Data-Indicateur

  • Détection des chutes, partage intelligent des informations… 21 cas d’usage de l’IA pour le médico-social

    7 cas d’usage de l’IA pour sécuriser sans stigmatiser

    Dans l’intimité des lieux de vie, le premier défi est d’assurer la sécurité des personnes vulnérables sans tomber dans une surveillance intrusive, comme l’usage de caméras, ou stigmatisante, à l’image des médaillons souvent oubliés ou refusés. L’IA rend aujourd’hui possible une approche “ambient” et prédictive.

    Des dispositifs d’acoustique intelligente ou des boîtiers analysant les perturbations des ondes Wi-Fi s’intègrent désormais discrètement dans les chambres. Sans jamais enregistrer de conversations ni filmer la moindre image, ces systèmes sont capables de distinguer une chute à travers les murs, d’identifier une détresse respiratoire ou de repérer une déambulation nocturne anormale. Parallèlement, des technologies radars millimétriques ou des analyses biomécaniques de la marche et des micro-mouvements oculaires permettent d’anticiper la fragilité motrice ou le déclin cognitif bien avant l’apparition de symptômes cliniques évidents. L’intervention soignante passe ainsi de la réaction d’urgence à la prévention ciblée, tout en supprimant la nécessité des rondes nocturnes systématiques qui perturbent le sommeil des résidents.

    8 cas d’usage de l’IA pour libérer du temps au soignant

    Au-delà de la chambre, l’IA s’attaque au mal du siècle dans le médico-social : la charge administrative qui dévore le temps de présence auprès des bénéficiaires. Dans ce domaine, les algorithmes agissent comme des assistants de l’ombre capables de traiter des données massives pour redonner du sens au métier.

    La voix devient une interface privilégiée. Des outils de reconnaissance vocale spécialisés permettent aux soignants de dicter leurs observations en temps réel, l’IA se chargeant de structurer ces notes en comptes-rendus conformes pour justifier les dotations de soins (GIR, PATHOS). Cette automatisation s’étend au pilotage global de la qualité et des risques : l’IA catégorise instantanément les déclarations d’événements indésirables (chutes, fugues), met à jour le Document Unique (DUERP) et synthétise en quelques secondes les centaines de verbatims issus des enquêtes de satisfaction obligatoires. Le pilotage des établissements s’en trouve considérablement fluidifié, soutenu par des plateformes CRM intelligentes qui centralisent les plannings et vont jusqu’à analyser les retours d’assiettes en salle à manger pour limiter le gaspillage et prévenir la dénutrition.

    3 cas d’usage de l’IA pour orchestrer le maintien à domicile

    Cette logique d’optimisation dépasse les murs des établissements pour repenser le maintien à domicile, un secteur qui souffre traditionnellement d’un morcellement critique des interventions entre aides à domicile, infirmiers et professionnels paramédicaux.

    Ici, l’IA endosse le rôle de chef d’orchestre. En analysant les transmissions numériques quotidiennes, elle parvient à valoriser les observations de terrain — souvent les premiers signaux faibles d’une dégradation — pour les transformer en alertes médicales. Si plusieurs intervenants notent une baisse d’appétit ou une fatigue inhabituelle, le système croise ces données et prévient l’infirmière coordinatrice. Couplées à des plateformes de télé-visite et de suivi environnemental, ces capacités de prédiction centralisent les informations à l’échelle du territoire (SPASAD, CPTS), permettant d’anticiper les crises et de réduire drastiquement les hospitalisations non programmées.

    3 cas d’usage pour maintenir le lien social et pallier l’isolement

    Enfin, la technologie s’aventure sur le terrain délicat du soutien psychologique. Face à la solitude et à l’anxiété qui accélèrent le déclin cognitif, l’IA propose des palliatifs qui, sans remplacer la chaleur d’une présence physique, offrent une disponibilité continue.

    Pour les patients atteints de troubles cognitifs qui ne peuvent plus utiliser de smartphones, des téléphones traditionnels sans boutons font leur apparition, permettant de dialoguer naturellement avec des compagnons vocaux multilingues capables de stimuler la mémoire et d’alerter les proches en cas de détresse. Pour les malades chroniques et leurs aidants souvent isolés, des agents conversationnels basés sur les thérapies cognitivo-comportementales offrent une écoute 24h/24. En parallèle, la robotique sociale déployée dans les foyers de vie s’affirme comme un excellent outil de médiation, facilitant les interactions de groupe sous la supervision des équipes éducatives.

    Cartographie des cas d’usage de l’IA pour le médico-social :

    Cette cartographique est mise à jour et dynamique ; Vous pouvez cliquer sur chaque champ pour consulter plus d’informations, trier, filtrer, etc.

  • Médico-social : 36 solutions d’intelligence artificielle utilisées en France

    Des solutions structurées autour de 4 axes

    Le secteur médico-social français (Ehpad, résidences autonomie, maintien à domicile) fait face à un double défi : le vieillissement accéléré de la population et une pression croissante sur les effectifs soignants. Face à cette réalité, l’IA s’impose non plus comme un gadget futuriste, mais comme un véritable levier opérationnel.

    L’analyse d’une trentaine de solutions actuellement déployées ou en cours de déploiement en France révèle un marché dynamique, fortement encadré par la réglementation (marquage CE, AI Act), qui se structure autour de quatre grands axes d’innovation.

    Informations sur les 36 solutions d’IA :

    Cette cartographique est mise à jour et dynamique ; Vous pouvez cliquer sur chaque champ pour consulter plus d’informations, trier, filtrer, etc.

    16 solutions pour la surveillance des personnes vulnérables

    C’est le segment le plus dense du marché. L’objectif est clair : prévenir les chutes et les situations de détresse sans entraver la liberté des résidents. On observe une transition technologique majeure des dispositifs portables (wearables) vers des solutions ambiantes dites “sans contact”.

    • L’analyse de l’environnement physique et sonore : Des solutions comme OsoAI (Orikio) utilisent l’acoustique pour détecter les appels à l’aide ou les détresses respiratoires, tandis que Kepler Night Nurse et Missia s’appuient sur la vision par ordinateur (sans enregistrer les images pour préserver l’intimité) afin de surveiller les levers et prévenir les escarres.

    • Les ondes et radars : Pour une discrétion absolue (pas de caméra, pas de micro), des outils comme ZoeFall, aiCare System et Silver Shield exploitent la déformation des signaux wi-fi ou radar pour détecter les chutes avec une précision frôlant les 99 %.

    • L’éclairage intelligent : L’intégration de la prévention dans le mobilier est illustrée par les lampes connectées Nobi Smart Lamps et Aladin+, qui combinent éclairage préventif nocturne et détection de chute.

    • Les dispositifs portables traditionnels évolués : Les balises et montres (comme Dona Care, Sidly, CarePredict ou Legrand Care) restent très présentes, couplant localisation et détection automatique grâce au machine learning.

    La quasi-totalité de ces solutions de prévention d’urgence sont classées à “haut risque” (AI Act) en raison de leur impact direct sur la sécurité vitale des patients.

    7 solutions d’IA pour l’anticipation de la dégradation de la santé

    L’IA ne se contente plus de réagir ; elle anticipe la dégradation de l’état de santé grâce à l’analyse prédictive et à l’identification de nouveaux biomarqueurs.

    • Neurologie et motricité : DigiPark analyse les symptômes de la maladie de Parkinson en temps réel. NeuroClues transforme l’oculométrie (eye-tracking) en “stéthoscope du cerveau” pour le diagnostic précoce des maladies neurodégénératives. De son côté, AbilyCare évalue le risque de chute en quantifiant la marche et l’équilibre.

    • Prédiction des hospitalisations : Des plateformes comme Presage Care et Epoca croisent les données cliniques ou les questionnaires des aidants pour détecter les signaux faibles de fragilité et anticiper les hospitalisations non programmées (à 7-14 jours).

    • Écosystèmes globaux : HiNounou propose un kit complet (tensiomètre, oxymètre, etc.) créant un “jumeau numérique” du patient pour détecter précocement les maladies chroniques.

    7 solutions pour l’allègement administratif et la coordination des soignants

    La réduction de la charge mentale des professionnels est un enjeu crucial de rétention des talents dans le médico-social. Les outils logiciels à risque minimal (transparence et organisation) utilisent l’IA pour fluidifier le travail.

    • Dictée et compte-rendu : Speakli utilise le traitement du langage naturel (NLP) pour automatiser les transmissions de soins par la voix, structurant les données réglementaires sans effort de saisie.

    • Gestion de la qualité et de la conformité : Qualinéo intègre un “Copilote IA” (basé sur des LLM) pour trier les événements indésirables, analyser les plaintes et suggérer des actions correctives.

    • Coordination des parcours : Des logiciels comme NETsoins, Odoo CRM appliqué aux Ehpad, Birdie, Septeo ou Médiateam centralisent les données, prédisent les besoins en ressources humaines et fluidifient le lien entre la ville, l’hôpital et le domicile.

    4 robots utilisés en France

    Bien que plus prospectifs, les robots et les interfaces conversationnelles s’installent progressivement pour des tâches de logistique ou de stimulation.

    • Assistants logistiques : The Mirokaï (Enchanted Tools) et Kompai Assist déchargent le personnel en transportant du petit matériel, guidant les visiteurs ou animant des exercices, dans une approche de robotique de service transparente.

    • Compagnons cognitifs : Pour lutter contre l’isolement, ElliQ (robot interactif) et Amical (intégré directement dans un téléphone fixe traditionnel pour les patients Alzheimer) stimulent les fonctions cognitives via le langage naturel, sans nécessiter d’apprentissage technologique de la part du senior.

    En plus de ces quatre axes, il y a deux solutions bien spécifiques qui ciblent des niches stratégiques :

    • la dénutrition : Skeal utilise le deep learning pour analyser les photos des plateaux-repas en établissement, mesurant les portions consommées pour alerter sur la dénutrition et réduire le gaspillage alimentaire.

    • la stratégie territoriale : RevealCare croise des millions de données (big data) pour aider les bailleurs sociaux et collectivités à cartographier et anticiper les besoins d’autonomie à l’échelle d’une région.

    Cartographie des solutions d’IA utilisées en France :

    Cette cartographique est mise à jour et dynamique ; Vous pouvez cliquer sur chaque champ pour consulter plus d’informations, trier, filtrer, etc.

     

  • 12 solutions d’IA pour les mutuelles : une création de valeur déjà visible, mais très inégale selon les usages

    12 solutions recensées, dont 6 dédiées à la gestion et au service adhérents

    Les 12 solutions se répartissent en 4 catégories fonctionnelles. La première, la plus dense, regroupe 6 solutions d’automatisation de gestion et de relation adhérents : Klaimy, Webotit.ai, Rizlum, Erenai, Qantev et Camber Claims Automation.

    La deuxième rassemble 4 solutions de prévention et d’engagement : Novacare de MoneyTrack, Alan, Smart Wellbeing de Medicus AI, et RevealCare d’ALOGIA group. Les deux dernières catégories sont plus ciblées, avec 1 solution de coordination pour pathologies chroniques, Chronik Care, et 1 solution d’agrégation de services santé-assurance, Care.Foormi.

    98% de précision : l’automatisation documentaire constitue le segment le plus mature

    La valeur la mieux objectivée se concentre dans les usages documentaires et transactionnels. Klaimy affiche une précision supérieure à 98% pour l’extraction des pathologies à partir de documents médicaux complexes, avec une réduction significative du temps de traitement et un renforcement de la conformité et de l’auditabilité.

    Dans la même logique, Rizlum automatise l’extraction intelligente, l’OCR, la synthèse et l’assistance à la décision via des modèles spécialisés déployables localement ou en SaaS, tandis que Camber Claims Automation cible la validation, la soumission et le suivi des réclamations avec réduction des erreurs et accélération des paiements. Qantev complète cet ensemble en positionnant l’IA sur la gestion des sinistres, la détection de fraude et l’optimisation des réseaux de soins.

    30 à 50% de charge de support en moins : la relation adhérents devient un terrain prioritaire

    La relation adhérents apparaît comme l’autre grand pôle de création de valeur. Webotit.ai documente une réduction de 30 à 50% de la charge de support grâce à la déflexion des emails et appels, une baisse du backlog emails pouvant atteindre 60%, une amélioration du NPS de 15 points et un objectif de résolution d’au moins 90% des demandes de premier niveau sans escalade humaine.

    Erenai pousse plus loin encore la logique d’industrialisation du service client, avec une automatisation pouvant atteindre 80% des interactions, une cartographie de 99% des demandes et un brouillon de réponse disponible pour 89% des demandes cartographiées. Ces résultats suggèrent que, pour les mutuelles, le front-office digitalisé devient un levier simultané de productivité, de réactivité et de standardisation des réponses.

    1,5 million d’assurés : la prévention personnalisée devient un second front stratégique

    Le corpus identifie 4 solutions de prévention et d’engagement, mais avec des degrés de maturité différents. Novacare est la plus structurée en matière de ciblage prédictif, avec un déploiement auprès d’une mutuelle représentant 1,5 million d’assurés et une ambition de montée en charge sur plusieurs millions de personnes protégées.

    Son intérêt stratégique réside dans la capacité à faire émerger, au bon moment, des services de prévention ou d’accompagnement souvent sous-utilisés. Alan et Smart Wellbeing prolongent cette logique par des dispositifs de santé et de bien-être orientés expérience utilisateur, tandis que RevealCare applique l’IA et le big data à l’anticipation des besoins des seniors et à la prévention de la perte d’autonomie.

    1 milliard de données et 250 000 seniors : l’IA élargit le rôle des mutuelles au-delà du remboursement

    RevealCare se distingue par la quantité de données traitées, avec plus d’un milliard de données analysées en temps réel, 250 000 seniors adoptants et 84 partenaires en 2024. La solution illustre un déplacement de la proposition de valeur des mutuelles vers l’anticipation des besoins, la priorisation des interventions et l’optimisation des investissements de prévention.

    Dans un registre différent, Chronik Care et Care.Foormi montrent que l’IA peut aussi soutenir une logique de parcours intégré. La première structure le suivi des maladies chroniques complexes autour d’un pilotage personnalisé et d’outils d’éducation thérapeutique ; la seconde vise un guichet numérique unifié combinant assurance, accès aux soins, gestion administrative et dossier numérique.

    5 risques majeurs : conformité, intégration, qualité des données, preuve, supervision

    Les solutions recensées font apparaître 5 risques structurants. Le premier est réglementaire, avec des références explicites au RGPD, à l’ACPR, à l’IA Act, à l’HDS, ou encore à la souveraineté et à l’hébergement local des données.

    Le deuxième tient à l’intégration aux systèmes existants, qu’il s’agisse des SI mutuelles, CRM, bases contractuelles, messageries ou environnements métiers. Le troisième concerne la qualité des données en entrée, décisive pour l’extraction, la classification et la personnalisation. Le quatrième réside dans l’hétérogénéité des preuves publiées selon les solutions. Le cinquième, enfin, est celui du maintien d’une supervision humaine sur les cas sensibles, complexes ou à forte portée décisionnelle.

    12 solutions, mais deux dynamiques distinctes de retour sur investissement

    L’ensemble dessine deux dynamiques de ROI. La première, déjà démontrée, concerne l’automatisation des tâches répétitives, documentaires et conversationnelles, où les gains de coût, de délai et de productivité sont les plus explicites.

    La seconde, plus stratégique mais moins uniformément mesurée, concerne la prévention, l’engagement et l’accompagnement dans la durée. Pour les mutuelles, l’enjeu n’est donc pas seulement d’automatiser la gestion, mais de convertir l’IA en capacité d’orientation, de fidélisation et d’activation de services à plus forte valeur ajoutée.

  • 12 solutions d’IA pour les mutuelles : une création de valeur déjà visible, mais très inégale selon les usages

    12 solutions recensées, dont 6 dédiées à la gestion et au service adhérents

    Les 12 solutions se répartissent en 4 catégories fonctionnelles. La première, la plus dense, regroupe 6 solutions d’automatisation de gestion et de relation adhérents : Klaimy, Webotit.ai, Rizlum, Erenai, Qantev et Camber Claims Automation.

    La deuxième rassemble 4 solutions de prévention et d’engagement : Novacare, Alan, Smart Wellbeing et RevealCare. Les deux dernières catégories sont plus ciblées, avec 1 solution de coordination pour pathologies chroniques, Chronik Care, et 1 solution d’agrégation de services santé-assurance, Care.Foormi.

    98% de précision : l’automatisation documentaire constitue le segment le plus mature

    La valeur la mieux objectivée se concentre dans les usages documentaires et transactionnels. Klaimy affiche une précision supérieure à 98% pour l’extraction des pathologies à partir de documents médicaux complexes, avec une réduction significative du temps de traitement et un renforcement de la conformité et de l’auditabilité.

    Dans la même logique, Rizlum automatise l’extraction intelligente, l’OCR, la synthèse et l’assistance à la décision via des modèles spécialisés déployables localement ou en SaaS, tandis que Camber Claims Automation cible la validation, la soumission et le suivi des réclamations avec réduction des erreurs et accélération des paiements. Qantev complète cet ensemble en positionnant l’IA sur la gestion des sinistres, la détection de fraude et l’optimisation des réseaux de soins.

    30 à 50% de charge de support en moins : la relation adhérents devient un terrain prioritaire

    La relation adhérents apparaît comme l’autre grand pôle de création de valeur. Webotit.ai documente une réduction de 30 à 50% de la charge de support grâce à la déflexion des emails et appels, une baisse du backlog emails pouvant atteindre –60%, une amélioration du NPS de 15 points et un objectif de résolution d’au moins 90% des demandes de premier niveau sans escalade humaine.

    Erenai pousse plus loin encore la logique d’industrialisation du service client, avec une automatisation pouvant atteindre 80% des interactions, une cartographie de 99% des demandes et un brouillon de réponse disponible pour 89% des demandes cartographiées. Ces résultats suggèrent que, pour les mutuelles, le front-office digitalisé devient un levier simultané de productivité, de réactivité et de standardisation des réponses.

    1,5 million d’assurés : la prévention personnalisée devient un second front stratégique

    Le corpus identifie 4 solutions de prévention et d’engagement, mais avec des degrés de maturité différents. Novacare est la plus structurée en matière de ciblage prédictif, avec un déploiement auprès d’une mutuelle représentant 1,5 million d’assurés et une ambition de montée en charge sur plusieurs millions de personnes protégées.

    Son intérêt stratégique réside dans la capacité à faire émerger, au bon moment, des services de prévention ou d’accompagnement souvent sous-utilisés. Alan et Smart Wellbeing prolongent cette logique par des dispositifs de santé et de bien-être orientés expérience utilisateur, tandis que RevealCare applique l’IA et le big data à l’anticipation des besoins des seniors et à la prévention de la perte d’autonomie.

    1 milliard de données et 250 000 seniors : l’IA élargit le rôle des mutuelles au-delà du remboursement

    RevealCare se distingue par la quantité de données traitées, avec plus d’un milliard de données analysées en temps réel, 250 000 seniors adoptants et 84 partenaires en 2024. La solution illustre un déplacement de la proposition de valeur des mutuelles vers l’anticipation des besoins, la priorisation des interventions et l’optimisation des investissements de prévention.

    Dans un registre différent, Chronik Care et Care.Foormi montrent que l’IA peut aussi soutenir une logique de parcours intégré. La première structure le suivi des maladies chroniques complexes autour d’un pilotage personnalisé et d’outils d’éducation thérapeutique ; la seconde vise un guichet numérique unifié combinant assurance, accès aux soins, gestion administrative et dossier numérique.

    5 risques majeurs : conformité, intégration, qualité des données, preuve, supervision

    Les solutions recensées font apparaître 5 risques structurants. Le premier est réglementaire, avec des références explicites au RGPD, à l’ACPR, à l’IA Act, à l’HDS, ou encore à la souveraineté et à l’hébergement local des données.

    Le deuxième tient à l’intégration aux systèmes existants, qu’il s’agisse des SI mutuelles, CRM, bases contractuelles, messageries ou environnements métiers. Le troisième concerne la qualité des données en entrée, décisive pour l’extraction, la classification et la personnalisation. Le quatrième réside dans l’hétérogénéité des preuves publiées selon les solutions. Le cinquième, enfin, est celui du maintien d’une supervision humaine sur les cas sensibles, complexes ou à forte portée décisionnelle.

    12 solutions, mais deux dynamiques distinctes de retour sur investissement

    L’ensemble dessine deux dynamiques de ROI. La première, déjà démontrée, concerne l’automatisation des tâches répétitives, documentaires et conversationnelles, où les gains de coût, de délai et de productivité sont les plus explicites.

    La seconde, plus stratégique mais moins uniformément mesurée, concerne la prévention, l’engagement et l’accompagnement dans la durée. Pour les mutuelles, l’enjeu n’est donc pas seulement d’automatiser la gestion, mais de convertir l’IA en capacité d’orientation, de fidélisation et d’activation de services à plus forte valeur ajoutée.

  • Observance : 17 solutions qui redéfinissent la chaîne de l’adhérence thérapeutique

    L’anticipation et la personnalisation par la données

    Avant même que le patient ne prenne son traitement, la donnée permet de modéliser le risque et d’adapter la posologie pour éviter les effets indésirables (première cause d’abandon).

    • Les algorithmes prédictifs de Sêmeia : Véritable pionnier de la prédiction, Sêmeia croise les données cliniques des hôpitaux avec l’historique de l’Assurance maladie (SNDS). Leurs algorithmes identifient les profils à haut risque de rupture thérapeutique, permettant aux soignants d’agir de manière préventive.

    • Les jumeaux numériques de Biotrial (ex-ExactCure) : La solution de Biotrial repose sur le concept fascinant du “jumeau numérique”. L’IA simule l’efficacité et la concentration des médicaments dans le sang en fonction des caractéristiques personnelles du patient (âge, génétique, fonction rénale). En évitant le sous-dosage ou le surdosage, l’outil prévient les toxicités qui poussent les patients à décrocher.

    La sécurisation de l’ordonnance et du comportement

    L’ordonnance elle-même peut être un frein à l’observance si elle est trop complexe, tout comme la psychologie du patient si elle n’est pas comprise.

    • L’outil d’aide à la décision de Posos : Cet outil d’aide à la décision clinique permet aux médecins de “nettoyer” l’ordonnance. En détectant les prescriptions inappropriées et les interactions, Posos favorise la dé-prescription, réduisant ainsi le fardeau thérapeutique des patients polymédiqués.

    • Synapse Medicine et son application Goodmed : Spécialiste de la conciliation médicamenteuse à l’hôpital, Synapse sécurise la prescription. Avec son application grand public Goodmed, elle permet également au patient de scanner sa boîte de médicaments pour vérifier les contre-indications, offrant une réassurance immédiate face aux notices anxiogènes.

    • Le moteur d’IA SPUR par Observia : L’approche est ici purement comportementale. Avec son moteur d’intelligence artificielle SPUR, Observia dresse le profil psychologique et social du patient. L’objectif n’est pas de modifier le médicament, mais de fournir au soignant les bons arguments cognitifs pour maintenir l’engagement de son patient.

    Des dispositifs médicaux connectés qui remplacent les dispositifs basiques

    Le matériel “physique” s’est digitalisé pour effacer la contrainte logistique et sécuriser le geste médical au quotidien.

    • Le pilulier intelligent de Medissimo : L’acteur historique du pilulier préparé en pharmacie a connecté ses dispositifs. Le pilulier intelligent enregistre l’heure exacte de la prise et alerte le patient ou l’aidant en cas d’oubli, transformant un objet passif en outil de traçabilité.

    • Le capteur connecté “Mallya” de Biocorp : Ce fleuron français (racheté par Novo Nordisk) a créé Mallya, un capteur intelligent qui se clipse sur les stylos à insuline jetables. Il transmet automatiquement les doses injectées à l’application du patient, libérant ce dernier de la charge mentale du carnet de suivi.

    • La boucle fermée de Diabeloop : L’observance ultime consiste à automatiser totalement le traitement. Diabeloop propose une “boucle fermée” pour le diabète de type 1 : un algorithme relie le capteur de glycémie à la pompe à insuline et calcule/délivre la dose en temps réel, remplaçant littéralement la décision du patient.

    • La plateforme de télésurveillance d’Implicity: Dans le domaine de la cardiologie, l’adhérence passe par la surveillance du matériel implanté. Implicity centralise et analyse grâce à l’IA les données issues des pacemakers et défibrillateurs connectés, alertant les cardiologues au moindre signal d’anomalie sans que le patient n’ait à se déplacer.

    Des solutions qui font le lien avec l’hôpital 

    Face aux traitements lourds (cancers, maladies chroniques), le lien avec l’hôpital doit être continu pour éviter l’abandon.

    • Moovcare : Pionnier absolu, c’est la première thérapie digitale (DTx) à avoir été remboursée en France. En suivant à distance les symptômes des patients atteints d’un cancer du poumon via un algorithme, Moovcare a prouvé qu’elle augmentait significativement l’espérance de vie et le maintien du traitement.

    • Les plateformes Resilience Care et Cureety : Ces deux plateformes majeures de télésurveillance en oncologie permettent aux patients de rapporter leurs effets secondaires (PROMs) à domicile. Les algorithmes trient les alertes, permettant aux équipes d’ajuster les doses de chimiothérapie orale avant que la toxicité ne pousse le patient à l’abandon.

    • Le réseau de coordination connecté de Continuum+ : Spécialisée dans la coordination territoriale, cette plateforme relie la ville et l’hôpital. Elle s’assure que le pharmacien et l’infirmier libéral disposent des mêmes informations que l’oncologue pour encadrer le patient lors de ses prises à domicile.

    • Les logiciels d’audogestion d’Aptar Digital Health (ex-Voluntis) : Pionnier des DTx, cet acteur développe des logiciels qui sont de véritables dispositifs médicaux. Leurs algorithmes aident les patients à autogérer leur posologie (notamment en oncologie ou diabétologie) de manière sécurisée entre deux consultations.

    Des outils de rappel qui arrivent en bout de chaîne :

    L’observance, c’est aussi s’assurer que le patient a physiquement son médicament chez lui et se souvient de le prendre.

    • Renouvellement d’ordonnance grâce à Doctolib : Bien que connu pour la prise de rendez-vous, Doctolib joue un rôle massif dans l’observance de base : la facilitation du renouvellement d’ordonnance via la téléconsultation, évitant la rupture de traitement par simple manque de temps pour aller chez le médecin.

    • Le service de livraison de Livmed’s : Cette solution s’attaque à la barrière logistique pure : l’incapacité de se déplacer à la pharmacie. En proposant la livraison de médicaments sur ordonnance à domicile, Livmed’s lève un frein physique majeur à l’observance, particulièrement pour les patients âgés ou à mobilité réduite.

    • Le pilulier virtuel de MyTherapy : Au bout de la chaîne, dans le téléphone du patient, cette application mondiale, simple et efficace, agit comme un pilulier virtuel. Elle combine rappels quotidiens, suivi de l’humeur et gestion des stocks, transformant la routine en une tâche gérable et suivie.

    Cartographie des solutions :

    17 solutions numériques pour l'observance - @Health&Tech Intelligence
    17 solutions numériques pour l’observance – @Health&Tech Intelligence
  • 7 cas d’usage de l’IA pour lutter contre l’inobservance thérapeutique

    Agir sur les racines du décrochage thérapeutique

    L’IA marque une rupture dans la lutte contre l’inobservance. Jusqu’à présent, les solutions traitaient les symptômes du problème (l’oubli). Aujourd’hui, grâce à l’analyse de données massives et aux sciences comportementales, l’IA permet d’agir sur les facteurs primaires (structurels et physiques) et secondaires (psychologiques et sociaux) qui poussent un patient à abandonner son traitement.

    Neutraliser les facteurs primaires :

    Les facteurs primaires sont les obstacles “physiques” ou structurels, comme la perte d’autonomie, la complexité des ordonnances (polymédication) ou la dégradation de l’état de santé.

    • L’IA comme filtre de complexité : La surcharge médicamenteuse est la première cause de confusion chez les seniors. Des solutions comme Posos (utilisées aux CHU d’Amiens et de Bordeaux) permettent une dé-prescription assistée. En analysant les redondances, l’IA aide le médecin à “nettoyer” l’ordonnance, réduisant la charge mentale du patient et rendant l’adhérence logistiquement possible.

    • La prédiction par les données nationales : Grâce aux données du SNDS, des algorithmes comme ceux de Sêmeia ou ExactCure (Projet AdhERence au CHU de Nice) identifient les profils à haut risque avant même que l’arrêt ne survienne. En détectant des signaux faibles dans l’historique de remboursement ou les données cliniques, l’IA permet aux équipes de soins d’anticiper la rupture de parcours.

    Réguler les facteurs secondaires :

    Les facteurs secondaires sont souvent invisibles : le stress, la peur des effets secondaires, ou les fausses croyances. Ce sont des causes “silencieuses” mais massives de non-adhérence.

    • Le décodage comportemental : Le moteur SPUR (Observia), utilisé par le groupe Vivalto Santé, transforme la psychologie du patient en données exploitables. En identifiant si le frein est rationnel, social ou psychologique, l’IA permet aux soignants d’ajuster leur accompagnement de manière personnalisée.

    • La réassurance contre l’angoisse : Les effets secondaires génèrent une angoisse qui pousse à l’arrêt volontaire. Les outils de télésurveillance comme Resilience (déployé à Gustave Roussy et au Centre Léon Bérard) utilisent des agents conversationnels pour expliquer un symptôme en temps réel, réduisant le stress et évitant l’abandon thérapeutique.

    • Le coaching nutritionnel et quotidien : Pour le diabète, l’adhérence est liée au mode de vie. Des solutions comme Oviva ou DiabHealth utilisent l’IA pour analyser les journaux alimentaires par photo. Ce feedback instantané et la gamification renforcent l’engagement du patient et simplifient le suivi glycémique.

    Le pharmacien “augmenté” comme filet de sécurité :

    L’impact de l’IA se déploie jusqu’au dernier maillon : l’officine. Avec Vidal Sentinel, le pharmacien dispose d’un scoring d’adhérence prédictif lors du scan de l’ordonnance. Si l’algorithme détecte une menace de rupture (basée sur la complexité ou l’historique), il alerte le professionnel. Ce score transforme la délivrance en un entretien préventif ciblé, permettant d’intervenir avant le décrochage définitif.

  • PROMs, PREMs, patient traceur : 10 ans d’outils pour objectiver l’expérience patient

    Selon l’Institut français de l’expérience patient (Ifep) l’expérience patient se définit comme “La somme de toutes les interactions, façonnées par la culture d’une organisation, qui influencent les perceptions des patients tout au long du continuum de soins »

    10 ans depuis l’émergence de l’expérience patient en France : date clés.

     

    2016 : création de l’Institut français de l’expérience patient (Ifep) dont l’objectif est de placer l’expérience patient au cœur des priorités des décideurs et des établissements. L’Ifep participe notamment à de nombreuses conférences et événements à travers le monde pour promouvoir l’expérience patient et en faire un levier de performance dans les établissements français.

    2018 : la stratégie « Ma santé 2022 » place l’expérience patient dans un de ses axes prioritaires : « placer le patient au cœur du système et faire de la qualité de sa prise en charge la boussole de la réforme ». Cette approche vise à mettre le patient au centre des préoccupations et des décisions médicales afin d’améliorer la qualité des soins et garantir que chaque intervention médicale apporte une valeur ajoutée significative au patient.

    2018 : création d’un comité de pilotage à l’Institut Mutualiste Montsouris afin d’améliorer l’expérience patient au sein de l’établissement. Cela s’est concrétisé par l’organisation d’une journée dédiée en 2019, pilotée par Nathalie Bass, avec l’ambition d’intégrer systématiquement cette dimension dans les projets institutionnels confiés à la direction Qualité, Gestion des risques et relations avec les usagers.

    2019 : la Haute autorité de santé (HAS) intègre cette approche dans ses priorités pour son projet stratégique 2019-2024. L’objectif est de mesurer le résultat perçu par le patient à travers trois mesures :

    • la mesure des résultats de soins rapportés par le patient : patient reported outcome measures (PROMs) ;
    • la mesure de l’expérience du patient concernant son parcours de soins : patient reported experience measures (PREMs) ;
    • la mesure de la satisfaction du patient vis-à-vis du soin reçu.

    2019 : création du Conseil pour l’engagement des usagers à la HAS. Ce conseil a pour mission d’accompagner, soutenir et évaluer les actions de la HAS pour promouvoir et intégrer l’engagement des patients et des usagers dans le système de santé, en offrant des avis et en participant aux réflexions éthiques et stratégiques. Un de ses rôles est de s’assurer que l’expérience patient est au cœur des réformes et des améliorations, alignées avec les objectifs de la stratégie « Ma santé 2022 ».

    2020 : publication par la HAS des recommandations sur l’engagement des usagers. Ces dernières soulignent un intérêt pour la prise en compte de l’expérience patient à travers les recueils de satisfaction.

    2021 : la Clinique Pasteur crée une direction dédiée à la relation et à l’expérience patient sous la direction du Dr Céline Orhond (aujourd’hui directrice de l’innovation, du développement médical et de l’expérience patient dans le groupe Hoppen). La direction a notamment mis en place des outils numériques comme le portail Yooli permettant au patient de suivre et d’interagir avec son dossier grâce aux bornes de la clinique. Le boîtier Moodow a également permis de recueillir les étapes du parcours durant lesquelles le patient est stressé ou apaisé.

    2021 : Vivalto Santé crée également une direction Expérience patient, occupée de 2021 à 2024 par Caroline Desaegher. Dans le cadre de cette démarche, la solution de Better world a été utilisée pour analyser les verbatims du questionnaire e-Satis de la HAS et les avis Google afin de permettre au groupe d’établir des plans d’actions grâce à la restitution de ces analyses.

    2021 : les Hospices Civils de Lyon (HCL) lancent les projets de partenariat et expérience patient en santé dans le cadre du déploiement Pulsations 2023. Mais au-delà du recueil, les HCL souhaitent identifier une action par an pour améliorer significativement l’expérience patient dans leurs établissements.

    2023 : Vivalto Santé, par le biais de sa Direction recherche, lance une série d’études scientifiques pour évaluer le bénéfice de l’expérience patient.

    2024 : Création, au sein d’AP‑HP Sorbonne Université, de la Mission Expérience Patient pour accompagner les projets de partenariat patient, de co‑construction et de design de services hospitaliers.

    2025 : La Haute Autorité de santé publie un guide et un argumentaire scientifique « Expérience patient et savoir expérientiel : deux notions à clarifier pour développer l’engagement ou la participation », qui visent à distinguer clairement l’expérience patient (perception de la qualité des soins ou de l’accompagnement) du savoir expérientiel (connaissances issues de la réflexion sur l’expérience vécue), et à préciser dans quelles conditions ces deux notions peuvent être mobilisées pour renforcer l’engagement des usagers.

    Comment l’expérience patient devient un levier de performance ?

    Schéma de l’expérience patient @ H&TI

    Les PROMs mesurent les résultats perçus par les patients en termes de santé et de qualité de vie, et les PREMs mesurent l’expérience subjective des patients avec les services de santé. La satisfaction du patient est définie par le fait de répondre de manière appropriée aux attentes et aux besoins du patient.  L’expérience patient englobe ces deux aspects tout en mettant l’accent sur une vision plus large et inclusive du parcours de soins du patient.

    4 piliers selon l’ANAP

    Piliers de l’expérience patient @ ANAP

    Ces 4 piliers montrent le processus. L’expérience patient se concentre sur la perception du patient en prenant compte de :

    • la qualité ;
    • la sécurité ;
    • le confort ;
    • la pertinence des soins reçus ;
    • la prise en compte des aspects humains, c’est-à-dire le relationnel ;
    • les aspects émotionnels, la prise en compte du stress ou du bien-être du patient ;
    • et l’aspect organisationnel.

    L’amélioration de la transparence et de la qualité des soins est un des enjeux de l’expérience patient. Un rapport pour la stratégie de transformation du système de santé, dans le cadre de « Ma Stratégie 2022 », visait à élaborer des indicateurs de qualité des parcours de soins afin de renforcer la confiance des usagers en mesurant leur satisfaction concernant leur prise en charge. Ce rapport mettait en lumière les faiblesses de l’information disponible qui entravaient la capacité des patients à prendre des décisions éclairées et autonomes concernant leur parcours de soins. En suggérant de mettre systématiquement en place et de diffuser des indicateurs de résultats et d’expérience rapportés par les patients (PROMs et PREMs), le comité « Chantier Qualité et Pertinence » de la stratégie Ma Santé 2022 soulignait que cela permettrait une information plus rigoureuse, transparente et utile aux usagers.

    Pour résumer, ces informations permettraient aux patients de mieux s’orienter dans le système de santé, mais aussi aux professionnels de la santé de s’améliorer en comparant leurs résultats à ceux d’autres établissements.

    Remettre le patient au centre des soins

    Ces démarches font écho à celle du « patient traceur ». Défini par la HAS comme suit : « Le patient traceur est une méthode d’évaluation et d’amélioration des pratiques », cette méthode permet d’analyser de manière rétrospective le parcours de soins d’un patient en comparant les pratiques réelles aux référentiels de bonnes pratiques.

    En retraçant le parcours d’un patient spécifique depuis son admission jusqu’à sa sortie, cette méthode permet une analyse détaillée et pluridisciplinaire des différentes étapes de la prise en charge. Elle intègre les pratiques des professionnels de santé et les perceptions/retours des patients eux-mêmes, offrant une vision globale et centrée sur le patient.

    5 700 professionnels répondants pour la 7ᵉ édition du Baromètre de l’expérience

    En 2018, moins de 4 établissements sur 10 déclaraient une démarche structurée pour l’expérience patient, ils sont 71% dans le dernier baromètre de l’expérience patient. Egalement, 82% des professionnels perçoivent un engagement positif de leur établissement pour mieux intégrer le vécu des patients et de leurs proches. La certification HAS apparaît comme un accélérateur décisif, même si les tensions sur les ressources, la formation et la situation des soignants freinent encore le déploiement opérationnel. Ce baromètre côté professionnels sera complété l’an prochain par une enquête miroir auprès des usagers, pour disposer d’une vision réellement à 360° de l’expérience patient en France.

  • 6 cas d’usage pour l’IA au service de l’expérience patient

    L’IA, nouveau socle de l’expérience et de la satisfaction patient

    Les établissements de santé font face à un volume croissant de retours patients, issus d’enquêtes en ligne, de questionnaires SMS, de mails ou de plateformes numériques, difficilement exploitables manuellement à grande échelle.
    Les moteurs de traitement automatique du langage transforment ces verbatim en matière première stratégique, en les catégorisant finement par thématiques de satisfaction ou d’insatisfaction et en produisant des indicateurs agrégés directement réutilisables pour le pilotage qualité et la gestion des risques perçus par les patients.

    Les résultats sont restitués sous forme de tableaux de bord personnalisables par type de parcours, de service ou de population, ce qui facilite l’identification des irritants récurrents, le suivi des plans d’action et le partage d’enseignements opérationnels avec les équipes de terrain comme avec la gouvernance.
    En centralisant toutes les sources de retours d’expérience au même endroit et en automatisant l’analyse textuelle, ces dispositifs réduisent la charge manuelle d’exploitation des enquêtes, améliorent la réactivité face aux signaux faibles et soutiennent une démarche d’amélioration continue de l’expérience patient à l’échelle de l’établissement.

    Dans ce paysage, la solution verbatim.care, éditée par l’entreprise française EntendsMoi, illustre la maturité croissante de ces approches.
    Plateforme web 3-en-1 dédiée au recueil, à l’analyse et à la visualisation des verbatim d’expérience patient, elle centralise différentes sources de retours, alimente des tableaux de bord personnalisés par type de parcours de soins et intègre un générateur d’enquêtes diffusables par URL, QR code, SMS ou e-mail.

    Reposant sur des algorithmes propriétaires de TAL/NLP entraînés sur plus de 100 000 verbatim labellisés par des professionnels de santé et des patients, verbatim.care classe les commentaires en près de 70 thèmes et sous-thèmes et en quatre niveaux de ressenti.
    Les analyses alimentent un tableau de bord opérationnel pour les directions et les équipes de terrain, afin de piloter l’expérience patient et les plans d’action, dans une logique de co‑conception avec les établissements hospitaliers, ambulatoires et de soins primaires.

    Ce cas d’usage est déjà déployé dans un large panel de 23 établissements à ce jour.

    Information préopératoire et relation de confiance

    L’IA conversationnelle participe également à la réduction du stress et à l’amélioration de la relation soignant‑patient avant une intervention.
    Au sein de plusieurs hôpitaux français, des plateformes numériques sécurisées proposent des parcours préopératoires via des chatbots d’information, comme Heko, solution de BOTdesign déployée à l’Hôpital de Foch, au CHU de Toulouse, au CHU de Nantes et au CHU de Lille.

    Ces assistants guident les patients en amont de la consultation d’anesthésie, délivrent des recommandations claires et personnalisées et préparent les échanges avec les anesthésistes.
    Cette approche fluidifie la communication, réduit l’anxiété préopératoire et optimise l’efficacité des consultations, en limitant les questions répétitives et les incompréhensions.

    Dans le prolongement de ces dispositifs, des agents conversationnels vocaux comme ceux de la plateforme Caresquad automatisent le rappel systématique des consignes préopératoires (jeûne, horaires, préparations spécifiques).
    Programmés au nom de l’établissement, ils informent le patient des consignes personnalisées, vérifient leur compréhension, anticipent les difficultés et mettent à disposition des équipes une interface de suivi pour permettre, si nécessaire, une intervention humaine.

    En renforçant la sécurisation du parcours, en diminuant le stress des patients et en optimisant le temps infirmier, ces agents s’inscrivent pleinement dans une logique de qualité et de sécurité des soins.

    Automatisation des processus administratifs et fluidité du parcours

    L’expérience patient se joue également dans la simplicité des démarches administratives, de l’admission à la facturation.
    En France, plusieurs établissements, dont l’Hôpital de Foch et le CHRU de Nancy, expérimentent des solutions d’IA pour automatiser l’admission et la facturation, en combinant reconnaissance de caractères et traitement intelligent des données.

    Ces systèmes simplifient la collecte d’informations, la vérification des droits et des assurances, accélèrent la génération et l’envoi des factures et réduisent les erreurs liées aux ressaisies manuelles.
    Des suites logicielles comme celles de Dedalus, Luminess ou Optacare intègrent, aux côtés des outils d’imagerie et de visualisation avancée, des modules d’entrée en relation digitale qui automatisent et sécurisent les processus administratifs tout en gardant l’IA au service de l’efficience hospitalière.

    En rendant les parcours plus fluides et plus prévisibles, ces solutions contribuent à une meilleure perception globale de la prise en charge, et font de l’optimisation administrative un composant à part entière de l’expérience patient.

    Mesure en temps réel de la satisfaction et ajustement des pratiques

    Au‑delà des grandes enquêtes périodiques, les établissements développent des dispositifs de mesure en temps réel de la satisfaction à des moments clés du parcours, comme l’imagerie ou la consultation.
    Dans des structures comme le CH de Valenciennes (CHV) et l’Hôpital de Foch, l’IA analyse les réponses aux enquêtes digitales post‑consultation, permettant d’identifier les points d’amélioration et d’ajuster rapidement les organisations.

    Des solutions telles que Better Word, éditée par Better World, exploitent l’analyse automatique des verbatim issus des retours d’expérience pour mesurer la satisfaction des patients, des résidents, des proches aidants et des équipes.
    En se concentrant notamment sur les centres d’imagerie, ces outils renforcent la confiance, améliorent la qualité perçue des services et alimentent des indicateurs spécifiques à la radiologie et à l’IA.

    Cette granularité des retours permet de passer d’une logique de reporting a posteriori à une gestion dynamique de la satisfaction, où les décisions organisationnelles peuvent être prises à partir de signaux quasi temps réel.

    Urgences : transparence, information et pilotage des flux

    Les services d’urgences constituent un terrain emblématique où se joue simultanément la sécurité, la satisfaction et la confiance des patients et de leurs proches.
    Plusieurs hôpitaux, dont l’Hôpital de Foch et le CH de Valenciennes, ont déployé des dispositifs d’IA pour suivre en temps réel l’avancée des patients aux urgences, réduire l’anxiété des familles et optimiser l’organisation interne.

    Des solutions comme FollowMe Urgences, éditée par MyCareProcess, informent les patients et leurs proches sur l’évolution de la prise en charge, via une application qui restitue simplement les grandes étapes du parcours.
    En parallèle, des plateformes d’anticipation des flux comme Saniia analysent en temps réel les mouvements de patients, planifient l’occupation des lits, coordonnent les actions et notifient les intervenants concernés.

    En combinant transparence de l’information vers les familles et pilotage prédictif des flux non programmés, ces outils renforcent à la fois l’expérience vécue aux urgences et la performance opérationnelle des services.

    Un écosystème en structuration autour de l’IA et de l’expérience patient

    Pris ensemble, ces cas d’usage dessinent un écosystème de solutions d’IA centré sur l’expérience patient, depuis la voix du patient captée à grande échelle jusqu’à l’automatisation des interactions et des parcours.
    Les acteurs spécialisés comme EntendsMoi (verbatim.care), BOTdesign (Heko), Better World (Better Word), MyCareProcess (FollowMe Urgences), SaniIA (Saniia) ou Caresquad contribuent à structurer un marché où l’IA, française et européenne, se positionne sur des usages concrets et mesurables.

    Ces innovations rejoignent les orientations des autorités de santé qui encouragent l’intégration des retours d’expérience patients et des mesures de satisfaction dans les démarches qualité, tout en veillant au respect des exigences de sécurité et de protection des données.
    L’IA devient ainsi un instrument transversal de qualité et de sécurité des soins, non seulement pour améliorer la décision clinique, mais aussi pour faire de l’expérience patient un véritable indicateur de performance des établissements.

  • 26 solutions d’IA qui transforment l’expérience patient, la qualité et la sécurité des soins

    34,8% des solutions pour l’accès, le triage et la coordination des parcours

    Plus d’un tiers des solutions se concentrent sur l’accès aux soins, le triage et la continuité du parcours ville‑hôpital, en combinant IA symbolique, machine learning et modèles conversationnels. L’objectif commun : qualifier mieux et plus tôt les situations cliniques, orienter vers le bon niveau de prise en charge et éviter les ruptures de parcours.

    Medana (Anamnese), déployée au CHU de Bordeaux, au CHU de Montpellier, aux Hospices Civils de Lyon (HCL) et au GH Paris Saint‑Joseph, s’appuie sur une IA hybride pour orchestrer le parcours patient. La solution collecte de manière autonome les données administratives et médicales via des questionnaires dynamiques, calcule des scores, identifie les facteurs de risques, aide au diagnostic, optimise le tri aux urgences et facilite le suivi post‑hospitalisation. Elle contribue ainsi à sécuriser les processus métier, réduire les ruptures de parcours, libérer du temps médical et structurer les données (CIM‑10, MOS‑NOS) pour la recherche clinique.

    Les plateformes de télémédecine Livi et Medaviz intègrent des briques de triage médical automatisé : leurs IA analysent en amont les symptômes afin d’orienter vers la téléconsultation, une consultation présentielle ou les urgences, avec un niveau de risque élevé au sens de la réglementation (services essentiels / urgence). Elles participent à désengorger les cabinets de ville et à garantir un accès plus rapide au bon professionnel.

    Sur les maladies chroniques, Mapatho propose une plateforme collaborative d’orientation fondée sur un annuaire qualifié de soignants (RPPS), validé par les associations de patients. Ses algorithmes de recommandation (« IAGO ») réduisent l’errance diagnostique, améliorent l’accès aux experts et génèrent des économies substantielles pour le système de santé. Sokle cible quant à elle les troubles neuro‑cognitifs, en coordonnant les acteurs ville‑hôpital et en personnalisant les recommandations pour les patients et leurs aidants.

    À l’interface hôpital‑domicile, e‑fitback agit comme un pont numérique couvrant l’intégralité du parcours (pré‑admission, hospitalisation, retour à domicile), avec une IA symbolique pour sécuriser le retour et optimiser le temps infirmier. Nanni AI illustre, côté pédiatrie, l’essor de solutions à haut risque : l’application analyse les pleurs des nourrissons via smartphone pour interpréter les besoins et détecter certaines pathologies, renforçant la vigilance des équipes et des parents.

    13% des solutions au service du pilotage opérationnel et des urgences

    Une part significative des solutions se positionne sur le pilotage des flux, la planification et la gestion des risques, prolongeant la dynamique d’infectiovigilance et de surveillance temps réel déjà à l’œuvre dans les établissements. L’objectif : passer d’une lecture rétrospective des incidents à une gouvernance prédictive des situations critiques.

    Saniia, utilisée notamment au CH de Valenciennes, au CHU de Nice, et au CHU de Nîmes, et au CH de Métropole Savoie, anticipe les flux non programmés et analyse en temps réel les mouvements des patients. Elle alloue automatiquement les ressources en tenant compte des contraintes, coordonne les actions et notifie les intervenants concernés. Les retours d’usage font état d’une meilleure anticipation des capacités, d’une diminution des temps d’attente et des transferts évitables, ainsi que d’une amélioration de la qualité de vie au travail des soignants.

    Patient Journey (Ospi) structure les données médicales de parcours pour fluidifier les processus hospitaliers et améliorer l’expérience patient. En combinant NLP et machine learning, la solution contribue à réduire les erreurs, optimiser les flux et accélérer la prise en charge dans des contextes où la variabilité des entrées et la saturation des lits sont fortes.

    Au plus près du terrain, FollowMe Urgences informe les patients et leurs proches en temps réel sur l’évolution de la prise en charge aux urgences (par exemple à l’hôpital Foch). Les établissements observant son déploiement rapportent une réduction de l’anxiété, moins d’interruptions de tâches pour les soignants et une meilleure gestion des attentes, avec un impact direct sur la qualité perçue et la performance du service.

    17,4% d’outils pour automatiser la documentation, les appels et les tâches administratives

    Près d’une solution sur cinq agit principalement sur la charge documentaire, la gestion des rendez‑vous ou les tâches administratives répétitives, faisant de l’IA un levier direct de qualité de vie au travail et de sécurisation des processus. Ces outils s’inscrivent dans les lignes directrices de la HAS et de la CNIL sur la transparence, la traçabilité et l’usage responsable des systèmes d’IA.

    DAX Copilot (Nuance Communications, Microsoft) incarne la montée de l’intelligence clinique ambiante. La solution transcrit et structure en temps réel les échanges médecin‑patient, s’intègre aux dossiers électroniques de santé (EHR) comme Epic, réduit la charge documentaire et améliore la précision des dossiers. Les bénéfices attendus portent sur le gain de temps, la diminution du burnout et une meilleure fiabilité des informations cliniques utilisées pour la décision.

    Qare Assistant Médical IA automatise la rédaction des comptes rendus de téléconsultation et s’intègre dans un flux déjà largement systématisé chez Qare depuis 2017. En réduisant la charge administrative des praticiens, il permet de recentrer l’attention sur la relation patient pendant la visio et sécurise la trace écrite du rendez‑vous.

    Assistant de consultation (Doctolib) optimise la gestion des plannings, la préparation des consultations et l’organisation des dossiers. Son usage dans un grand nombre de cabinets contribue à diminuer les erreurs administratives et à rapprocher les temps médicaux de la valeur clinique créée.

    Caresquad déploie des agents vocaux IA spécialisés dans le suivi des patients (secrétariat, observance, post‑opératoire), avec connexion aux logiciels médicaux et détection automatique des urgences. CareCall, assistant vocal intelligent pour la gestion des appels, automatise la prise et la modification des rendez‑vous, filtre les demandes et assure une disponibilité 24/7. Dans les établissements utilisateurs, ces solutions se traduisent par une réduction de la charge téléphonique pour les équipes, une meilleure disponibilité pour les patients et une performance accrue des plannings.

    30,4% des solutions centrées sur l’expérience patient, le ressenti et les PROMs

    Près d’un tiers des solutions mettent l’accent sur la voix du patient, la satisfaction et les PROMs, en transformant des signaux parfois difficiles à capter (verbatim, émotions, comportements d’adhérence) en indicateurs actionnables. Elles marquent un basculement vers une qualité perçue pilotée de manière systématique.

    Emobot, plateforme robotique et logicielle, combine vision par ordinateur et analyse vocale pour suivre en continu l’état émotionnel des patients via micro‑expressions faciales, prosodie et gestuelle. Déployée notamment au GHU Paris Psychiatrie & Neurosciences, la solution génère un agenda émotionnel et alerte les soignants en cas de dégradation durable, améliorant la détection précoce des troubles de l’humeur et allégeant la charge mentale des équipes.

    Music Care propose une thérapie digitale fondée sur la méthode “U” (séquences musicales algorithmiques) pour traiter douleur et anxiété, avec un marquage dispositif médical. Utilisée dans des structures comme le CHU de Montpellier, l’Institut Curie ou le groups Elsan, la solution montre une réduction cliniquement significative de la douleur et de l’anxiété, une baisse de la consommation de médicaments et une amélioration du sommeil.

    Resilience Pro offre une télésurveillance des patients atteints de cancer à partir de questionnaires symptomatiques analysés par algorithmes d’IA. Les centres utilisateurs (CHU de Bordeaux, Polyclinique de Limoges, CH de Valenciennes, etc.) constatent une détection plus précoce des complications, une prévention des aggravations et un renforcement du lien patient‑soignant.

    Sur l’adhérence thérapeutique, SPUR (Observia) génère des profils comportementaux holistiques et prédit le risque de non‑adhérence pour guider les interventions en diabète, oncologie ou hypertension.

    Enfin, Glucozor (Dowino) illustre le potentiel des serious games adaptatifs pour l’éducation thérapeutique des enfants diabétiques, en rendant l’apprentissage des gestes du quotidien et des règles d’équilibre glycémique plus accessible et motivant.

    De la voix du patient au pilotage stratégique de l’expérience

    Au‑delà des dispositifs cliniques, plusieurs solutions structurent et industrialisent l’analyse des retours d’expérience, transformant les verbatim en leviers de pilotage stratégique pour les directions qualité, les équipes soignantes et le management.

    Better Word analyse les verbatim issus des retours d’expérience dans des structures sanitaires et médico‑sociales (Hôpital Foch, CH Victor Dupouy, CH de Valenciennes,). Elle aide les équipes à identifier les axes d’amélioration, suivre la qualité de vie au travail, construire et monitorer des plans d’action ciblés.

    Verbatim.care, co‑conçue avec de nombreux établissements (CHU de Brest, HCL, APHM, CHU de Reims, établissements privés et fondations), s’appuie sur des algorithmes NLP entraînés sur plus de 100 000 verbatim d’expérience patient. La solution classe les commentaires en près de 70 thèmes et sous‑thèmes, avec quatre niveaux de ressenti, offrant un tableau de bord opérationnel pour piloter les parcours, la qualité et la gestion des risques.

    Detec’t (Kap Code) et Better Word exploitent également les données issues des réseaux sociaux, forums et dispositifs de recueil d’expérience pour compléter les enquêtes institutionnelles (type e‑Satis) par une vision plus qualitative et continue. Ces approches permettent d’identifier plus rapidement des problèmes organisationnels, des irritants récurrents ou des signaux faibles de désengagement.

    Au total, près de 70% des solutions du corpus s’appuient déjà sur des références hospitalières ou médico‑sociales, et plus de 30% relèvent d’usages à haut risque au sens de l’IA Act, ce qui souligne la nécessité d’une gouvernance renforcée. Mais la dynamique est claire : l’IA devient un composant structurant de la qualité et de la sécurité des soins, en intégrant enfin, à grande échelle, la voix et l’expérience des patients dans le pilotage des établissements.

  • 12 levées de fonds pour les entreprises du numérique en santé, dont 2 des 4 licornes françaises en santé.

    Les 6 plus grosses levés de fonds au T1 2026 @HTI

    MyC : digitaliser la santé au travail à grande échelle

    MyC développe une plateforme SaaS de santé au travail qui centralise et sécurise les données médicales des salariés pour les équipes médicales et RH de grands groupes industriels. La startup lève 10 M€ en Série A afin de renforcer ses briques d’intelligence artificielle, accélérer le déploiement international et industrialiser son produit auprès de clients déjà présents dans de nombreux pays. Sa solution cloud, bâtie sur des technologies de data management sécurisé et d’IA appliquée, vise à mieux piloter les risques, la conformité réglementaire multi‑pays et la coordination des soins.

    MadeForMed : une plateforme pensée par et pour les médecins

    MadeForMed opère une plateforme numérique destinée aux professionnels de santé, en particulier aux médecins généralistes, pour centraliser outils, services et informations utiles à leur pratique quotidienne. L’entreprise a levé 200 000 € directement auprès de ses utilisateurs, devenus actionnaires, afin de consolider un modèle de gouvernance indépendant, améliorer les fonctionnalités de la plateforme et financer de nouveaux développements. La solution, basée sur des technologies web et une infrastructure cloud, se positionne comme un hub digital sécurisé et ergonomique, pensé par et pour les praticiens.

    BrightHeart : L’IA au service du dépistage prénatal

    BrightHeart est une medtech spécialisée dans l’échographie prénatale augmentée par intelligence artificielle, avec une solution qui analyse en temps réel les images pour aider à détecter les malformations, notamment cardiaques, chez le fœtus. La startup lève 11 M€ en Série A pour faire de l’IA un nouveau standard de soins, accélérer les déploiements internationaux et étendre les indications cliniques de sa plateforme. Sa technologie repose sur le deep learning appliqué aux images médicales et sur des algorithmes de guidage d’examen, afin de standardiser les échographies et réduire les erreurs de détection.

    FineHeart – Un « vélo électrique » pour le cœur insuffisant

    FineHeart développe l’ICOMS FlowMaker, une mini‑pompe cardiaque intracardiaque entièrement implantable, conçue comme un « vélo électrique du cœur » pour les patients en insuffisance cardiaque sévère. L’entreprise mobilise 83 M€, combinant tour de table auprès d’investisseurs et financements publics, afin de financer l’industrialisation en France, la structuration de nouvelles installations (salles blanches, bancs d’essai) et la poursuite des essais cliniques jusqu’à la mise sur le marché. Sa solution s’appuie sur des technologies mécaniques, électroniques et de contrôle automatique avancées, intégrées dans un dispositif implantable connecté.

    Carvolix – Miser sur la robotique cardiovasculaire de précision

    Carvolix, nouveau nom d’Affluent Medical, se positionne comme une société de technologies médicales focalisée sur la cardiologie interventionnelle, la robotique médicale et les implants cardiovasculaires innovants. La société réorganise sa stratégie autour de plateformes comme un logiciel de guidage basé sur l’intelligence artificielle pour l’implantation de valves aortiques, ainsi que de micro‑robots et implants sophistiqués issus de récentes acquisitions. Cette transformation vise à concentrer les ressources financières sur le développement clinique, l’industrialisation et la mise sur le marché de dispositifs de haute précision combinant robotique, imagerie et IA.

    Alan – L’assurtech qui industrialise l’IA santé

    Alan est une assurtech française qui propose une assurance santé 100% digitale intégrant application mobile, services de prévention et outils de pilotage pour entreprises et particuliers. La licorne lève 100 M€ pour accompagner une forte croissance de ses revenus, poursuivre son expansion en Europe et investir dans des fonctionnalités d’IA pour la relation membre, la personnalisation des parcours de soins et l’optimisation des opérations. Sa plateforme repose sur une architecture cloud scalable, des outils d’automatisation et des modèles d’IA appliqués à la tarification, au support client et à la recommandation de services de santé.

    DiappyMed – Personnaliser le traitement du diabète

    DiappyMed conçoit des outils numériques pour personnaliser le traitement du diabète, en particulier une thérapie numérique qui aide au calcul individualisé des doses d’insuline pour les patients et les professionnels de santé. La startup lève 5 M€ en amorçage et s’appuie sur un partenariat stratégique avec un grand acteur pharmaceutique pour déployer massivement cette thérapie numérique. Sa solution s’appuie sur des algorithmes d’aide à la décision, l’analyse de données glycémiques et de modes de vie, ainsi que sur une application mobile et une plateforme cloud sécurisée, afin d’ajuster les doses en temps réel et de réduire les risques d’hypo‑ et hyperglycémie.

    Parallel – Des agents IA pour le codage hospitalier

    Parallel développe des agents d’intelligence artificielle qui automatisent le codage médical et d’autres tâches administratives dans les hôpitaux, directement au sein des logiciels hospitaliers existants. La startup lève 20 M$ (environ 17 M€) en Série A pour industrialiser ses agents IA, les déployer dans de nombreux établissements, optimiser les recettes PMSI et alléger la charge de travail des équipes du DIM. Sa technologie repose sur l’IA générative et des modèles spécialisés capables de lire dossiers patients et comptes rendus, de proposer des codes fiables et de s’intégrer via APIs aux systèmes d’information hospitaliers.

    DentalMonitoring – L’IA pour le suivi orthodontique à distance

    DentalMonitoring propose des solutions de suivi orthodontique à distance basées sur l’intelligence artificielle, permettant aux patients d’envoyer des scans réguliers de leur dentition et aux praticiens d’ajuster les traitements sans visites systématiques. L’entreprise lève 100 M$ pour injecter davantage d’IA dans ses soins connectés, accélérer sa croissance internationale et renforcer un panel de solutions déjà largement déployées. Ses produits combinent vision par ordinateur, analyse d’images dentaires, applications mobiles patient et portails cloud pour les orthodontistes, afin de détecter précocement les écarts de traitement et personnaliser la prise en charge.

    Lifebloom – Redonner la station debout aux utilisateurs de fauteuil roulant

    Lifebloom est une medtech nordiste qui industrialise Lifebloom One, un fauteuil exosquelette connecté Oxilio couplé à une plateforme numérique, destiné aux personnes en fauteuil roulant ayant encore une motricité partielle. Elle vient de lever 6 M€ en capital, complétés par 2 M€ d’aides France 2030, pour financer la montée en cadence industrielle, la mise en place du site d’assemblage et le déploiement clinique auprès des centres de rééducation et établissements de soins. Fruit de six ans de R&D, la solution combine robotique d’assistance au mouvement, capteurs embarqués et logiciel de « soin augmenté » qui mesure temps passé debout, nombre de pas ou distance parcourue, afin de personnaliser suivi et rééducation.

    Dermascan – L’IA au service du dépistage dermatologique

    Dermascan (montant de la levée estimé à 2,5 M€ d’après tes éléments) développe une solution de télédépistage et d’aide au diagnostic des lésions cutanées, en particulier des cancers de la peau, à partir de photos prises via smartphone ou dispositifs dédiés. Cette levée de fonds vise à enrichir ses bases d’images, renforcer ses algorithmes d’IA de vision par ordinateur, accélérer les validations cliniques et déployer la solution auprès des dermatologues, généralistes et réseaux de télédermatologie. La plateforme s’appuie sur le deep learning appliqué aux images, une infrastructure cloud sécurisée et des intégrations possibles avec les logiciels métier pour faciliter le tri des cas urgents et améliorer l’accès au spécialiste.

    Entreprise Logo Montant en M€ Thématique  Technologie Article
    MyC MyC - Your next generation Entreprise Health Platform 2,5 Santé au travail Plateforme MyC lève 10 M€ pour développer sa plateforme de santé au travail | J’❤️ les startups
    MadeFoeMed MadeForMed (@madeformed) • Facebook 1,6 Secretariat Plateforme https://www.jaimelesstartups.fr/news/madeformed-levee-de-fonds-200-000-euros/
    BrightHeart BrightHeart lève 11 M€ en Série A pour accélérer le déploiement de sa plateforme d'IA, dédiée à l'échographie prénatale 1,6 Maternité IA https://www.maddyness.com/2026/01/08/echographie-prenatale-brightheart-leve-11-millions-deuros-pour-ameliorer-la-detection-des-malformations-grace-a-lia/
    Fine Heart Fineheart, équipements médicaux d'assistance cardiaque, Pessac 15,0 Cardiologie Robotique https://www.latribune.fr/article/regions/13500144163391/insuffisance-cardiaque-le-velo-electrique-du-coeur-de-fineheart-reunit-83-millions-deuros
    Carvolix Logo de Carvolix aux formats PNG transparent et SVG vectorisé 2,5 Cardiologie Robotique et IA https://www.boursier.com/actions/actualites/news/carvolix-confirme-sa-transformation-strategique-vers-la-robotique-medicale-et-les-implants-cardiovasculaires-innovants-981292.html
    Alan Alan | Notre avis sur l'offre d'assurance santé et prévoyance 2026 22,0 Assurance Plateforme https://www.maddyness.com/2026/03/11/alan-leve-100-millions-deuros-et-devient-rentable-en-france/
    Waiv Waiv main logo 1,5 Oncologie IA https://www.linkedin.com/posts/jeromeleleu_esantaez-ia-share-7439186765367783424-VDye/?utm_source=share&utm_medium=member_desktop&rcm=ACoAAAARYjUBM8TPTSy_jqtqD0QS9KzS_YOJ8ZY
    DiappyMed DiappyMed | LinkedIn 7,0 Diabète IA https://www.medvallee.fr/actualites/diappymed-leve-5-millions-deuros-et-conclut-un-partenariat-strategique-avec-sanofi
    Parallel Parallel | LinkedIn 10,0 Pilotage IA https://www.healthandtech.fr/post_ci/parallel-convainc-par-son-impact-rapide-et-leve-20-millions-pour-industrialiser-son-ia-de-codage/
    DermaScan DermaScan | LinkedIn 5,5 Dermatologie IA https://lnkd.in/eXMetZKr
    DentalMonitoring
    DentalMonitoring - Orthodontie Chalon
    4,7 Dentisterie IA https://www.maddyness.com/2026/02/10/dentalmonitoring-obtient-100-millions-de-dollars-pour-injecter-de-lia-dans-les-soins-orthodontiques/
    Lifebloom Lifebloom - Homepage 14,0 Réducation Robotique https://www.lesechos.fr/pme-regions/innovateurs/lifebloom-finance-lindustrialisation-de-son-fauteuil-roulant-revolutionnaire-2223629