dispositifs médicaux numériques, y compris les DTx, doivent être certifiés selon les critères nationaux, notamment en matière de :

    • Sécurité clinique
    • Efficacité thérapeutique
    • Conformité au POPIA, la loi sur la protection des données personnelles

    L’absence de classification spécifique pour les DTx implique leur traitement dans le cadre général des DM.

    La conformité au POPIA devient un passage obligé en Afrique du Sud

    L’importation de solutions numériques (IA, DTx, logiciels, capteurs) est conditionnée au respect des réglementations tarifaires, douanières et sanitaires en vigueur. Le Department of Trade, Industry and Competition (DTIC) est l’interlocuteur pour les démarches d’importation, d’investissement et d’établissement local.

    Les technologies importées doivent :

    • Obtenir une certification SAHPRA
    • Respecter les exigences POPIA sur les données sensibles
    • Fournir une documentation complète, traduite si nécessaire

    L’Afrique du Sud a publié en 2024 un cadre stratégique national sur l’IA, actuellement en phase de consultation publique. Il établit des principes autour de la transparence algorithmique, de la non-discrimination, du contrôle humain, et de la protection de la vie privée.

    Sans loi dédiée, les projets IA en santé avancent sous surveillance du DCDT en Afrique du Sud

    À ce jour, aucune loi spécifique sur l’IA en santé n’est encore en vigueur, mais plusieurs outils sont en développement (chatbots, diagnostics automatiques, plateformes prédictives). Les autorités recommandent une veille réglementaire active et la consultation avec le DCDT (Department of Communications and Digital Technologies). L’Afrique du Sud dispose de 98,8 % de couverture 4G, d’un fort taux de connectivité en zones urbaines, mais souffre encore d’un accès limité à Internet dans les zones rurales (39 %), ce qui peut ralentir l’adoption des technologies dans certaines régions.

    Entre cadres réglementaires en construction et exigences techniques, le Sénégal, le Rwanda et l’Afrique du Sud affichent une même tendance : organiser et sécuriser l’accès à leur marché de la santé numérique. Dans un contexte où les DTx et les technologies d’IA restent encore sans statut juridique spécifique, ces trois pays imposent aux opérateurs de composer avec des démarches locales et un environnement en évolution.

  • Leapfrogging en Afrique : Rwanda, Maroc et Afrique du Sud en tête de la santé numérique (rapport IQVIA)

    • La digitalisation des systèmes de santé africains progresse, mais reste très inégale selon les pays.
    • Le taux de digitalisation sanitaire du continent est estimé à 17,75 %.
    • Le développement du numérique en santé repose moins sur le niveau économique que sur la volonté politique et la gouvernance.
    • Le mobile (taux de pénétration de 80 %, voire 90 % selon les pays) constitue un levier.
    • Le phénomène de leapfrogging permet à l’Afrique de contourner les infrastructures physiques.
    • Le Rwanda, le Maroc et l’Afrique du Sud sont identifiés comme les pays les plus avancés par IQVIA.

    Des trajectoires nationales contrastées : IQVIA appelle à renforcer les politiques nationales

    La transition numérique des systèmes de santé en Afrique progresse (le taux de digitalisation sanitaire en Afrique est estimé à 17,75%), mais reste inégale et confrontée à des obstacles (interopérabilité, manque d’équipements et de personnels, manque de formation). C’est ce que met en lumière le rapport « Digital Health Systems in Africa » publié par IQVIA. Le document propose une analyse comparative de la maturité numérique des pays africains et propose des pistes pour renforcer le développement de la santé digitale sur le continent.

    Avec une population appelée à représenter 26% de la population mondiale d’ici 2050, une jeunesse majoritairement connectée (le taux de pénétration du mobile atteint 80% sur le continent, dépassant même 90% dans certains pays). Cela facilite l’accès aux solutions de santé mobile, notamment dans les zones rurales. La pression exercée par les maladies non transmissibles (MNT) s’ajoute à la persistance des maladies infectieuses et aux effets du changement climatique, imposant aux pays africains d’adapter et de renforcer leur système de santé.

    Leapfrogging : l’Afrique contourne les infrastructures physiques pour moderniser sa santé

    Le numérique offre au continent une opportunité de « leapfrogging » (saute-mouton), en contournant les étapes traditionnelles de développement des infrastructures physiques pour investir directement dans des solutions digitales, et contourner les freins : pénurie de personnel, dispersion géographique des populations, sous-investissement chronique.

    Selon IQVIA, en Afrique, le lien de causalité entre niveau de richesse et maturité numérique est relatif. La réussite dépend surtout de la volonté politique et de la capacité des gouvernements à coordonner les ressources. Le continent se partage entre quelques pays en phase de montée en échelle régionale.

    Rwanda, Maroc, Afrique du Sud : les champions africains de la santé numérique

    Le rapport IQVIA établit un score de maturité numérique en santé pour chaque pays, en s’appuyant sur quatorze critères allant des politiques publiques aux infrastructures, en passant par l’usage des données et les compétences des acteurs. Ce classement révèle des disparités :

    • Le Rwanda, l’Afrique du Sud et le Maroc figurent parmi les pays les plus avancés.
    • La majorité des pays d’Afrique subsaharienne restent à un stade dit « en développement » ou « sous-développé », comme le Sénégal, le Niger ou le Burkina Faso.
    • Aucune corrélation n’est observée entre le PIB par habitant et la maturité numérique : la réussite repose principalement sur la volonté politique, la coordination nationale et les partenariats structurés.

    L’exemple du Rwanda est cité comme référence : politique nationale cohérente, investissement dans la connectivité 4G/5G, EHR national, systèmes d’identification numérique des patients et implication des agents communautaires dans la collecte de données.

    @ Extrait du rapport ; Digital Health Systems in Africa (IQVIA)

     

    Rwanda : un système structuré autour du RHIE et des agents communautaires, mais un modèle encore dépendant des partenaires internationaux

    Le Rwanda, qui compte 14 millions d’habitants, dispose d’une stratégie e-santé nationale, soutenue par le gouvernenement. Cette dynamique se traduit notamment par le déploiement du Rwanda Health Information Exchange (RHIE), un système de dossier patient unifié déployé dès 2012. Les infrastructures télécoms nationales, avec une couverture 4G de 99 % atteinte dès 2021, soutiennent également cette politique publique. Sur le terrain, 45 000 agents communautaires de santé équipés de smartphones assurent le suivi des patients en zones rurales. Le Rwanda s’appuie enfin sur des partenariats internationaux, comme ceux noués avec Gavi, USAID ou le Global Fund, pour renforcer ses capacités techniques et financières.

    Afrique du Sud : un modèle de santé numérique privé porté par Discovery Health et DHIS2, mais freiné par l’absence de coordination publique et de DPE national

    En Afrique du Sud, le développement de la santé numérique repose avant tout sur un secteur privé dynamique. Des acteurs comme Discovery Health assurent une part importante des services de télémédecine et des innovations ciblées. Côté infrastructures, le pays a déployé la plateforme DHIS2, intégrant progressivement la gestion des ressources humaines de santé. Mais IQVIA relève une difficulté : la faiblesse de l’intégration avec le secteur public. Les systèmes électroniques restent centrés sur des maladies spécifiques (VIH/sida, tuberculose) et le pays peine à mettre en place un dossier patient national unifié.

    Au Maroc, le développement repose sur le SIH et le télésuivi des patients

    Le Maroc figure également parmi les pays les plus avancés. Les infrastructures numériques progressent, notamment en zones rurales, et l’État pilote le développement de systèmes d’information hospitaliers (SIH) et de dispositifs de télésuivi des patients. La priorité marocaine porte sur l’amélioration de l’interopérabilité et sur la réduction des disparités régionales. Le pays exploite son réseau de soins primaires pour déployer progressivement des solutions mobiles de santé. Toutefois, l’absence d’une stratégie nationale unifiée autour du dossier patient électronique reste une limite identifiée par IQVIA, qui souligne la nécessité d’un cadre plus clair pour favoriser les collaborations public-privé.

    Fragmentation des projets et manque d’EHR limitent les progrès en Afrique

    Le rapport IQVIA identifie cinq défis pour la digitalisation du secteur :

    • Disparité public/privé : Les innovations sont souvent portées par le secteur privé, mieux financé et plus agile. Le secteur public peine à suivre, faute de moyens et de coordination.
    • Dossiers patients électroniques (EHR) sous-développés : Peu de pays disposent d’un système EHR national fonctionnel. Les solutions existantes sont souvent sectorielles (HIV, tuberculose) et peu interopérables. Le manque d’infrastructures informatiques et de compétences limite le déploiement à grande échelle.
    • Mobile Health (mHealth) hétérogène : Les initiatives mobiles sont nombreuses mais dispersées. Bien qu’elles permettent de surmonter les déficits d’infrastructures physiques, leur développement reste inégal selon les pays et les usages.
    • Problèmes de passage à l’échelle (« pilotitis ») : Nombreux projets pilotes peinent à se transformer en solutions nationales. Les initiatives, souvent portées par des bailleurs externes, manquent de financement pérenne et d’intégration institutionnelle.
    • Systèmes peu adaptés aux futures priorités sanitaires : Les systèmes numériques existants restent centrés sur la gestion des maladies infectieuses, alors que les MNT deviennent la première cause de morbidité. Il manque une stratégie anticipant cette évolution.

    DHIS2, OpenMRS, Bahmni : des solutions open source à généraliser

    Pour IQVIA, le développement d’un socle numérique commun passe par l’adoption de solutions open source interopérables, comme DHIS2 (District Health Information System 2), OpenMRS (Open Medical Records System) ou Bahmni. Ces solutions, déjà déployées dans plusieurs pays, permettent de créer des dossiers patients unifiés, de faciliter la surveillance épidémiologique et d’alimenter les systèmes nationaux d’information sanitaire.

    L’intégration de ces outils suppose une politique publique en matière de gouvernance des données, de protection de la vie privée et d’interopérabilité des systèmes. Elle nécessite aussi une mobilisation des ressources humaines, à travers la formation des professionnels de santé et des agents administratifs au recueil et à la gestion des données.

    Le rapport insiste sur la nécessité de développer des partenariats public-privé structurés. Ces collaborations permettent de mobiliser des financements privés tout en garantissant la supervision et l’orientation stratégique par les autorités publiques. Le modèle des infrastructures de télécommunication, où le privé investit sous contrôle réglementaire public, pourrait inspirer les futurs projets numériques en santé.

    @ Extrait du rapport ; Digital Health Systems in Africa (IQVIA)

    Mutualiser les infrastructures et le développement des EHR pour surveiller les maladies chroniques

    Face à la dispersion des initiatives, IQVIA préconise aussi la mise en place de standards régionaux, qui faciliteraient l’interopérabilité des systèmes nationaux et accéléreraient la diffusion des innovations. Le développement d’une infrastructure mHealth open source, intégrée aux systèmes nationaux, est identifié comme un chantier. Cette approche mutualisée permettrait de réduire les coûts et d’éviter la duplication des projets.

    Alors que les maladies cardiovasculaires, le diabète et les cancers prennent le relais des maladies infectieuses dans la charge globale de morbidité, IQVIA alerte sur l’inadéquation des systèmes numériques africains face à cette transition épidémiologique. Le développement d’une information sanitaire fiable et centralisée, via les EHR et les systèmes de surveillance, est jugé indispensable pour planifier et adapter les politiques publiques de prévention et de prise en charge des MNT. Cela implique également une meilleure intégration des dispositifs de télémédecine, pour renforcer l’accès aux soins spécialisés dans les zones reculées.

    Des projets numériques éphémères faute d’intégration dans les politiques nationales

    L’analyse d’IQVIA souligne que les obstacles à la digitalisation ne relèvent pas tant du financement que de la gouvernance. Le financement des systèmes numériques doit reposer sur une planification à long terme, associant investissements initiaux et prévisions de maintenance, pour éviter la multiplication des projets éphémères. L’institutionnalisation des projets – via leur intégration dans les stratégies nationales – est préconisée. L’Afrique a l’opportunité d’accélérer la modernisation de ses systèmes de santé grâce aux technologies numériques. Le développement du mobile et une jeunesse connectée offrent un terrain favorable. Pour transformer l’essai, les pays doivent miser sur des infrastructures partagées, la formation, un cadre juridique et des partenariats équilibrés.