Le grand bond de la télémédecine ophtalmique lors du Covid-19
Dans beaucoup d’endroits à travers le monde, la crise sanitaire de 2020 a servi de catalyseur à la télémédecine, notamment en ophtalmologie. Aux États-Unis, où ces pratiques étaient encore marginales début 2020, des enquêtes ont montré qu’en quelques mois la proportion de praticiens ayant recours aux téléconsultations est passée de seulement d’environ 3 % à plus de 77 %. L’impossibilité de voir les patients en personne a poussé les cliniques à instaurer des suivis par téléphone ou visioconférence, notamment pour le triage des urgences oculaires ou le renouvellement d’ordonnances. Des plateformes spécialisées ont émergé, et dès 2021 l’Assurance-maladie américaine a introduit un code de facturation dédié (CPT 92229) pour le dépistage automatisé de la rétinopathie diabétique, facilitant le remboursement des actes à distance.
Au Royaume-Uni, le célèbre Moorfields Eye Hospital à Londres, référence mondiale en ophtalmologie, a très tôt basculé une partie de son activité en ligne. Dès avril 2020, sa filiale de Dubaï lançait des consultations virtuelles quotidiennes pour maintenir l’accès aux soins pendant le confinement. Par la suite, Moorfields Londres a structuré un véritable “Department of Digital Medicine” afin de pérenniser ces innovations nées de la crise. Ce département pilote le déploiement des rendez-vous vidéo, d’un service d’urgences en ligne, du suivi à domicile de la vision des patients atteints de dégénérescence maculaire, ou encore l’intégration d’IA diagnostiques dans la clinique quotidienne. L’Allemagne a également exploré la voie de la télémédecine ophtalmologique pour pallier le manque de praticiens dans certaines régions. En Bavière, par exemple, un projet de “Tele-Augenkonsil mobile” permet, dès 2020, d’apporter dans les maisons de retraite des unités mobiles équipées d’OCT et de rétinographes, dont les images sont transmises à un institut télé-ophtalmologique où un médecin les interprète à distance. Cette approche prévient la perte de chance chez des personnes âgées isolées en détectant précocement glaucomes ou dégénérescences maculaires, tout en évitant des déplacements pénibles.
De même, la Chine, déjà pionnière des « hôpitaux en ligne », a vu ses grandes plateformes de télésanté (Ping An Good Doctor, AliHealth, WeDoctor…) enregistrer une explosion des consultations d’ophtalmologie en ligne durant l’épidémie. Des centres experts, comme l’hôpital ophtalmique de Zhongshan à Guangzhou, ont étendu leurs conseils aux médecins des zones rurales via des systèmes de télémédecine intégrés. Le Japon, traditionnellement prudent sur la télémédecine, a temporairement assoupli sa réglementation en 2020, autorisant pour la première fois des consultations initiales à distance pour les ophtalmologues. Devant le succès du dispositif en période Covid, ces mesures ont été pérennisées en avril 2022, ancrant la téléconsultation dans les pratiques acceptées. La seule exception notable est la Corée du Sud, où la télémédecine restait jusqu’en 2023 très encadrée par la loi : elle était uniquement autorisée à titre expérimental ou en suivi entre médecins, en raison de réticences internes. Néanmoins, Séoul a dû, elle aussi, s’adapter pendant la pandémie en permettant provisoirement des consultations vidéo, amorçant un débat national sur l’ouverture durable de la pratique, même si la pratique de la télé-ophtalmologie y reste moins développé que dans la majorité des pays à jour en matière de technologies numériques pour la santé.
L’explosion de l’IA à l’échelle planétaire a accéléré le dépistage des maladies de l’oeil
Parallèlement, les années 2020-2025 ont vu l’essor fulgurant de l’IA en ophtalmologie, domaine particulièrement propice car riche en imagerie numérique (fonds d’œil, OCT, rétinoscopie). Aux États-Unis, l’ophtalmologie a même été l’une des premières spécialités à bénéficier d’IA diagnostiques autonomes approuvées par les autorités. Après une première autorisation historique en 2018, deux autres algorithmes de dépistage automatique de la rétinopathie diabétique ont obtenu le feu vert de la FDA en 2020 et 2022. En 2025, trois dispositifs IA sont commercialisés dans le pays (IDx-DR, EyeArt d’Eyenuk et AEYE Health), tous basés sur des réseaux de neurones profonds. Leur principe : une caméra rétinienne standard prend des clichés du fond d’œil en consultation de médecine générale ou en pharmacie, et le logiciel IA analyse immédiatement les images pour déterminer si des signes de rétinopathie nécessitent l’avis d’un spécialiste. L’introduction du code de remboursement dédié en 2021 a d’ailleurs entraîné un début d’adoption clinique : plus de 15 000 examens IA de ce type ont été facturés aux États-Unis entre 2021 et 2023, principalement dans les centres urbains universitaires.
En Europe, le Royaume-Uni et l’Allemagne n’ont pas été en reste. Au UK, le NHS a soutenu plusieurs projets d’IA en ophtalmologie via son AI Lab et s’appuie sur l’écosystème de Moorfields, qui a publié en 2020 une étude marquante montrant qu’un algorithmex pouvait trier avec une précision redoutable les tomographies OCT urgentes de celles pouvant attendre, optimisant ainsi les listes d’attente.En 2023, Moorfields a également dévoilé RETFound, le premier modèle de fondation en ophtalmologie entraîné sur 1,6 million de scans rétiniens du NHS. Open source, ce modèle de “diagnostic généraliste” a démontré sa capacité non seulement à détecter diverses maladies oculaires (rétinopathie diabétique, glaucome, DMLA…), mais aussi à prédire certaines maladies systémiques graves comme l’infarctus du myocarde, l’AVC ou la maladie de Parkinson à partir de la rétine. En Allemagne, l’usage de l’IA en imagerie oculaire progresse également, même si cela s’est fait, ces cinq dernières années, de façon plus encadrée. La Société allemande d’ophtalmologie (DOG) a publié en 2025 des lignes directrices pour une utilisation éthique et efficace de ces outils, rappelant que l’ophtalmologie est, aux côtés de la radiologie, l’une des disciplines les plus aptes à bénéficier de l’IA du fait de la profusion d’images numériques à analyser. Les autorités européennes ont quant à elles renforcé en 2021 le cadre réglementaire via le Règlement UE sur les dispositifs médicaux, imposant aux fabricants d’algorithmes d’IA des exigences de marquage CE et d’évaluation clinique strictes avant mise sur le marché de leurs solutions d’aide au diagnostic en ophtalmologie.
En Asie, la Chine s’est imposée comme un leader de l’IA médicale sur la période. Dès août 2020, la start-up pékinoise Airdoc a obtenu l’approbation de l’agence nationale NMPA pour son logiciel Airdoc-AIfundus, devenant la première IA diagnostique ophtalmologique de classe III homologuée en Chine. Initialement autorisé pour détecter la rétinopathie diabétique, cet outil est déployé dans les hôpitaux comme aide au diagnostic pour les médecins. Son arrivée a été saluée comme une réponse innovante à un enjeu critique de santé publique : plus d’un tiers des 110 millions de diabétiques chinois souffrent de rétinopathie, alors que le pays ne compte qu’environ 45 000 ophtalmologistes, très concentrés dans les grandes métropoles. L’IA permet ainsi de “démocratiser” le dépistage en transférant une partie de l’expertise des spécialistes vers des appareils utilisés en soins primaires. Le gouvernement chinois a activement soutenu ces approches dans le cadre de son plan national d’IA en santé, voyant là un moyen de réduire les inégalités d’accès aux soins entre villes et campagnes. Des géants technologiques se sont engouffrés dans la brèche : Tencent a développé des algorithmes de détection de pathologies oculaires intégrés à sa suite Miying, tandis qu’Alibaba Health a testé des systèmes d’interprétation automatisée des fonds d’œil dans ses cliniques en ligne. De plus, des collaborations internationales se sont nouées : le laboratoire français Théa et plusieurs hôpitaux chinois ont par exemple conduit des essais d’IA pour dépister la cataracte via smartphone. En 2021, le japonais Santen s’est associé à Airdoc pour promouvoir à grande échelle en Chine ces solutions de dépistage automatisé, s’inscrivant dans une stratégie globale de création d’un véritable écosystème ophtalmologique digital.
De son côté, le Japon a misé sur des projets alliant haute technologie et organisation des soins. Dès 2019, le gouvernement a financé la création de dizaines d’hôpitaux augmentés par l’IA en partenariat avec des universités et entreprises, afin de servir de vitrines et bancs d’essai pour les nouvelles solutions diagnostiques. L’ophtalmologie a logiquement bénéficié de cette politique volontariste : lors du congrès européen SOE 2023, le professeur Tetsuro Oshika, président de la Société japonaise d’ophtalmologie, a présenté les avancées japonaises en la matière. Il a notamment illustré comment un programme de dépistage par smartphone permet désormais à des patients de photographier leur œil chez eux, l’IA se chargeant d’alerter le clinicien en cas d’anomalie afin de prioriser les consultations urgentes : une approche de télésurveillance active qui pourrait révolutionner le suivi de pathologies chroniques comme le glaucome ou la DMLA, tout en désengorgeant les cabinets. De même, l’IA s’invite au bloc opératoire : le professeur Oshika a testé un système d’IA embarquée sur l’iPad d’Apple pour sécuriser la chirurgie de la cataracte, via reconnaissance faciale du patient, confirmation du bon côté opéré et vérification automatique du modèle d’implant intraoculaire, évitant ainsi les erreurs humaines rarissimes mais graves.
La Corée du Sud s’est également distinguée sur la période par l’émergence rapide d’outils d’IA dédiés à l’imagerie oculaire. En avril 2020, la start-up Vuno a obtenu l’autorisation de la KFDA (agence coréenne du médicament) pour son logiciel Med–Fundus AI, devenant ainsi la première IA ophtalmologique certifiée dans le pays. Capable d’analyser une photographie du fond d’œil en moins d’une seconde, le système identifie plus d’une douzaine de lésions oculaires caractéristiques, incluant microanévrismes, hémorragies, drusen, œdème maculaire ou encore indices de glaucome. Les performances affichées sont élevées, avec des sensibilités avoisinant les 95 % sur des jeux de données multi-centriques. Depuis son lancement, la solution a été déployée dans plusieurs hôpitaux publics et chaînes de centres ophtalmologiques en Corée, notamment via des caméras rétiniennes intégrées. En 2023, le gouvernement a classé Fundus AI comme « dispositif médical innovant », ouvrant la voie à un remboursement expérimental pendant trois ans, dans le cadre d’un dispositif national destiné à encourager les technologies médicales de rupture. Malgré une réglementation encore restrictive sur la télémédecine, la Corée du Sud a su imposer ses solutions d’IA comme outils d’appoint puissants pour renforcer les capacités de tri et de prévention en soins primaires, dans un pays où le vieillissement de la population accroît fortement la demande en soins visuels. Soutenues par l’État, les universités et les chaebols (conglomérats), ces innovations confirment l’ambition coréenne de devenir un hub exportateur d’IA médicale, y compris en ophtalmologie.
Le tour du monde des initiatives pour le numérique en santé appliqué à l’ophtalmologie
De la santé publique vétérinaire à la gouvernance territoriale pour V. Solère
Diplômée de l’école nationale vétérinaire d’Alfort et titulaire d’un doctorat en physico-chimie et qualité des bio-produits de l’université de Nantes, Véronique Solère débute sa carrière comme chercheuse à l’école vétérinaire de Nantes (Laberca), avant d’intégrer le ministère de l’Agriculture en 2005 comme experte des risques sanitaires liés aux pesticides. Elle évolue rapidement vers des postes à responsabilité, combinant expertise scientifique, gestion de crise et représentation internationale.
Elle rejoint ensuite le ministère de l’Écologie en 2010 pour piloter des programmes de recherche sur les risques environnement-santé, puis devient conseillère technique du ministre de l’Agriculture en 2011. Elle est affectée à Moscou en 2012 en tant que conseillère agricole à l’ambassade de France, au moment de l’entrée de la Russie dans l’Organisation mondiale du commerce. À partir de 2013, elle prend plusieurs directions départementales de la protection des populations, d’abord dans le Vaucluse, puis en Corse-du-Sud, avant d’arriver en Bretagne en 2018 comme directrice de cabinet du préfet du Morbihan, en pleine gestion de crise sanitaire. Elle poursuit ensuite son parcours préfectoral comme sous-préfète de Fontainebleau, puis devient magistrate financière à la Chambre régionale des comptes des Hauts-de-France. En 2023, elle revient en Bretagne à la tête de la Direction départementale de la protection des populations (DDPP) des Côtes-d’Armor, avant d’être nommée en 2024 déléguée interministérielle à la souveraineté agricole des outre-mer. Elle y mène un travail transversal sur la résilience alimentaire et l’adaptation des politiques agricoles en contexte insulaire.
Le 25 août 2025, elle prend officiellement ses fonctions de directrice générale de l’ARS Bretagne. Forte d’un parcours alliant expertise sanitaire, gestion de crise, relations internationales et pilotage territorial, elle arrive avec une vision intégrée des politiques de santé publique, environnementale et alimentaire. Elle aura notamment pour mission de coordonner la stratégie régionale d’accès aux soins, de soutenir les innovations territoriales en santé, et d’ancrer davantage l’ARS dans les réalités de terrain bretonnes.
Une trajectoire entre territoires, institutions et bioéthique pour M. Marmier
Diplômée en santé publique de l’UPEC, titulaire d’un master en économie de la santé (Paris-Dauphine) et formée à la recherche clinique à Strasbourg, Mathilde Marmier débute sa carrière comme interne en santé publique, entre la DSS, la Fédération des établissements hospitaliers et d’aide à la personne privés solidaires (Fehap) et l’université Paris-Dauphine. Elle rejoint rapidement les cabinets ministériels, d’abord en 2012 comme conseillère au cabinet de Marisol Touraine, où elle est chargée des questions de société, de santé mentale et de droits des usagers. Elle occupe ensuite un rôle central au cabinet du Premier ministre début 2024, sur les enjeux santé publique, handicap et bioéthique.
Parallèlement, elle mène des actions de terrain en prévention et santé publique : d’abord au conseil départemental de Seine-Saint-Denis (cheffe du service de prévention), puis à la ville de Paris, où elle est nommée médecin cheffe de la PMI, avant d’en devenir la sous-directrice (parentalité, santé sexuelle, santé des enfants). Elle y pilote près de 800 agents.En 2024, elle prend la direction de la procréation, de l’embryologie et de la génétique humaines à l’Agence de la biomédecine, avant de rejoindre l’ARS Bourgogne Franche-Comté à l’été 2025.
Des attentes fortes pour l’ARS en région :
Originaire du Doubs, Mathilde Marmier revient en terre connue pour piloter une région confrontée à des enjeux structurels : démographie médicale tendue, vieillissement accéléré, dynamique territoriale contrastée entre métropoles et zones rurales. Sa connaissance fine des politiques de prévention, des parcours de santé et des politiques sociales devrait l’aider à bâtir une feuille de route ambitieuse, dans un contexte de réforme du pilotage territorial de la santé.
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.
L’hypertension artérielle (HTA) est un problème de santé mondial croissant, en raison de l’augmentation de l’âge moyen de la population. Cette condition, souvent asymptomatique, est un facteur de risque majeur pour les maladies cardiovasculaires et les accidents vasculaires cérébraux. Le rôle de l’intelligence artificielle (IA) dans la prévention et le traitement de l’HTA est de plus en plus reconnu. L’application de l’IA permet d’améliorer la médecine personnalisée et d’offrir des traitements adaptés à chaque patient.
Cet article présente les cas d’usage de l’IA dans la gestion de l’HTA, en soulignant les améliorations diagnostiques et thérapeutiques apportées par cette technologie. Ces 16 cas d’usage seront classés par niveau de maturité, selon l’échelle TRL (en anglais Technology Readiness Level, qui peut se traduire par niveau de maturité technologique).
Etude Health&Tech : cartographie de la maturité des cas d’usage de l’IA pour l’HTA
4 cas d’usage de l’IA en prévention, qui ne dépassent pas le stade de développement
L’IA ouvre de nouvelles perspectives pour la prévention de l’HTA, en renforçant l’identification précoce des personnes à risque et en optimisant les actions de santé publique. Plusieurs cas d’usage se dessinent, allant de la prédiction individuelle à l’échelle clinique jusqu’à la planification territoriale des ressources. Toutefois, l’ensemble de ces approches demeure aujourd’hui en phase de développement technologique, avec des niveaux de maturité variables.
L’IA qui permet de prédire de manière précoce l’apparition de l’HTA chez la femme enceinte :
Parmi ces cas d’usage en prévention, l’IA permet notamment de prédire de manière précoce l’apparition de l’hypertension artérielle chez la femme enceinte. En s’appuyant sur des données cliniques courantes telles que les antécédents médicaux, le mode de vie ou les constantes vitales recueillies en début de grossesse (entre 7 et 18 semaines), des modèles d’IA de machine learning peuvent identifier les femmes à risque d’hypertension gestationnelle avant l’apparition des premiers symptômes. Ce cas d’usage vise à renforcer la prévention et le suivi personnalisé pendant la grossesse, en anticipant les complications potentielles liées à l’HTA.
D’un point de vue technologique, cette application se situe encore en phase de développement :
À l’échelle internationale, plusieurs modèles ont déjà été testés sur des cohortes cliniques importantes avec de bons résultats prédictifs, ce qui place cette approche à un niveau TRL 5 (preuve de concept validée, sans prototype intégré dans un flux de soins réel).
En France, ce cas d’usage reste au niveau TRL 4, en l’absence de validation externe locale ou d’outil intégré aux parcours de suivi obstétrical. Des cohortes françaises existent, mais n’ont pas encore permis de faire passer ce cas d’usage au stade de démonstration clinique.
L’IA qui prédit le risque d’HTA :
L’IA permet également de prévoir le risque de développer une hypertension artérielle (HTA). En analysant des données telles que l’âge, le mode de vie, les antécédents médicaux ou des marqueurs biologiques, les modèles de machine learning démontrent une prédiction du risque HTA plus précise que les scores classiques, avec des performances parfois supérieures (AUC entre 0,75 et 0,99 selon les cohortes).
En France, des projets de recherche (ex. données CONSTANCES, INSERM) fournissent une validation interne, mais on reste sur un TRL 4 à 5, en l’absence de prototype intégré aux soins ou aux systèmes d’information. À l’international, certains cas spécifiques atteignent des niveaux de maturité beaucoup plus avancés : le score QRISK3, largement utilisé au Royaume-Uni, est au TRL 9 ; des prototypes comme AIRE‑HTN (outil ECG-IA) ou une application mobile en Iran ont été testés sur le terrain, positionnant ces approches à TRL 6 à 8. Toutefois, la majorité des modèles IA génériques restent en phase de développement (TRL 5–6), sans déploiement généralisé.
Une IA qui permet de stratifier les risques populationnels :
L’amélioration de la stratification des risques cardiovasculaires à l’échelle populationnelle, est aussi l’un des cas d’usage de l’IA en prévention pour le HTA. Elle permet notamment de détecter les zones ou sous-groupes les plus à risque d’hypertension. En combinant de multiples sources de données (antécédents médicaux, imagerie, données génomiques, environnementales et sociodémographiques), les modèles IA peuvent classer les individus selon leur profil de risque, facilitant ainsi :
la priorisation ciblée des interventions préventives (campagnes de sensibilisation, dépistage, actions locales intensifiées) ;
l’optimisation des ressources de santé, en orientant moyens et équipements vers les populations ou territoires les plus exposés ;
le suivi évolutif et ajusté des stratégies de santé publique selon l’évolution des profils de risque.
Ces approches sont appuyées par des solutions qui intègrent des données multidimensionnelles pour produire des scores de risque enrichis, au-delà des méthodes traditionnelles . En France, plusieurs équipes de recherche (INSERM, universités, CHU) exploitent des cohortes nationales (CONSTANCES, E3N) pour développer des modèles de stratification territoriale (TRL 4-5). Cependant, aucun outil n’a encore été intégré dans les flux de décision publique ou les systèmes d’information régionaux. Le développement de ce cas d’usage en France est moindre qu’à l’international (TRL 5-6), où des études académiques utilisant des cohortes multi-sites et des biobanques montrent la performance de ces modèles, et des pilotes ont été déployés dans des systèmes de santé (e.g. NHS au Royaume-Uni, projets à grande échelle évaluant des algorithmes pour le dépistage et le ciblage régional).
L’IA pour optimiser les ressources de santé publique face à l’HTA :
Parmi les cas d’usage les plus prometteurs en prévention, l’intelligence artificielle s’impose comme un levier puissant pour optimiser les ressources de santé publique face à l’hypertension artérielle. En croisant des données issues des dossiers médicaux, des registres de patients et des indicateurs territoriaux, les modèles d’IA permettent de cartographier finement les zones à risque, d’anticiper les besoins locaux et de cibler les populations les plus vulnérables. Cette approche rend possible une allocation plus efficace des moyens (centres de dépistage, consultations de prévention, campagnes d’information), là où l’incidence de l’HTA est la plus élevée.
Des initiatives pilotes ont déjà vu le jour à l’étranger : au Royaume-Uni, par exemple, le NHS teste des outils d’IA capables d’orienter les campagnes de dépistage cardiovasculaire en fonction du profil de risque des territoires. Ces dispositifs, encore en phase de déploiement limité, témoignent d’un niveau de maturité technologique avancé (TRL 6 à 7), bien que leur intégration à large échelle et leur impact populationnel mesurable restent encore à démontrer (non atteint TRL 8 à 9). En France, ce type d’approche est encore largement au stade exploratoire (TRL 4-5).
Seul un cas d’usage atteint le déploiement pour le diagnostic de l’HTA par l’IA :
Seul un cas d’usage atteint aujourd’hui un niveau de déploiement avancé dans le champ du diagnostic de l’hypertension artérielle par l’intelligence artificielle. Tous les autres restent au stade de développement, avec des degrés de maturité variables selon les contextes nationaux. L’analyse des approches actuelles révèle toutefois une dynamique croissante d’expérimentation clinique, appuyée par des preuves de concept solides et des validations externes.
Le diagnostic de l’hypertension par caméra :
L’intelligence artificielle couplée à l’analyse vidéo permet désormais de mesurer la tension artérielle sans contact, simplement à partir d’une caméra. En exploitant le signal rPPG (remote photoplethysmography), capté via les micro-variations de couleur du visage, les algorithmes de deep learning peuvent estimer en continu la pression artérielle, sans brassard ni capteur physique. Cette approche ouvre des perspectives nouvelles pour le dépistage de l’hypertension, notamment dans les contextes de télésurveillance, de médecine à domicile ou auprès de publics fragiles.
Longtemps expérimentale, cette technologie est aujourd’hui en phase de déploiement clinique avancé. Plusieurs dispositifs sont déjà certifiés CE et commercialisés en Europe, comme l’application OptiBP de Biospectal, ou les technologies rPPG embarquées de Philips. Ces solutions sont déjà utilisées en milieu hospitalier ou en ambulatoire, et certaines ont même reçu une reconnaissance réglementaire aux États-Unis (FDA clearance en cours pour certaines versions).
À l’international et en France, ce cas d’usage atteint désormais le TRL 7 à 8, puisque des produits sont certifiés, testés cliniquement et disponibles sur le marché, et que leur intégration dans des programmes de télémédecine ou de dépistage commence à émerger, même si l’adoption généralisée (TRL 9) dépend encore de validations à large échelle et de mécanismes de remboursement. Le diagnostic de l’HTA via caméra n’est plus qu’une simple promesse mais une réalité technologique mature.
La détection de l’HTA par analyse vocale :
L’intelligence artificielle franchit une nouvelle étape innovante avec la détection non invasive de l’hypertension par la voix. En analysant les caractéristiques acoustiques, comme les variations de fréquence, le spectre vocal, l’énergie du signal, des algorithmes ML peuvent identifier des biomarqueurs de tension artérielle élevée : une étudea rapporté 84 % d’exactitude chez les femmes et 77 % chez les hommes, en classifiant automatiquement les sujets hypertendus (≥ 135/85 mmHg ou ≥ 140/90 mmHg).
Toutefois, cette technologie reste aujourd’hui au stade de développement, tant en France qu’à l’international, avec un niveau de maturité technologique estimé entre TRL 4 et 6. À l’international (notamment aux États-Unis et au Canada), des prototypes ont été testés via des applications mobiles en conditions réelles (TRL 6), mais ils ne sont pas encore intégrés aux parcours de soins. En France et en Europe, il s’agit principalement de preuves de concept (TRL 4–5), sans solution cliniquement validée ni dispositif homologué à ce jour.
La promesse de la détection de l’hypertension secondaire par l’IA :
L’IA se met au service du diagnostic différentiel en contribuant à mieux cibler les patients à risque d’hypertension artérielle secondaire, notamment l’hyperaldostéronisme primaire (HAP). Une équipe de recherche française a développé un modèle de stratification du risque, validé sur des données de l’hôpital européen Georges Pompidou puis du CHU de Bordeaux, combinant des approches statistiques interprétables et des algorithmes d’apprentissage automatique. L’objectif : maximiser la valeur prédictive négative pour identifier avec fiabilité les patients ne nécessitant pas de dépistage, tout en conservant une capacité de détection élevée. Résultat : seulement 0,7 % des patients exclus par le modèle présentaient en réalité un HAP, montrant un potentiel réel pour réduire les examens inutiles et mieux prioriser les ressources diagnostiques. Bien que les performances pour les autres formes d’HTA secondaire soient moindres, cette approche représente une avancée concrète pour affiner les stratégies de dépistage, en particulier chez les patients jeunes, où la prévalence d’HTA secondaire atteint près de 30 %.
Ce cas d’usage s’inscrit donc dans la dynamique actuelle de l’IA explicable au service du diagnostic, en combinant précision prédictive et transparence. Il atteint un niveau de maturité intermédiaire (TRL 5–6) et pourrait, avec des études prospectives et une intégration dans les outils cliniques, évoluer rapidement vers des usages concrets au sein des parcours de soins.
Détection de l’hypertension masquée grâce aux données de routine et à l’IA :
En matière de diagnostic et de suivi, l’intelligence artificielle joue un rôle croissant dans la détection de formes silencieuses ou complexes d’hypertension artérielle, notamment l’hypertension masquée non contrôlée. Des études récentes montrent que des algorithmes de deep learning et de machine learning sont capables d’identifier ces formes cliniquement significatives à partir des mégadonnées issues des dossiers de santé électroniques. En exploitant des variables simples comme les mesures de pression artérielle en consultation, les antécédents médicaux, les traitements et certains paramètres biologiques courants, ces modèles offrent une méthode non invasive et à grande échelle pour repérer les patients à risque de sous-diagnostic, souvent asymptomatiques en contexte clinique. Ce cas d’usage ouvre la voie à un dépistage automatisé et proactif, potentiellement intégrable dans les outils décisionnels des professionnels de santé.
Sur le plan de la maturité technologique, ce cas d’usage atteint aujourd’hui le niveau TRL 6 à l’international. Certains modèles ont été testés à grande échelle sur des bases de données cliniques issues de dossiers électroniques de santé, notamment aux États-Unis et en Corée du Sud, avec des résultats prometteurs. Toutefois, ces algorithmes restent pour la plupart confinés à des environnements expérimentaux ou à des interfaces de recherche, sans intégration systématique dans les logiciels cliniques utilisés en routine hospitalière.
En France, la situation est moins avancée : les développements sont majoritairement portés par des laboratoires académiques ou hospitalo-universitaires. Malgré des preuves de concept robustes, aucun algorithme de ce type n’est aujourd’hui intégré dans les outils cliniques des professionnels de santé. Le niveau de maturité peut donc être estimé entre TRL 4 et TRL 5, avec un potentiel d’évolution rapide si des partenariats institutionnels sont mobilisés.
La majorité des cas d’usage pour la prise en charge restent en phase de développement
L’essor de l’intelligence artificielle ouvre la voie à une prise en charge plus personnalisée et efficiente de l’hypertension artérielle, en complément du diagnostic et de la prévention. En mobilisant des données massives issues des dossiers médicaux, des essais cliniques et du suivi patient, les algorithmes permettent non seulement d’adapter les cibles thérapeutiques à chaque profil, mais aussi de mieux comprendre les facteurs influençant l’observance et de recommander les traitements les plus efficaces selon les caractéristiques individuelles. Si la majorité de ces applications reste en phase de développement, certaines atteignent déjà un niveau de maturité avancé à l’international. Cette dynamique dessine les contours d’une gestion plus proactive, plus sécurisée et véritablement centrée sur le patient hypertendu.
Une IA qui définit des cibles tensionnelles individualisées à partir des facteurs de risque :
L’un des cas d’usage de l’IA dans le cadre de la prise en charge de l’HTA est qu’elle permet d’affiner les objectifs de pression artérielle chez les patients en analysant les facteurs associés aux événements cardiovasculaires et aux effets indésirables des traitements. En intégrant les caractéristiques cliniques, démographiques et biologiques, elle aide à proposer des cibles de pression artérielle personnalisées plus sûres et plus efficaces que les seuils génériques. Cette approche est soutenue par des modèles prédictifs validés sur des bases de données rétrospectives, comme le montre une étude récente parue dans Clinical Hypertension.
Ce cas d’usage est aujourd’hui au TRL 5 à 6. Les modèles sont validés rétrospectivement, avec quelques premiers pilotes en condition réelle, mais aucune intégration clinique à large échelle ni dispositif réglementé à ce jour.
Identifier les freins à l’observance thérapeutique grâce à l’analyse des comportements :
L’IA permet aussi d’analyser les données de santé pour repérer les facteurs influençant l’adhésion aux traitements antihypertenseurs. En combinant les antécédents médicaux, les comportements de santé et les déterminants sociaux, les algorithmes peuvent prédire les risques de non-observance et proposer des interventions personnalisées : rappels ciblés, éducation thérapeutique, suivi renforcé. Cette capacité est explorée dans de récentes études, où l’IA est positionnée comme outil d’optimisation populationnelle de la prise en charge. Malgré ces études, le cas d’usage se situe au TRL 5. Des prototypes sont testés dans le cadre de programmes de recherche et de plans de santé publique, mais sans déploiement intégré dans les systèmes d’information hospitaliers ou de médecine de ville.
L’IA pour recommander des schémas thérapeutiques personnalisés à partir des données patient :
Enfin, l’IA permet d’adapter les prescriptions médicamenteuses en fonction des profils individuels, en identifiant les associations de traitements antihypertenseurs les plus efficaces et les mieux tolérées pour chaque patient. Ces algorithmes s’appuient sur des modèles prédictifs nourris de données cliniques réelles. Là encore, les cas d’usage issus deEuropean Heart Journalillustrent cette capacité à orienter les cliniciens vers un choix thérapeutique personnalisé. La maturité de ce cas d’usage est estimé entre TRL 5 et 6 à l’international, et reste expérimental en France, avec quelques travaux universitaires et hospitaliers mais sans application en vie réelle. L’intégration dans les outils d’aide à la prescription reste à construire.
Les cas d’usage de l’IA pour le suivi de l’HTA sont les plus avancés
Dans le champ de l’hypertension artérielle (HTA), l’intelligence artificielle transforme la façon dont les patients sont diagnostiqués, suivis et accompagnés. Du remplacement du brassard par des technologies d’analyse visuelle ou sonore, à l’aide à la décision thérapeutique en passant par l’accompagnement numérique, l’IA s’impose comme un levier essentiel de précision, de confort et d’efficacité. Si certains dispositifs atteignent déjà une maturité technologique élevée et sont disponibles sur le marché, d’autres en sont encore à l’étape de validation clinique ou de test à petite échelle. Quatre grands cas d’usage se dégagent actuellement.
Amélioration de la mesure de la pression artérielle sans brassard :
L’un des cas d’usage les plus avancés concernant l’HTA consiste à mesurer la pression artérielle sans brassard (« cuffless »), notamment pendant le sommeil. Grâce à des capteurs embarqués dans des objets connectés ou à des technologies de vision (rPPG), combinés à des algorithmes de machine learning, il est possible d’estimer la pression artérielle en continu et sans gêne pour le patient. Cela représente une avancée majeure pour le diagnostic de l’HTA nocturne, souvent sous-estimée. En France, comme à l’international, le niveau de maturité atteint le déploiement, grâce a des dispositifs comme SuiviHTA, OptiBP ou les solutions rPPG de Philips qui sont déjà certifiés CE et testés cliniquement. Leur déploiement est amorcé, notamment en télésurveillance.
L’IA pour prédire les résultats thérapeutiques :
L’IA est également utilisée pour prédire la probabilité qu’un patient atteigne ses objectifs tensionnels dans les mois suivant l’initiation d’un traitement antihypertenseur. En analysant les données du dossier médical (vitales, prescriptions, historiques), des modèles de deep learning peuvent anticiper le succès ou l’échec d’un schéma thérapeutique, permettant ainsi d’adapter les choix dès la première prescription. Des études robustes ont été menées (notamment sur plus de 350 000 patients aux États-Unis), mais les modèles restent expérimentaux et non intégrés aux outils de prescription en routine clinique (avec un TRL allant de 4 à 6 en fonction des pays).
Prédiction des effets individuels des traitements :
Plus ambitieuse encore, la prédiction des effets spécifiques d’un traitement chez un patient donné (efficacité et effets indésirables) constitue un champ en plein essor. Grâce à l’IA, il devient possible d’envisager des recommandations ultra-personnalisées. Des modèles développés sur des bases internationales montrent des performances encourageantes pour prédire, par exemple, les chutes de pression trop importantes, la réponse différenciée selon les classes thérapeutiques, ou encore les risques d’effets secondaires.
Le concept est validé dans plusieurs publications, mais les preuves cliniques prospectives restent rares. Aucun dispositif certifié n’intègre encore ce niveau de personnalisation (TRL : 5 à l’international, 3–4 en France).
L’IA qui permet un accompagnement numérique et une éducation thérapeutique personnalisée :
L’IA est aussi mobilisée pour renforcer le suivi et l’éducation des patients hypertendus. Des applications comme SuiviHTA ou des programmes tels que Chronic Care Complete de Teladoc Health intègrent des chatbots intelligents, des alertes personnalisées et des rapports automatiques, adaptés aux données collectées en continu. L’objectif : améliorer l’adhésion au traitement, responsabiliser les patients et détecter précocement toute dégradation.
Certains outils comme SuiviHTA sont déjà utilisés en France dans le cadre de programmes de télésuivi. À l’international, les services de Teladoc Health sont largement déployés, notamment aux États-Unis, dans une logique de soins chroniques intégrés.
Recherche : l’IA pour la découverte de nouveaux biomarqueurs de l’HTA
Dans le domaine de la recherche biomédicale, l’intelligence artificielle est de plus en plus mobilisée pour identifier de nouveaux biomarqueurs. Dans le cadre de l’hypertension artérielle, en croisant des données cliniques, génétiques, biologiques et d’imagerie à une échelle jusque-là inédite, des modèles d’apprentissage profond appliqués à des bases de données massives, comme celles issues de biobanques ou de registres hospitaliers, l’IA permet de révéler des corrélations subtiles entre certains profils biologiques et la survenue ou l’aggravation de l’HTA. Cette approche, mentionnée dans une revue récente de l’European Heart Journal, ouvre des perspectives pour une compréhension plus fine des mécanismes physiopathologiques de la maladie, ainsi que pour la stratification de nouveaux sous-types d’hypertension.
Toutefois, ce cas d’usage reste strictement circonscrit au champ de la recherche fondamentale et translationnelle. Aucune application clinique ou outil validé n’a encore émergé à ce stade. Il se situe à un niveau de maturité précoce (TRL 2–3). L’IA est utilisée pour la formulation d’hypothèses et la validation exploratoire de signaux biologiques, mais aucun biomarqueur issu de ces travaux n’a encore fait l’objet d’un transfert vers la clinique ou d’un marquage réglementaire.
Limites de l’application de l’IA dans l’HTA
La mise en œuvre de l’IA dans la gestion de l’hypertension artérielle présente plusieurs défis selon l’étude “Application of artificial intelligence in hypertension” publié en mai 2024 sur Biomedcentral (BMC). En effet, selon l’étude, malgré les directives de la FDA et d’autres organismes, il manque un consensus global et des lignes directrices uniformes. Les algorithmes d’IA nécessitent de vastes ensembles de données pour leur formation, soulevant des préoccupations de confidentialité et de sécurité des données. De plus, les biais potentiels dans les données d’entraînement peuvent conduire à des résultats discriminatoires. L’opacité des modèles d’IA, souvent qualifiée de “boîte noire”, complique l’interprétation des décisions diagnostiques et thérapeutiques, ce qui soulève des questions de responsabilité et de confiance parmi les professionnels de santé. Enfin, la précision des algorithmes d’IA dépend fortement de la qualité et de la diversité des données disponibles, limitant ainsi leur applicabilité et leur fiabilité dans des contextes cliniques variés.
Pour surmonter ces obstacles, la recherche future doit se concentrer sur la médecine de précision pour l’HTA en utilisant des technologies basées sur l’IA. Cette approche vise à réduire le fardeau mondial de l’hypertension en offrant des traitements plus ciblés et personnalisés. Toutefois, il est crucial de ne pas négliger les limites actuelles de cette technologie. Les efforts de recherche doivent inclure le développement de techniques pour atténuer les biais dans les données et les algorithmes, améliorer la transparence des modèles d’IA, et garantir la sécurité et la confidentialité des données des patients.
Utiliser les données de vie réelle et créer des patients virtuels pour les essais cliniques
Alors que l’essai clinique randomisé (RCT) reste l’étalon-or pour démontrer l’effet causal d’un traitement, il reste long, coûteux, contraignant, et parfois inadapté aux réalités cliniques, notamment dans le cas des maladies rares, des traitements personnalisés ou des populations difficiles à recruter. C’est dans ce contexte que les données de vie réelle viennent bousculer les approches classiques, en offrant des opportunités pour réduire les contraintes logistiques sans sacrifier la rigueur scientifique. Mais pour cela, encore faut-il que ces données puissent être intégrées de façon méthodologiquement robuste.
Le projet CAIR (pour “causalité, algorithmes, innovation, réduction’), porté par le professeur Yohann Foucher au CHU de Poitiers, récemment choisit comme lauréat de l’AAP “Inserm Messidor 2024” s’attaque à cette rigidité en explorant une voie hybride : enrichir les bras contrôles des essais cliniques par des données réelles, sélectionnées et modélisées pour en faire des “patients virtuels”. Ces patients, extraits ou simulés à partir de bases existantes comme les entrepôts de données de santé (EDS), permettraient de réduire la taille des groupes témoins tout en conservant la comparabilité requise pour une analyse causale solide.
Utiliser des données externes, mais sous conditions :
La promesse est séduisante, mais techniquement ardue. Les données issues des soins courants ne bénéficient pas du tirage au sort comme dans un essai clinique, qui garantit que les groupes de patients sont comparables dès le départ, en répartissant au hasard les profils selon des critères comme l’âge, la gravité de la maladie ou les antécédents médicaux. Ces données sont souvent marquées par des biais. Par exemple, certains traitements sont prescrits à des patients plus graves, ou dans certains hôpitaux seulement. Ces biais de sélection, d’indication ou de pratique peuvent rendre les comparaisons trompeuses. Le projet CAIR vise justement à corriger ces écarts, pour intégrer ces données de manière rigoureuse dans les essais cliniques.
Concrètement, l’équipe développe des algorithmes de prédiction de l’évolution des patients sous traitement standard, afin de générer des bras témoins “virtuels” robustes. Ces modèles sont d’abord testés sur des jeux de données simulées : une stratégie classique mais efficace pour valider des outils lorsque l’effet réel du traitement est connu. Ensuite, ces méthodes seront appliquées à un cas concret : la réanalyse de l’essai Prophyloxitin, portant sur la prévention des infections post-opératoires en chirurgie colorectale, en mobilisant les données issues de l’EDS du CHU de Poitiers.
Une approche pluridisciplinaire et distribuée
L’originalité de CAIR réside aussi dans sa gouvernance scientifique. Trois pôles académiques sont mobilisés autour de méthodologies distinctes mais complémentaires :
Poitiers, avec l’expertise du professeur Foucher en statistique causale et modélisation prédictive ;
Toulouse, qui explore les apports de l’apprentissage par renforcement ;
Bordeaux, qui mobilise les modèles mécanistiques pour prédire la réponse thérapeutique à partir de biomarqueurs.
Cette convergence entre statistique, intelligence artificielle et modélisation biomédicale marque une évolution stratégique dans la manière dont la France articule ses compétences en santé numérique. Elle témoigne aussi d’un mouvement de fond : les données de santé, une fois rendues interopérables, tracées et exploitables, ne sont plus seulement un outil de pilotage hospitalier ou de veille épidémiologique. Elles deviennent un levier scientifique.
Vers une recherche plus rapide, plus éthique, plus pertinente :
Ce que propose CAIR n’est pas une simple optimisation logistique des essais cliniques. C’est un véritable changement de paradigme, qui pourrait transformer en profondeur la relation entre la recherche et le soin courant. En intégrant les données de vie réelle au cœur même de l’évaluation thérapeutique, le projet répond à plusieurs impératifs croissants : il vise à accélérer l’accès aux traitements innovants, à réduire les coûts et la durée des essais, tout en limitant l’exposition des patients à des traitements potentiellement moins efficaces imposés par tirage au sort. À terme, ce type d’approche pourrait devenir structurant pour les essais dits adaptatifs, les études menées en situation de crise sanitaire — comme lors de la pandémie de Covid-19 — ou encore pour les évaluations post-AMM, dans une logique de réévaluation continue du rapport bénéfice-risque.
Le projet CAIR confirme une tendance de fond : les entrepôts de données hospitaliers (EDS) ne sont plus de simples réservoirs de dossiers patients. Ils deviennent des acteurs actifs de la production de preuves cliniques, à condition d’être correctement gouvernés, enrichis, et articulés à la recherche académique. Le soutien explicite de la direction et de la CME du CHU de Poitiers à ce projet illustre une prise de conscience stratégique : la donnée de santé est désormais un actif scientifique.
Avec plus de 45 000 agents de santé communautaires, équipés de téléphones mobiles ou de tablettes pour collecter les données de santé des patients lors de leurs différentes interactions (consultations, urgences, etc…) et assurer un suivi des patients jusqu’au niveau des villages, le Rwanda est l’un des systèmes de santé numérique les plus matures d’Afrique. Dans un récent rapport de Iqvia, le cabinet de conseil le considère comme “un système de santé digital très avancé au niveau continental”.
Ce statut a notamment été permis grâce à des investissements dans les télécommunications qui font qu’aujourd’hui 99 % du territoire est couvert en 4G, alors que seulement 62 % l’était en 2016. Le Rwanda déploie également la 5G et a récemment ouvert le marché à de nouveaux opérateurs pour stimuler la concurrence et l’accessibilité. Cette quasi-ubiquité du réseau mobile est un atout majeur pour les services de santé numériques, y compris dans les zones rurales les plus reculées. Pour renforcer ce statut, le pays a également instauré une carte d’identité nationale obligatoire dès 16 ans pour tous les citoyens, ce qui facilite grandement l’identification des patients dans les systèmes d’information. Parallèlement, un régime d’assurance maladie universelle couvre la majorité de la population, contribuant à améliorer la tenue des dossiers médicaux et à réduire les erreurs liées à l’identification des patients.
Plusieurs plans stratégiques e-santé mis en place :
Le gouvernement rwandais fait preuve d’un engagement politique fort en faveur de la e-santé. Sa vision stratégique pour un système de santé technologiquement avancé s’est traduite par l’élaboration de stratégies nationales dédiées. La plus récente est le « Rwanda eHealth Strategic Plan 2018–2023 », un plan stratégique qui cadre le développement du numérique en santé sur cinq ans. Ce plan, et les précédents, fixent des objectifs concrets et des échéances, garantissant une feuille de route claire pour la transformation digitale du secteur.
En matière de gouvernance, le Rwanda bénéficie d’une administration efficace et stable, créant un terrain favorable à la réussite des initiatives numériques. Toujours dans le récent rapport d’Iqvia sur l’avancée du numérique en santé en Afrique, le Rwanda est l’un des pays affiche parmi les meilleurs scores africains en efficacité gouvernementale et en stabilité politique, ce qui rassure les investisseurs et partenaires extérieurs. Ce contexte de bonne gouvernance a permis d’aligner les acteurs publics et privés sur les priorités e-santé et de mobiliser les financements nécessaires de manière coordonnée.
Par ailleurs, les partenariats internationaux et la coopération jouent un rôle important dans la gouvernance du numérique en santé. Le Rwanda a su collaborer avec de nombreux bailleurs et organismes mondiaux pour soutenir ses projets digitaux. Des organisations comme Partners in health, Gavi (alliance du vaccin), le Fonds mondial ou USAID ont apporté un appui technique et financier significatif aux initiatives de e-santé rwandaises. Ces collaborations s’inscrivent dans la gouvernance du secteur, le gouvernement définissant les priorités tandis que les partenaires contribuent au renforcement des capacités et des ressources.
Plusieurs infrastructures propices au développement du numérique en santé :
En plus d’une infrastructure télécom robuste (couverture nationale en haut débit mobile 4G/5G), plusieurs composantes essentielles de l’infrastructure numérique en santé sont en place au Rwanda, ce qui explique le haut niveau de maturité du pays :
Parmi ces infrastructures, le Rwanda a implanté de longue date des systèmes informatiques de gestion des données de santé. Notamment, dès 2012 le pays a adopté au niveau national la plateforme DHIS2 (District Health Information Software 2), très répandue à travers le monde pour la collecte et le suivi des indicateurs sanitaires. En parallèle, un dossier médical électronique national unifié a été mis en place il y a plus de dix ans : le Rwanda Health Information Exchange (RHIE). Cette plateforme d’échange de données cliniques a d’abord été déployée pour les services de maternité et de pédiatrie, et elle permet aujourd’hui de rendre les antécédents médicaux des patients accessibles instantanément aux professionnels de santé habilités sur tout le territoire. Le RHIE sert de colonne vertébrale au système d’information sanitaire rwandais, facilitant l’interopérabilité et la communication entre établissements de santé.
L’infrastructure e-santé profite également de l’identifiant unique national (la carte d’identité à 16 ans) couplé au numéro d’adhérent aux Mutuelles de Santé. Ces outils permettent de lier sans ambiguïté chaque dossier médical à un patient, améliorant la qualité et la fiabilité des données. Ils réduisent les doublons et erreurs d’identification, un aspect fondamental pour le bon fonctionnement des applications numériques en santé.
Un autre progrès majeur a été récemment accompli en matière d’interopérabilité : en 2022, le Rwanda a intégré le registre électronique des vaccinations avec le système d’enregistrement des naissances (état civil numérique), ce qui représente un jalon important vers des systèmes interconnectés. Cette intégration signifie qu’à la naissance d’un enfant, les informations sont automatiquement partagées avec le registre vaccinal, améliorant le suivi des immunisations. C’est un exemple concret de connectivité entre bases de données de santé autrefois siloées. D’une manière générale, le Rwanda cherche à harmoniser ses différents SIH (dont DHIS2, OpenMRS, etc…), afin d’assurer un échange fluide des données médicales à l’échelle nationale.
Encore plusieurs barrières à une adoption massive du numérique en santé :
Malgré de nombreuses avancées, la numérisation du système de santé rwandais bute sur de nombreux obstacles structurels et d’appropriation. Côté infrastructure et organisation, malgré une couverture mobile théorique de près de 100 %, la connexion Internet reste limitée et très inégale, surtout en zones rurales. Le déploiement national de plateformes (comme e-Ubuzima) exige des investissements lourds (environ 25 ordinateurs et une connexion stable par centre) souvent absents dans les dispensaires. Par ailleurs l’alimentation électrique rurale est instable et le coût des communications (SMS, data) reste élevé, freinant par exemple des programmes communautaires de santé mobile. Sur le plan financier et du point de vue de la gouvernance, le Rwanda a certes élaboré des stratégies e-santé et un régime d’assurance-maladie universel, mais la durabilité des projets dépend encore de financements extérieurs et d’une coordination public/privé perfectible (manque de soutien à long terme).
Côté adoption, le principal frein est le faible niveau de littératie numérique parmi les utilisateurs. De nombreux soignants (notamment plus âgés) ne sont pas formés aux outils digitaux. En tout, près de cinq millions de Rwandais manquent des compétences informatiques requises pour utiliser les plateformes numériques, indique une récente enquête publiée par Global dev. Cette absence de compétences, jointe parfois à la méfiance envers les nouvelles technologies ou à l’augmentation perçue des tâches administratives, ralentit fortement l’appropriation des outils digitaux par le personnel médical et les patients. Malgré une volonté politique forte, la numérisation de la santé au Rwanda reste donc freinée par des insuffisances d’infrastructure (connectivité, électricité, matériel), de financement coordonné et de gouvernance, ainsi que par un manque de formation et d’acceptabilité chez les acteurs de terrain.
État des lieux du numérique en santé en Afrique du Sud
Une stratégie nationale bien développée :
Sixième pays le plus peuplé d’Afrique avec 63 millions d’habitants, l’Afrique du Sud est un pays dans lequel le système de santé est dual : le secteur public prend en charge la grande majorité de la population (environ 71,5 % de la population), tandis que le privé dessert essentiellement “l’élite” (10,1 millions de personnes couvertes par des mutuelles privées, soit environ 26 % des ménages).
Pour ce qui est du numérique, les derniers chiffres montrent que plus de trois quarts de la population du pays a un accès à internet, et la grande majorité des habitants possède un abonnement mobile. Ces taux élevés créent un potentiel pour le numérique en santé, dont une première stratégie nationale a été adoptée dès 2019 : la stratégie nationale de santé numérique 2019–2024 (NDHS) élaborée par le ministère de la Santé (NDoH). Cette stratégie vise à exploiter les technologies numériques pour soutenir la couverture santé universelle et améliorer l’accès aux soins.
La stratégie propose de renforcer le leadership et la gouvernance aux niveaux national, provincial et local. Par exemple, des structures de pilotage spécialisées (comités techniques, comités par province) sont prévues pour coordonner l’e-santé. Le cadre réglementaire existant comprend déjà la Normes Normatives de Santé (HNSF) de 2014 – un référentiel d’interopérabilité e-santé national -, ainsi que des lois générales telles que la Protection of Personal Information Act (POPIA) sur la confidentialité des données. La NDHS entend étendre ces cadres (notamment l’architecture d’information nationale). Elle prévoit aussi un système d’identifiant patient unique pour faciliter le partage sûr des données de santé. Ces politiques s’inscrivent dans le contexte plus large de la réforme « National Health Insurance » (NHI) qui vise à unifier financement et soins pour tous. En somme, les orientations institutionnelles mettent l’accent sur les standards ouverts et l’interopérabilité, et envisagent des partenariats public-privé pour financer le déploiement numérique.
De nombreux outils numériques utilisés pour le secteur de la santé :
Comme pour le Rwanda, le système d’information sanitaire sud-africain s’appuie sur plusieurs outils numériques. Au niveau national, le DHIS2 est largement déployé pour la collecte et l’agrégation des données de santé (statistiques, vaccins, ressources humaines, etc.). DHIS2 est, en effet, « la plateforme de référence utilisée dans 51 pays africains », et l’Afrique du Sud a intégré via ce système des registres comme celui des ressources humaines (RH) en santé avec une interface FHIR. Pour la tenue de dossiers médicaux électroniques, le pays utilise notamment la plateforme OpenMRS (Open Medical Record System), qui permet de concevoir des dossiers adaptés à divers besoins (VIH, tuberculose, soins primaires…). En pratique, des hôpitaux et cliniques ont aussi adopté Bahmni, une suite basée sur OpenMRS pour la gestion hospitalière (images médicales, laboratoire, pharmacie, facturation)eprints.lse.ac.uk. Par exemple, Bahmni a été utilisé dans le projet EndTB pour suivre des traitements complexes de tuberculose résistanteeprints.lse.ac.uk.
Du côté de l’interopérabilité, celle-ci est encadrée par des normes définies (HL7 FHIR, IHE, SNOMED, LOINC). La NDHS indique explicitement que les systèmes nationaux existants (HNSF 2014) seront étendus pour assurer le partage sécurisé de l’information sanitaire. Une gouvernance technique est également mise en place pour faire communiquer entre eux les DME hospitaliers, le système de statistiques DHIS2 et les applications mobiles.
De nombreux impacts positifs observés, malgré quelques obstacles encore persistants :
Les outils numériques commencent à porter leurs fruits bien que leur déploiement complet prenne encore du temps. Parmi les succès mesurables, on retrouve notamment l’impact sur la santé maternelle. En effet, la solution MomConnect a eu un effet significatif dans le pays. Une étude réalisée par le gouvernement sud-africainmontre que 96 % des utilisatrices ont réalisé au moins 4 visites prénatales (contre 76 % en moyenne avant le programme). Elle a aussi permis au taux de vaccination des nouveau-nés d’augmenter (89 % des nourrissons recevaient au moins 6 vaccins à 6 semaines, contre environ 75 % auparavant), ce qui contribue directement aux objectifs de réduction de la mortalité maternelle et infantile du pays.
Selon plusieurs analyses, l’adoption des technologies digitales en Afrique du Sud permettrait un gain d’efficacité d’environ 15 % d’ici 2030. Et même si l’évaluation chiffrée manque encore, la dernière stratégie nationale du numérique en santé publiée indiquait que la mise en place de DME et de services mobiles conduirait à un allègement de certaines tâches administratives (dossiers électroniques remplaçant le papier, rendez-vous par SMS) et a une accélération de la circulation des informations entre établissements.
Mais malgré une stratégie nationale avancée, l’Afrique du Sud fait face à plusieurs freins à la numérisation de la santé : fragmentation des systèmes entre secteurs public et privé, disparités d’accès au numérique dans les zones rurales, manque de personnel formé aux outils digitaux, et faible interopérabilité entre plateformes. La gouvernance reste complexe, avec des compétences partagées entre niveaux national et provincial. Enfin, comme dans de nombreux pays, d’Afrique ou non, l’adoption reste freinée par une faible littératie numérique parmi certains professionnels de santé et patients, ainsi que par des préoccupations persistantes autour de la confidentialité des données et de la cybersécurité.
État des lieux du numérique en santé au Sénégal
Des initiatives interessantes pour le développement du numérique en santé :
Alors que de nombreux indicateurs de santé sont préoccupants au Sénégal – mortalités infantile et néonatale importantes, fortes inégalités en ce qui concerne la répartition des professionnels de santé qui sont concentrés à Dakar… – le pays dispose d’une stratégie nationale de santé digitale robuste. Ce “plan stratégique santé digitale 2018–2023“, qui était piloté par le ministère de la Santé (MSAS), visait notamment à améliorer l’équité d’accès aux services de santé et à faciliter la couverture sanitaire universelle. Ce plan, qui est le dernier en date dans le pays, incluait de nombreuses priorités telles que la télémédecine, l’innovation technologique des bases de données et les applications mobiles pour réduire la mortalité maternelle, infantile, et combattre le paludisme et les maladies transmissibles. Un de ses objectifs clés était de faciliter la collecte de données sanitaires en temps réel pour une prise de décision éclairée et d’améliorer les indicateurs de performance du secteur.
Pour venir compléter ce plan, les autorités sénégalaises ont récemment (en avril 2025) annoncé l’élaboration d’un projet de loi sur la santé numérique, dans le cadre du “New Deal Technologique”. Ce texte visera à encadrer l’usage des technologies médicales et à protéger les données de santé (télémédecine, e-identité médicale, cybersécurité). Il prévoit notamment la création d’un dossier patient numérique (DPN) national, qui centraliserait les données médicales des citoyens pour améliorer le suivi personnalisé des patients et la coordination entre professionnels de santé. L’approche est inclusive (consultation des professionnels de santé, société civile) pour bâtir un cadre réglementaire robuste, garantissant l’éthique et la souveraineté des données.
Des infrastructures numériques en forte progression :
Le Sénégal bénéficie d’une couverture mobile et internet en forte progression. Début 2023, 58,1 % de la population sénégalaise utilisait internet (10,19 millions d’internautes pour 18 M d’habitants) et le nombre de connexions mobiles actives dépassait la population (20,13 millions de SIM, soit 114,8 %). Les débits moyens sont élevés pour la région – environ 23 Mbps en mobile et 22 Mbps en fixe – ce qui facilite les solutions e-santé (télémédecine, e-learning, etc.).
Sur le plan des systèmes d’information sanitaire, le MSAS a mis en place un système national intégré de gestion des données : depuis 2014, la division du système d’information sanitaire et sociale gère une plateforme centralisée de remontée et d’analyse des données sanitaires. De plus, le développement de dossiers de santé électroniques est en cours. Par exemple, un “passeport santé digital” (identité biométrique du patient et QR code) a été testé dans le cadre de projets pilotes, dont un lors de la pandémie du Covid-19.
Du côté de l’interopérabilité, les ministres en charge de la santé dans le pays ont souligné l’importance de l’harmonisation des normes entre acteurs publics/privés pour garantir une interopérabilité efficace. En parallèle, la création du Répertoire national de l’état civil (RNEC) et la numérisation des actes d’état civil facilitent l’identification unique des patients, préparant le terrain pour un identifiant sanitaire national.
De nombreux bénéfices ressortent de la mise en place des plans récents :
Les retours d’expérience montrent que le numérique apporte des gains en termes d’accès, d’efficacité et de qualité des soins. La solution de télémédecine Telewer illustre ces bénéfices : les patients consultent à distance (gain de temps et d’argent, spécialités rares accessibles), reçoivent leur diagnostic et ordonnance en ligne, ce qui améliore la prise en charge en zone rurale et désengorge les structures urbaines. D’autres projets ont également renforcé l’accès des femmes enceintes à l’aide médicale, même sans connexion Internet, et permis un accompagnement plus personnalisé. L’application Wergu a, par exemple, permis de simplifier la recherche de médicaments et pharmacies, répondant à un besoin majeur pour les patients chroniques en zone urbaine.
Au niveau du système, on constate depuis plusieurs années une meilleure collecte et exploitation des données de santé. Alors que le PSSD 2018–2023 demandait explicitement de faciliter la remontée “en temps réel” les données sanitaires pour éclairer les décisions, les premiers indicateurs montre une amélioration de la complétude des rapports DHIS2, bien que des audits récents soulignent encore des faiblesses (maîtrise des outils informatiques et fiabilité des données) nécessitant plus de formation. De même, la numérisation des paiements dans l’assurance maladie universelle (CMU) contribue à augmenter la couverture tout en contrôlant les dépenses. Enfin, la perspective d’un “dossier patient numérique national” préfigure des impacts futurs : en centralisant les données médicales, il devrait rendre les parcours de soins plus fluides et efficaces, renforcer la coordination entre structures et offrir un suivi continu des patients, et donc une meilleure qualité de soins. Même si les défis restent nombreux (formation du personnel, couverture internet complète, intégration des initiatives privées), le Sénégal tente de tirer parti de son contexte mobile pour bâtir un système de santé plus réactif et équitable.
Le rapport de Xerfimontre que l’ophtalmologie est fortement impactée par le vieillissement de la population française, un phénomène démographique qui structure la demande. En 2025, plus de 45 millions de Français souffrent d’un trouble visuel, avec chaque année environ 800 000 nouveaux cas de myopie et 600 000 de presbytie. Par ailleurs, l’usage intensif des écrans accroît la fatigue visuelle et favorise l’apparition de pathologies. Cette explosion des besoins se traduit par une augmentation continue des dépenses remboursées pour les actes d’ophtalmologie, qui atteindront environ 1,16 milliard d’euros en 2025, soit une hausse annuelle prévue de +4%. Cette croissance est en partie portée par les actes techniques à plus forte valeur ajoutée (chirurgie, laser, angiographie).
Dépenses remboursées des actes des ophtalmologistes libéraux – CNAMTS
En parallèle, le secteur fait face à une baisse des effectifs d’ophtalmologistes libéraux, qui ont diminué de 2,6% entre 2017 et 2023, pour s’établir à 5 749 praticiens. Cette contraction s’explique par la suppression récente du numerus clausus (2020) dont les effets ne se feront pleinement sentir qu’après 2030, ainsi que par le départ massif des baby-boomers à la retraite. Cette double dynamique crée un paradoxe : la demande est en forte hausse, alors que l’offre médicale spécialisée se restreint. Cette situation conduit à une pression à la hausse sur les honoraires (prévision +7% en 2025) et à une augmentation des dépassements d’honoraires (environ 30% des revenus des libéraux en 2024).
Une montée en puissance du numérique et de la télémédecine pour élargir l’accès aux soins
Pour pallier cette pénurie et répondre à la demande, le secteur s’appuie de plus en plus sur le numérique et la télémédecine, notamment la télé-ophtalmologie. La téléconsultation est désormais bien intégrée dans le parcours de soins : elle permet d’effectuer des consultations à distance, sans passer par un médecin traitant, facilitant l’accès pour des patients isolés ou à mobilité réduite. La régulation récente (depuis 2024) autorise même les plateformes spécialisées (Qare, E-ophtalmo) à salarier des médecins pour assurer ces consultations. La télé-ophtalmologie contribue à réduire drastiquement les délais de rendez-vous, qui sont passés de 43 jours en 2019 à seulement 19 jours en 2024, tout en améliorant l’efficience globale du système. Par ailleurs, la télésanté ne se limite pas aux médecins. Elle intègre aussi les paramédicaux via le télésoin (orthoptistes, pharmaciens), renforçant ainsi la chaîne de soins. Le rapport Xerfi décrit cette évolution comme un changement de paradigme : le numérique devient un facilitateur incontournable de l’accès aux soins dans un contexte de tension structurelle.
L’IA comme révolution diagnostique et organisationnelle :
L’intelligence artificielle, notamment via le deep learning appliqué à l’imagerie rétinienne, est identifiée comme un levier technologique majeur. Les algorithmes d’IA sont capables d’identifier des anomalies avec une fiabilité équivalente ou supérieure à celle des spécialistes humains, ce qui ouvre la porte à l’automatisation des phases de dépistage et au tri initial des patients. Cette évolution promet non seulement un gain de temps pour les médecins, mais aussi une amélioration de la qualité et de la sécurité des diagnostics.
Concrètement, l’IA va permettre de :
réduire la charge des actes répétitifs (dépistage systématique) ;
prioriser les cas urgents pour un traitement plus rapide ;
intégrer de nouveaux outils de suivi à distance.
Formation, évolution des modèles… plusieurs défis restent cependant à relever :
Xerfi explique dans son rapport que si le numérique et l’IA offrent des perspectives particulièrement prometteuses pour répondre aux tensions structurelles du secteur ophtalmologique, leur intégration effective dans les pratiques soulève des enjeux majeurs.
L’un des premiers défis identifiés concerne la montée en compétence des professionnels de santé. La digitalisation croissante des actes (téléconsultation, télé-suivi, diagnostic assisté par IA) suppose que les ophtalmologistes, orthoptistes et assistants médicaux maîtrisent ces outils pour en faire un usage éclairé et sécurisé. Le rapport insiste sur la nécessité d’intégrer ces compétences dès la formation initiale, mais aussi de proposer des dispositifs de formation continue adaptés aux évolutions rapides des technologies. Sans cette acculturation, les outils numériques risquent d’être sous-utilisés ou mal intégrés, réduisant leur impact potentiel sur la qualité des soins et l’efficience organisationnelle.
Deuxième axe fondamental : la régulation. Xerfi rappelle que le recours croissant à des plateformes de téléophtalmologie et à des algorithmes de deep learning dans le diagnostic implique des exigences strictes en matière de :
protection des données personnelles, notamment les images rétiniennes, qui sont des données de santé à caractère hautement sensible ;
sécurisation des flux numériques, pour éviter les risques de fuite ou de détournement ;
garantie de la fiabilité et de la traçabilité des outils d’IA, afin d’assurer leur usage responsable et de prévenir toute dérive dans la décision médicale.
Enfin, le rapport met en lumière la nécessité de faire évoluer les modèles économiques du secteur. Les investissements nécessaires à l’achat, la maintenance et l’actualisation des outils numériques ou d’IA doivent être intégrés aux schémas de financement, que ce soit pour les cabinets libéraux, les centres de santé ou les plateformes.
Par ailleurs, la redistribution des rôles induite par ces innovations – avec une plus grande délégation aux orthoptistes ou aux dispositifs automatisés – pose la question de la valorisation de chaque maillon de la chaîne de soin. Cela suppose :
une tarification adaptée des actes numériques ou délégués,
un modèle incitatif pour l’usage de la télémédecine et de l’IA,
et une reconnaissance des nouveaux modes de collaboration entre professionnels humains et systèmes intelligents.
Wandercratf et Nabla lèvent plus qu’Uromems (40M €) au T2 2024
Si l’on compare les levées de fonds des entreprises françaises du numérique en santé lors du premier trimestre de l’année 2025 à celles qui ont été réalisées au cours du premier semestre de l’année précédente, on remarque qu’en dehors de Wandercraft, Nabla – qui ont toutes les deux réalisé une levée de fonds d’un montant plus élevé qu’Uromems (entreprise qui avait levé le plus gros montant au S1 2024, avec 44 millions €), avec respectivement 65,5M et 60M € levés en juin 2025 – , et Apmonia Therapeutics (20M €), les autres entreprises du secteur n’ont pas réussi à lever plus de 10 millions d’euros.
Plus globalement, à l’échelle du S1 2025 et en comparaison avec le S1 2024, seules 5 entreprises ont levés plus de 10M €. À la fin du mois de juin 2024, onze entreprises françaises du numérique en santé avaient réussi à lever plus que cette somme depuis le début de l’année : Uromems (44M €), Bioptimus (32,4M €), Aqemia (30M €), Resilience (23,1M €), May Health (23M €), Nabla (22M €), Kinvent (16M €), Cure51 (15M €), Diabeloop (15M €) et Azmed (15M €) et inHeart (10,2M €). Malgré des sommes plus importantes levées au cours de ce premier semestre de l’année 2025, l’inégalité dans les montants levés au cours de ce semestre ne permet au secteur d’observer une augmentation des sommes levées en France, par rapport à l’année dernière : 299,6M € au S1 2025 contre 335,45M € au S1 2024. Cependant, si l’on prend en compte uniquement les sommes levées lors du T2 de ces deux années, l’année 2025 dépasse l’année 2024 avec 191,1M € levés contre 164,75M €.
Top 6 des levées de fonds des entreprises françaises du numérique en santé lors du T2 2025 – @Health&Tech Intelligence
Une seule levée de fonds en dessous de 1M € :
Si ces chiffres sont bien loin d’atteindre ceux du S1 2022, qui était porté par 2 opérations dépassant les 100 M€ : Doctolib(500 M€, série G), et DNA Script (172 M€, série C), les levées de fonds du premier semestre de l’année 2025 se distinguent de celles du S1 2024, car seul financement de moins d’un million d’euros a été réalisé, celles de Little John, auprès de Bpi France, pour un montant de 800 000 €). Pour rappel, au S1 2024, 4 entreprises (Omena, Akivi, Feel et D’un seul geste) avaient levé moins d’un million d’euros.
CAOMIE, une initiative conjointe du Crédit Agricole Martinique-Guyane, Crédit Agricole La Réunion – Mayotte, et Elevation Capital Partners, en collaboration avec BPI France
Little John
0,8
Avril
Assurance
Bpifrance
Brink Therapeutics
3,5
Avril
Thérapie génique
n.c
Poppins
5,0
Avril
Thérapies Digitales
n.c
Wandercraft
65,5
Juin
Handicap
Renault Group, le fonds PSIM
Nabla
60,0
Juin
Compte-rendu médicaux
HV Capital, avec Highland Europe en tant qu’investisseur clé, aux côtés de DST Global, et des investisseurs historiques Cathay Innovation et Build Collective de Tony Fadell.
Racine² (fonds à impact de la MGEN), Serena, Makesense, BNP Paribas Développement, Épopée Gestion, Good Only Ventures, Better Angle et le fonds régional NACO
Un nombre de solutions qui double en l’espace de quelques mois
Cette édition 2025 marque un tournant quantitatif et qualitatif. L’année dernière, seuls dix éditeurs avaient été recensés, tous ayant répondu à un premier questionnaire exploratoire. Parmi eux figuraient Arkhn, Codoc, Enovacom, Euris Health Cloud, Hopsiia, Lifen, Loamics, MedTrucks, MipihSIB (devenu depuis …) et Ospi. Cette année, ils sont vingt à avoir participé, doublant quasiment la volumétrie initiale et reflétant la dynamique d’un marché en structuration rapide.
Deux acteurs présents en 2024 ne figurent cependant plus dans cette nouvelle édition : Loamics et Ospi. Aucune mention directe n’explique leur absence dans le document. Toutefois, au regard de la méthodologie décrite, plusieurs hypothèses se dégagent. L’enquête 2025 repose sur une participation volontaire via un questionnaire diffusé publiquement en janvier. Leur retrait pourrait ainsi s’expliquer par un choix stratégique de ne pas répondre, un désengagement du secteur de la santé, ou bien une recentrage sur d’autres verticales. Il est aussi possible que leur maturité fonctionnelle ou leur inscription dans des cas d’usage concrets sur le terrain n’aient pas suffisamment progressé pour justifier une nouvelle participation.
À l’inverse, plusieurs nouveaux venus intègrent ce panorama : des acteurs spécialisés comme Vidal, Calmédica, Rhisa ou Adlin Science, mais aussi des solutions encore émergentes comme Yunohit ou Ana Healthcare.
Des solutions classées en quatre grandes familles :
Pour donner de la lisibilité à cette diversité croissante, l’analyse proposée distingue quatre grandes familles de solutions, en fonction de leur ancrage technologique et fonctionnel :
D’abord, les solutions dites “natives”, directement issues d’éditeurs historiquement implantés dans les établissements. C’est le cas du MipihSIB, de Dedalus ou de Cpage, dont les solutions sont souvent perçues comme des prolongements logiques des SIH existants. Elles répondent bien aux besoins de pilotage interne, de reporting ou de dialogue de gestion.
Viennent ensuite les solutions spécialisées, positionnées sur des niches fonctionnelles précises. Vidal Sentinel se consacre à la détection des effets indésirables médicamenteux. Calmédica propose un outil de télé-suivi des patients. Sancare structure des données PMSI, et MedTrucks facilite la modélisation territoriale des parcours de soins.
Une troisième famille regroupe les plateformes orientées données médicales complexes, en particulier la biologie, l’imagerie, la génétique ou l’anatomopathologie. On y retrouve des solutions comme Lifen, Alia Santé, Biwako, Medsavana, ANA Healthcare ou encore Rhisa, souvent utilisées pour la création de cohortes multicentriques ou la structuration fine des données sources.
Enfin, certaines plateformes apparaissent comme des socles techniques génériques pour des projets d’EDS variés. Codoc, Arkhn, Enovacom, Adlin ou Euris Health Cloud sont capables d’absorber de multiples sources hétérogènes, de standardiser les données selon les formats OMOP ou FHIR, et de fournir des environnements complets d’analyse, de visualisation et d’exploitation de la donnée. Ces solutions sont souvent celles qui intègrent le plus grand nombre de fonctionnalités dans le cycle de vie de la donnée, de l’extraction à la réversibilité, en passant par la pseudonymisation, le data lineage ou l’analyse statistique.
Des solutions qui montent en gamme depuis 2024
Si l’Anap et le HDH prennent soin de ne pas hiérarchiser les éditeurs, plusieurs constantes émergent. Parmi les cinq axes fonctionnels analysés dans le panorama – extraction, qualité, exploitation, sécurité et réversibilité -, on observe des écarts significatifs entre les solutions, tant sur la profondeur des fonctionnalités que sur leur articulation.
En matière d’extraction des données, la majorité des solutions sait aujourd’hui traiter des formats structurés, semi-structurés (comme le JSON) et non structurés. Mais seules certaines plateformes, telles que Hopsiia, Enovacom, Codoc ou Arkhn, se démarquent réellement par leur capacité à agréger des flux hétérogènes issus de nombreux applicatifs du SIH, grâce à des connecteurs robustes ou à l’intégration de logiques de data streaming.
La mise en qualité de la donnée – comprenant la pseudonymisation, la restructuration de texte libre, la standardisation en formats OMOP ou FHIR, et le data lineage – reste encore un différenciateur fort. Peu de solutions maîtrisent l’ensemble de ces briques : Arkhn, Adlin Science, Enovacom et, dans une moindre mesure, Savana et Codoc, proposent des chaînes de traitement quasi complètes.
Mais c’est sans doute sur l’exploitation des données que les écarts sont les plus manifestes. Certaines solutions se limitent à fournir un accès en consultation ou des exports bruts, quand d’autres intègrent de véritables environnements analytiques. Adlin Science, Arkhn, Hopsiia et Codoc proposent ainsi des plateformes intégrées capables de répondre à une large palette de besoins : analyses statistiques en R ou Python, exploitation visuelle via dashboarding, moteur de recherche dans les bases pseudonymisées, ou encore environnement de développement intégré (IDE) pour les data scientists. Ces solutions s’adressent donc aussi bien à des utilisateurs avancés qu’à des équipes projets moins techniques, grâce à des interfaces no-code de plus en plus présentes.
Sur le plan de la sécurité, le panorama confirme une montée en gamme. Si la certification ISO 27001 n’est pas encore généralisée, la plupart des solutions ont intégré les exigences fondamentales : séparation des rôles, traçabilité, double authentification, intégration dans les SSO. Enfin, la réversibilité reste le point noir de l’écosystème. Peu d’acteurs offrent des garanties complètes sur la restitution des données, des métadonnées, des codes et des modules en cas de changement de prestataire. Arkhn est l’un des rares à proposer une ouverture de bout en bout, là où d’autres se limitent à des exports partiels ou dans des formats propriétaires.
En avril 2023, le rapport du professeur Martine Laville sur la lutte contre l’obésité en France jetait un pavé dans la mare. Ce document, commandé dans un contexte de fin de feuille de route nationale et de stagnation des politiques publiques, proposait 40 recommandations pour enrayer une pathologie chronique touchant 17 % des adultes français. Parmi ces recommandations, huit, dont certaines sont passées inaperçues, misaient sur le numérique en santé comme levier majeur pour mieux prévenir, suivre et traiter l’obésité. Deux ans plus tard, où en est-on vraiment ?
Un virage amorcé pour la numérisation des données anthropométriques
Le rapport Laville appelait à numériser systématiquement les données de poids et taille recueillies lors des examens de santé périodiques chez l’enfant, dans les centres de protection maternelle et infantile (PMI) ou via la médecine scolaire (recommandations 5, 6 et 9). Objectif : disposer d’une vision épidémiologique fine et actualisée.
Deux ans plus tard, cette ambition connaît des avancées, mais reste loin d’être réalisée. Le projet de carnet de santé numérique de l’enfant, intégré à “Mon Espace Santé”, constitue l’axe central de cette transformation. Officiellement inscrit dans les priorités du ministère, ce carnet permettra de centraliser toutes les données de santé de l’enfant, y compris les mesures de croissance, et de les rendre accessibles aux professionnels comme aux familles. Sa mise en œuvre est annoncée pour fin 2026, avec un déploiement progressif déjà amorcé dans certains territoires pilotes.
Toujours aucune obligation formelle de saisie par les professionnels :
Parallèlement, les réformes du calendrier de suivi pédiatrique vont dans le bon sens : un 21e examen obligatoire a été ajouté à 6 ans, et l’ensemble des visites médicales intègrent désormais le repérage systématique du surpoids ou de l’obésité. Les certificats de santé transmis à la Direction de la recherche, des études, de l’évaluation et des statistiques (Drees) sont censés alimenter un système de suivi statistique. Toutefois, le taux de remontée reste très insuffisant, un problème connu de longue date, et aucune mesure réglementaire contraignante n’impose encore la saisie des données de poids et taille dans les outils numériques des professionnels de santé.
En pratique, les données anthropométriques peuvent être enregistrées dans “Mon Espace Santé“, mais cela repose entièrement sur la volonté des médecins ou des parents. Les outils sont là, les référentiels aussi, mais l’absence d’obligation et de circuit automatique nuit à la complétude et à l’exploitation de ces données à l’échelle nationale.
Enfin, du côté des collectivités, certaines initiatives locales émergent : des départements expérimentent des systèmes de recueil informatisé dans les PMI ou les établissements scolaires, en lien avec les réseaux de prévention et de la prise en charge de l’obésité pédiatrique (RéPPOP) et les centres spécialisés de l’obésité (CSO). Mais ces expériences restent isolées, non harmonisées, et peu interopérables. Le rapport Laville proposait la création d’un système national structuré et anonymisé de suivi de l’obésité infantile. Pour l’instant, la France en est encore au stade des fondations.
Des parcours coordonnés… mais encore trop peu numérisés
La recommandation 18 du rapport portait une ambition claire : structurer des parcours de soins coordonnés, financés au forfait, intégrant les différents professionnels de santé impliqués dans la prise en charge de l’obésité, médecins, diététiciens, psychologues, éducateurs en activité physique adaptée (APA), etc… Ce modèle devait s’appuyer sur une coordination numérique fluide, permettant un suivi structuré, partagé et de proximité. Une approche fondée à la fois sur l’interdisciplinarité médicale et sur les outils du numérique en santé pour rompre avec la fragmentation habituelle des parcours.
Depuis, le modèle de parcours a progressé, mais la brique numérique reste fragile, inégale, et non généralisée. Sur le versant pédiatrique, le programme “Mission : retrouve ton cap” (MRTC), aujourd’hui généralisé à l’échelle nationale, a permis de tester quelques interfaces numériques locales (outils de suivi de bilans, portails d’inscription, téléconsultation). Toutefois, aucune plateforme nationale de coordination n’a été imposée ou développée à ce jour. L’échange d’information entre les professionnels reste souvent manuel (par e-mail sécurisé ou téléphone), sans DMP enrichi, ni interopérabilité avec Mon espace santé.
Du côté des adultes, les expérimentations Article 51 comme GPS’Obésité ont démontré la faisabilité de parcours coordonnés sur 12 à 24 mois. Ces dispositifs ont mobilisé des solutions numériques spécifiques (comme Terr-eSanté), utilisées pour le partage de comptes rendus, la planification de séances, et l’évaluation des indicateurs. Mais ces outils sont issus de choix régionaux ou locaux, et ne communiquent pas entre eux, ni avec les référentiels nationaux. On observe ainsi une dispersion technologique, sans socle interopérable ni pilotage centralisé.
Un manque d’interopérabilité constaté :
En 2024, les ARS ont reçu instruction de déployer ces parcours à plus grande échelle. Le financement des forfaits coordination prévoit bien la prise en charge d’outils numériques – mais sans cadre de référence national. Résultat : chaque porteur de projet est livré à lui-même pour choisir ou développer une solution, sans garantie de compatibilité avec les systèmes en place (DMP, MSSanté, INS…). Le risque de fragmentation numérique est donc élevé, y compris au sein d’une même région. Certaines CPTS, à l’instar de celles de Bourgogne-Franche-Comté ou d’Occitanie, ont néanmoins initié des expérimentations connectées avec les outils régionaux (Pulsy Pro, ORU PACA…), et parfois même intégré un accès patient via des portails sécurisés. Mais ces initiatives restent isolées, dépendantes de la maturité numérique des acteurs locaux, et sans mutualisation nationale.
En somme, la coordination numérique reste le talon d’Achille de la structuration des parcours. Sans référentiel unique, sans obligation d’usage, sans solution interopérable intégrée à Mon espace santé, les parcours coordonnés d’obésité risquent d’échouer à franchir le cap de l’efficience. Le rapport Laville avait identifié le besoin d’un écosystème numérique commun : il n’existe toujours pas à ce jour.
Plusieurs initiatives qui digitalisent l’éducation thérapeutique du patient
Le rapport Laville appelait aussi à développer des solutions digitales d’éducation thérapeutique du patient (ETP) (recommandation 19). Si aucune plateforme publique nationale n’a vu le jour, plusieurs initiatives portées par des réseaux ou des associations ont émergé. La plus notable est “FabrikTaSanté”, une plateforme en ligne d’ateliers d’ETP née en Centre-Val de Loire, aujourd’hui utilisée au niveau national. En parallèle, certains CSO et CPTS proposent des ateliers à distance pour le suivi post-chirurgie ou la gestion du poids. Reste à structurer et valider scientifiquement ces contenus, et à étendre leur accessibilité.
Une formation des professionnels qui se digitalise aussi
Concernant les recommandations 27 et 29 sur la formation en ligne des professionnels et patients experts, le terrain a pris les devants. La plateforme Banco, créée fin 2022 pour les professionnels de l’obésité pédiatrique, propose un webzine, des podcasts et du e-learning. D’autres plateformes émergent pour l’obésité adulte, mais l’écosystème reste morcelé. Des formations DPC en ligne existent, tout comme des webinaires portés par les CSO. Une harmonisation des contenus et une validation par les autorités sanitaires seraient bienvenues pour garantir une montée en compétences cohérente.
Un objectif encore lointain d’ouverture aux données pour la recherche
Parmi les leviers numériques identifiés par le rapport Laville pour renforcer la lutte contre l’obésité, la recommandation 33 insistait sur un enjeu souvent négligé : l’ouverture contrôlée mais effective des données issues des grandes cohortes de recherche. L’objectif était clair : permettre à la communauté scientifique d’exploiter pleinement ces données massives pour mieux comprendre les trajectoires de surpoids, identifier des facteurs de risques combinés, affiner les modèles prédictifs… et, in fine, soutenir des politiques publiques ciblées. Ce type d’ambition repose intrinsèquement sur une infrastructure numérique robuste, interopérable et sécurisée, capable d’agréger, d’anonymiser, de tracer et de partager des données sensibles dans un cadre légal strict.
Sur ce point, les avancées sont réelles mais encore très partielles. Certaines bases de données de référence comme Constances (Inserm & la Caisse nationale de l’assurance maladie) ou NutriNet-Santé (Inserm & Sorbonne Paris Nord) ont ouvert – ou commencent à ouvrir – des sous-ensembles de données via des portails dédiés ou des procédures d’accès sur projet. De même, la centralisation progressive de ces bases dans le Health data hub (HDH) constitue une étape majeure vers une mutualisation sécurisée. La plateforme du HDH, pierre angulaire du numérique en santé en France, a pour mission de fournir aux chercheurs un accès facilité à des données de santé pseudonymisées à grande échelle, tout en garantissant la conformité RGPD et la souveraineté des traitements.
Un accès en réalité limité :
Mais dans les faits, l’accès aux données reste limité à quelques équipes structurées, habituées aux procédures complexes d’agrément, d’instruction éthique et de montage de projets. Les cohortes sont souvent hébergées sur des silos techniques, avec des formats hétérogènes, des standards différents et des modalités d’accès peu harmonisées. Le rapport Laville appelait explicitement à une mise en cohérence des formats, à une gouvernance partagée, et à la création d’un portail d’accès national unifié, ce qui n’est toujours pas en place à l’échelle opérationnelle.
Autrement dit, la vision d’un espace numérique de recherche sur l’obésité, reposant sur des données ouvertes, bien décrites, harmonisées, sécurisées et facilement exploitables, n’a pas encore vu le jour. Il manque un cadrage stratégique spécifique à cette pathologie, un guichet unique pour accéder aux données des cohortes pertinentes, et des ressources pour accompagner les chercheurs (notamment ceux issus des CSO, CHU ou associations de patients) dans la structuration de leurs projets.
Sans cette colonne vertébrale numérique, les données pourtant déjà disponibles resteront inexploitables à grande échelle. Le potentiel du numérique en santé, ici, ne dépend pas d’une technologie à inventer, mais d’une volonté politique et organisationnelle à coordonner ce qui existe déjà.
