VERDU BISSI Alexandre

  • 9 études démontrent l’impact mesurable de l’IA sur le secteur du médico-social (revue de littérature)

    Un corpus de 9 études (2022–2025) sur l’IA dans le secteur médico-social :

    Le vieillissement de la population et la pénurie chronique de personnel soignant imposent l’évaluation rigoureuse des interventions technologiques en gériatrie. Cet article synthétise et analyse les résultats de neuf études publiées entre 2022 et 2025, incluant des essais cliniques pilotes, des revues systématiques et des études d’acceptabilité hébergées sur PubMed/PMC. Menées par des équipes de recherche internationales, ces études ont pour objectif d’identifier l’impact clinique réel de l’intelligence artificielle pour sécuriser le maintien à domicile et la vie en établissement (EHPAD, unités post-AVC).

    Les études retenues couvrent des thématiques structurantes :

    • L’impact de l’IA prédictive et de l’analyse vidéo/embarquée sur la détection et la prévention des chutes ;

    • Le rôle de la robotique sociale et d’assistance pour la gestion des troubles du comportement et le maintien de l’autonomie ;

    • Les limites éthiques de l’IA algorithmique, incluant les biais liés à l’âge et la nécessité de préserver le lien humain.

    Jusqu’à 83 % de réduction des chutes grâce à l’IA :

    L’efficacité de l’IA pour prévenir les accidents physiques dépasse désormais la simple alarme réactive. Une étude pilote menée dans une unité de soins post-AVC (PMC12542081, 2025) démontre que le déploiement d’un système de vidéosurveillance intelligente (“SMART AI Patient Sitter”) réduit drastiquement les chutes de 83,3 %. En alertant le personnel en 21 secondes lors d’une tentative de lever risquée, l’IA permet une intervention préventive. Cette approche est soutenue par l’utilisation de capteurs portables dotés d’Edge Computing. Une étude de 2024 (PMID: 38628753) prouve qu’une IA embarquée sur le patient peut analyser les activités et détecter les chutes avec une précision de 97 %. Plus en amont encore, l’analyse prédictive de la marche par IA (PMC12670325, 2025) identifie les déclins de mobilité avant la première chute, permettant d’adapter la kinésithérapie. Enfin, une méta-analyse exhaustive (PMID: 41265569, 2025) confirme que la fusion de capteurs couplée au Deep Learning est aujourd’hui la méthode la plus fiable pour diminuer les faux positifs, un fléau qui épuise les équipes soignantes.

    La robotique qui réduit l’agitation des patients :

     L’intégration de la robotique en soins gériatriques offre des bénéfices cliniques tangibles, particulièrement pour les troubles cognitifs. Une étude clinique en établissement de soins (PMID: 39935956, 2025) a introduit le robot compagnon “LOVOT” auprès des résidents, constatant une réduction significative de l’agitation grâce à une “acceptation inconditionnelle” simulée par l’IA. Pour le maintien à domicile, la technologie “Smart Aging” (PMC12706947, 2025) utilise l’IA pour croiser les données de routine et détecter les décompensations précoces, évitant ainsi des hospitalisations en urgence souvent délétères. Pour répondre aux craintes liées à l’intrusion, des chercheurs ont validé un robot de soins à domicile, “Dori” (PMID: 36236614, 2022), doté d’un “système de détection éthique” : il analyse la posture sans jamais enregistrer de visages ou de corps identifiables, garantissant un suivi de sécurité respectueux de la vie privée.

    Plusieurs limites à souligner :

    Au-delà des succès techniques, la littérature met en garde contre une adoption aveugle. Une étude sur les robots de compagnie (PMID: 36895732, 2023) souligne un malaise éthique : si l’IA peut apaiser les patients atteints de démence par la “tromperie” (croire que le robot est vivant), elle génère un rejet chez les personnes âgées cognitivement saines. Plus critique encore, une analyse des parties prenantes (PMC12750441, 2025) identifie l’âgisme algorithmique comme une faille majeure. Les modèles d’IA étant majoritairement entraînés sur des populations jeunes, ils peinent à gérer la multimorbidité et la polypharmacie des seniors. Ces chercheurs alertent également sur le risque de voir l’IA remplacer les visites physiques, aggravant l’isolement social, un facteur de mortalité connu.

    Tableau comparatif synthétique des 9 études

    Réf. Population / Domaine Méthodologie Résultats chiffrés clés Conclusion principale
    PMC12542081 (2025) Patients à haut risque (unité post-AVC) Étude pilote Réduction de 83,3 % des chutes ; Temps de réponse 21s Le gardien virtuel IA est hautement efficace pour la prévention immédiate.
    PMID 38628753 (2024) Personnes âgées (détection de chutes) Développement expérimental Précision de détection de 97 % (Edge Computing) L’IA embarquée assure une alerte ultra-rapide et fiable.
    PMID 41265569 (2025) Adultes âgés Méta-analyse (Revue) N/A (Évaluation de la précision) La fusion de capteurs (DL) est optimale pour réduire les fausses alertes.
    PMC12670325 (2025) Seniors (risques moteurs) Suivi longitudinal Amélioration des scores de mobilité post-dépistage L’analyse squelettique par IA permet un dépistage prédictif des déclins moteurs.
    PMID 39935956 (2025) Résidents EHPAD / LTC Étude clinique observationnelle Réduction clinique de l’agitation Les robots sociaux (LOVOT) apaisent efficacement les patients avec troubles cognitifs.
    PMC12706947 (2025) Résidents EHPAD (Multimorbidité) Étude d’intervention Réduction des transferts aux urgences La détection des anomalies de routine par IA prévient les décompensations graves.
    PMID 36236614 (2022) Seniors à domicile Étude de validation technique Validation du suivi articulaire anonymisé Il est possible de surveiller la sécurité (robot Dori) tout en garantissant une éthique stricte (vie privée).
    PMID 36895732 (2023) Personnes âgées (sentiment de solitude) Étude qualitative Inconfort éthique significatif chez les patients lucides L’usage de l’IA pour simuler la compagnie nécessite une grande transparence pour éviter l’effet de tromperie.
    PMC12750441 (2025) Acteurs médico-sociaux (Soignants, patients) Enquête d’acceptabilité N/A (Évaluation des biais) L’âgisme algorithmique et le risque d’isolement social sont les freins majeurs au déploiement de l’IA.

    Les bénéfices de l’IA dans le médico-social s’articulent autour de 3 piliers

    Il ressort de la concordance de ces 9 études que le succès de l’intelligence artificielle en gériatrie repose sur trois piliers fondamentaux :

    1. L’anticipation prédictive plutôt que réactive : Qu’il s’agisse d’analyser d’infimes asymétries de la marche (PMC12670325) ou les tentatives de lever (PMC12542081), l’IA transforme la prise en charge en permettant aux soignants d’intervenir avant le drame de la chute ou l’hospitalisation d’urgence.

    2. La protection de l’intimité par le design (Ethical Sensing) : L’acceptation de ces technologies par les patients passe obligatoirement par des dispositifs non intrusifs. L’utilisation de données articulaires ou thermiques (PMID: 36236614) prouve que l’on peut garantir la sécurité sans filmer l’intimité des personnes âgées.

    3. L’impératif de la supervision humaine et la lutte contre les biais : La technologie ne doit pas devenir un vecteur d’isolement (PMC12750441, PMID: 36895732). Les modèles d’IA doivent être entraînés spécifiquement sur des données gériatriques pour éviter des recommandations dangereuses, et doivent servir à libérer du temps médical pour réinvestir la relation humaine, seule capable d’offrir une véritable empathie.

    Bibliographie :

    • Artificial intelligence for fall detection in older adults: A comprehensive survey of machine learning, deep learning approaches, and future directions. Ageing Research Reviews. PMID: 41265569.

    • Development of artificial intelligence edge computing based wearable device for fall detection and prevention of elderly people. Heliyon. PMID: 38628753.

    • “It’s always happy to see me”: Exploring LOVOT robots as companions for older adults. Journal of Rehabilitation and Assistive Technologies Engineering. PMID: 39935956.

    • A Care Robot with Ethical Sensing System for Older Adults at Home. Sensors. PMID: 36236614.

    • Companion robots to mitigate loneliness among older adults: Perceptions of benefit and possible deception. Frontiers in Psychology. PMID: 36895732.

    • Implementation of a SMART AI Patient Sitter in a Post-Stroke Care Unit. PMCID: PMC12542081.

    • Smart Aging: Continuous remote monitoring and early decompensation detection in nursing homes. PMCID: PMC12706947.

    • Predictive Mobility Screening Using AI Skeletal Tracking to Prevent Falls in the Elderly. Journal of Medical Internet Research. PMCID: PMC12670325.

    • Stakeholders’ perceived benefits and concerns regarding AI in the care of older adults: Algorithmic bias and social isolation. PMCID: PMC12750441.

  • Médico-social : une réglementation stricte qui conditionne l’arrivée de l’IA

    Une réglementation bâtie sur les droit de la personne

    L’état des lieux réglementaire du médico-social français dessine les contours d’un secteur bâti sur la primauté absolue des droits de la personne (2002, 2005, 2024) et encadré par une gouvernance territoriale et qualitative particulièrement rigide (2009, 2022). Toute innovation cherchant à pénétrer ce marché, à l’instar de l’intelligence artificielle (IA), ne peut se contenter d’être technologiquement performante. Elle devra impérativement prouver sa conformité à ce corpus de lois : elle devra être au service exclusif du projet personnalisé de l’usager (loi 2002), répondre aux exigences de traçabilité de la qualité de la HAS (2022), et ne jamais se substituer à la vigilance et à l’empathie humaines exigées par la prévention des vulnérabilités. C’est ce droit médico-social, autant que le droit du numérique, qui dictera le cadre d’usage de l’IA en France.

    Ce tour d’horizon du cadre réglementaire du médico-social est fait de sorte à ce que les réglementations apparaissent de la plus récente à la plus ancienne.

    La loi « Bien Vieillir » de 2024 et la réaffirmation de la dignité et du contrôle

    Le cadre législatif le plus récent est incarné par la loi du 8 avril 2024 portant mesures pour bâtir la société du bien vieillir et de l’autonomie. Ce texte intervient dans un contexte de crise de confiance du grand public envers les institutions. De manière très analytique, cette loi vient resserrer le contrôle sur les établissements (notamment les Ehpad) en facilitant les évaluations et en imposant une transparence financière accrue. Elle crée également le Service public départemental de l’autonomie (SPDA) pour mettre fin à la complexité des parcours administratifs des usagers.

    Mais son apport fondamental réside dans le renforcement des droits opposables : consécration du droit de visite absolu dans les établissements et renforcement de la lutte contre les maltraitances après, notamment, la publication du livre “Les fossoyeurs”. La législation rappelle ici que l’institutionnalisation ne doit jamais se traduire par une privation des libertés fondamentales ou un isolement forcé.

    La réforme de l’évaluation qualité par la HAS en 2022

    Une bascule réglementaire majeure s’est opérée avec le décret d’avril 2022, qui a transféré et uniformisé l’évaluation des établissements et services médico-sociaux (ESMS) sous l’égide de la Haute autorité de santé (HAS). Auparavant hétérogène, l’évaluation qualité est désormais soumise à un référentiel national unique et impératif. L’analyse de ce référentiel montre un changement de paradigme complet : l’évaluation n’est plus seulement documentaire, elle repose sur la méthode du « patient traceur » (ou personne accompagnée traceur). Les évaluateurs interrogent directement les usagers sur leur satisfaction et l’effectivité de leurs droits.

    Ce cadre réglementaire impose aux structures une culture de l’amélioration continue et de la mesure d’impact, conditionnant directement le renouvellement de leurs autorisations de fonctionnement.

    La loi d’adaptation de la société au vieillissement (ASV) de 2015 et son virage domiciliaire

    La loi du 28 décembre 2015 marque le tournant stratégique et financier de l’accompagnement en France. L’analyse de la loi ASV démontre une volonté politique claire de retarder l’entrée en institution. Elle revalorise l’allocation personnalisée d’autonomie (APA) à domicile et crée, pour la première fois, un statut et un « droit au répit » pour les proches aidants. Sur le plan réglementaire, cette loi entérine le fameux « virage domiciliaire », obligeant les politiques publiques et les financements à se réorienter vers la prévention de la perte d’autonomie et l’adaptation des logements, modifiant durablement le modèle économique des acteurs du secteur.

    La loi « Hôpital, Patients, Santé, Territoires » de 2009

    La loi dite « Hôpital, Patients, Santé, Territoires » (HPST) du 21 juillet 2009 a redessiné toute la gouvernance administrative du médico-social. Elle a acté la création des agences régionales de santé (ARS), censés devenir de véritables bras armés de l’État en région. L’impact réglementaire de cette loi a été massif : fin des autorisations de création d’établissements accordées au fil de l’eau, remplacées par une logique d’appels à projets stricte et planifiée en fonction des besoins du territoire. La loi HPST a également généralisé les contrats pluriannuels d’objectifs et de moyens (CPOM), qui lient financièrement les établissements à leurs autorités de tarification (ARS et Conseils Départementaux) en échange d’engagements de performance. Cette loi a fait basculer le médico-social dans une ère de rationalisation gestionnaire.

    La loi Handicap de 2005 et son droit universel de compensation

    Texte de rupture par excellence, la loi du 11 février 2005 pour l’égalité des droits et des chances a aboli l’approche purement médicale du handicap pour lui substituer une approche sociale et environnementale. Elle crée un droit universel à la compensation des conséquences du handicap (via la prestation de compensation du handicap – PCH) et impose l’obligation d’accessibilité. Au niveau institutionnel, elle donne naissance aux maisons départementales des personnes handicapées (MDPH), conçues comme des guichets uniques. Cette loi impose à tout le secteur médico-social un impératif d’inclusion : l’objectif des structures n’est plus seulement d’héberger ou de soigner, mais de garantir la pleine citoyenneté des personnes.

    La loi 2002-2, le socle inébranlable des droits des usagers

    Enfin, l’analyse du médico-social ramène inexorablement à sa véritable charte fondatrice : la loi du 2 janvier 2002 rénovant l’action sociale et médico-sociale. Ce texte a opéré une révolution copernicienne en plaçant l’usager, jusqu’alors considéré comme un sujet de soins passif, au centre du dispositif. Elle a gravé dans le Code de l’Action sociale et des familles (CASF) des droits fondamentaux incontournables : respect de la dignité, droit à l’information, et surtout, obligation d’élaborer un “projet personnalisé d’accompagnement” pour chaque individu. Elle a également imposé la création des conseils de la vie sociale (CVS) pour garantir la participation des résidents aux décisions de la structure.

  • État des lieux du médico-social : un secteur en proie à la démographie, mais qui trouve une lueur d’espoir dans le numérique

    Un choc démographique qui n’arrive pas à être résorbé

    Le vieillissement de la population constitue un défi démographique majeur, avec un nombre de personnes âgées en perte d’autonomie bénéficiaires de l’allocation personnalisée d’autonomie qui devrait atteindre le chiffre de 1,6 million en 2030, ce qui représente une hausse de 15 % en moins de 10 ans, puisqu’en 2024 la France comptait déjà 1,4 million de bénéficiaires de l’APA. À cette dynamique s’ajoute un volume d’accompagnement déjà considérable : la dernière étude disponible de la Direction de la recherche, des études, de l’évaluation et des statistiques montre qu’à la fin de l’année 2022, la France comptait 12 380 établissements et services médico-sociaux proposant 531 000 places pour accompagner les seules personnes en situation de handicap.

    Face à ces besoins croissants, le poids repose lourdement sur les aidants. Ce sont aujourd’hui 9,3 millions de personnes qui déclarent apporter une aide régulière à un proche en situation de handicap ou de perte d’autonomie, constituant ainsi un pilier essentiel, mais de plus en plus fragile, du système actuel.

    85 % des Ehpad sont désormais déficitaires :

    En plus de cette explosion des besoins, le secteur médico-social fait face à une équation financière de plus en plus tendue. Bien que l’effort financier national de soutien à l’autonomie soit massif, s’élevant à 90,2 milliards d’euros en 2023 – dont 40,6 milliards d’euros consacrés par la seule branche Autonomie (gérée par la CNSA) pour l’année 2024 -, cet investissement historique se heurte de plein fouet à la réalité du terrain.

    En effet, le cadre budgétaire actuel ne parvient plus à absorber le double choc de l’inflation et de la hausse constante des besoins. Cette fragilité structurelle se traduit par une situation d’urgence pour les établissements d’accueil : pour l’exercice 2023, près de 85 % des Ehpad rattachés à la fonction publique hospitalière ont enregistré un résultat déficitaire. Au total, le secteur public a accumulé un déficit dramatique estimé à 1,3 milliard d’euros sur les années 2022 et 2023, ce qui met aujourd’hui gravement en péril la pérennité de l’offre médico-sociale publique en France.

    Des professionnels sous tension :

    Au-delà de l’impasse budgétaire, le secteur médico-social traverse une crise aiguë de l’attractivité et des ressources humaines, qui constitue aujourd’hui son véritable point de rupture. L’aide à l’autonomie repose entièrement sur les épaules de 1 362 300 professionnels salariés, des équipes sous haute pression et très largement féminisées (à 87 %). Au sein de ce vaste ensemble, plus de 343 100 personnes travaillaient spécifiquement dans des structures dédiées à l’accompagnement du handicap à la fin de l’année 2022.

    De plus, les conditions d’exercice engendrent aujourd’hui des difficultés de recrutement et un turn-over d’une ampleur inédite. Le déficit d’attractivité est devenu alarmant :les derniers chiffres de la Drees montrent que 74 % des structures accueillant des enfants et 68 % de celles destinées aux adultes déclaraient rencontrer des difficultés majeures pour recruter du personnel. Cette instabilité chronique se traduit sur le terrain par une rotation des effectifs épuisante pour les directions et les collectifs de travail, puisque 28 % du personnel en fonction à la fin de l’année 2022 (derniers chiffres connus) était arrivé depuis moins d’un an, fragilisant ainsi la continuité de la relation d’aide et de soin.

    Un secteur qui essaye de souffler grâce à sa numérisation

    Pour faire face à ces défis structurels et moderniser un système à bout de souffle, les pouvoirs publics ont engagé un vaste plan de rattrapage numérique pour le médico-social, considéré aujourd’hui comme le socle indispensable à toute transformation future. L’État investit massivement pour numériser le secteur, avec un effort financier historique de plus de 600 millions d’euros impulsé par le Ségur et prolongé par la Feuille de route du numérique en santé 2023-2027.

    Portée par le programme ESMS Numérique dans le sillage du Ségur de la santé, cette impulsion vise à développer et à ancrer les usages informatiques dans le quotidien des professionnels. Sur le terrain, cette accélération technologique s’est d’ores et déjà traduite par l’installation de 15 000 solutions logicielles référencées, permettant le déploiement massif de plus de 740 000 dossiers usagers informatisés (DUI) actifs. Cette étape cruciale garantit enfin une première interopérabilité et une structuration des données d’accompagnement.

    L’IA comme possible réponse structurelle :

    La demande d’accompagnement explose sous l’effet du choc démographique, les ressources humaines s’épuisent, et si l’infrastructure numérique est désormais en grande partie posée, elle s’avère pour l’heure trop chronophage pour les équipes de terrain. C’est précisément à l’intersection de cette saturation opérationnelle et de cette nouvelle disponibilité des données que l’IA s’affirme non plus comme une innovation expérimentale, mais comme l’unique réponse structurelle viable à grande échelle.

    Loin des fantasmes de remplacement technologique, le rôle de l’IA dans le médico-social est avant tout de « sauver le temps humain ». L’objectif n’est en aucun cas de déléguer la relation d’aide à des machines, mais d’utiliser la puissance algorithmique pour absorber la surcharge administrative qui asphyxie les professionnels. En automatisant la rédaction des transmissions par reconnaissance vocale, en optimisant la logistique complexe des plannings d’intervention à domicile, ou encore en détectant de manière prédictive les signaux faibles de perte d’autonomie (risques de chutes, dénutrition, isolement), l’IA vise à restituer aux soignants et travailleurs sociaux leur cœur de métier : la présence et l’empathie. Toutefois, confier l’analyse des vulnérabilités humaines à des algorithmes soulève une question démocratique fondamentale. Pour que l’IA puisse véritablement transformer le secteur médico-social sans en compromettre les valeurs, son déploiement exigera un encadrement juridique et éthique d’une rigueur absolue.

  • Gen AI : nouvelle collaboration entre Synapse Medicine et le CHU de Bordeaux qui déploie désormais l’assistant MedGPT

    Un cas d’usage concret au service des soignants

    Au cœur du partenariat entre le CHU de Bordeaux et Synapse Medicine, le déploiement d’un assistant médical basé sur l’IA générative, conçu pour fournir aux professionnels de santé des réponses fiables et contextualisées à partir de référentiels validés. L’approche est structurante : l’outil ne remplace pas le médecin, mais renforce sa capacité de décision.

    Déployé notamment dans des environnements à forte intensité comme les urgences, cet assistant permet :

    • un accès rapide à des connaissances médicales actualisées
    • une réduction du temps de recherche d’information
    • une sécurisation des prises de décision

    Ce positionnement répond à un enjeu clé du déploiement de l’IA en santé : trouver le bon équilibre entre automatisation et maîtrise humaine.

    Vers un modèle hospitalier centré sur la donnée, la confiance et la souveraineté pour le CHU

    Ce partenariat s’inscrit dans une stratégie plus large du CHU de Bordeaux, qui développe déjà de nombreux projets autour de l’intelligence artificielle. L’objectif est de structurer un modèle où la donnée devient un levier central de transformation des soins.

    Trois dimensions apparaissent clés :

    • L’intégration opérationnelle : l’IA est pensée comme un outil du quotidien, intégré aux workflows, et non comme une solution isolée
    • La confiance et la conformité : respect du RGPD, encadrement des usages, maintien du contrôle des données par l’établissement
    • La souveraineté : les données restent dans l’environnement hospitalier, limitant les risques liés à leur externalisation

    En filigrane, ce partenariat illustre une bascule plus large : l’IA en santé entre dans une phase de déploiement maîtrisé, où la valeur ne repose plus uniquement sur la technologie, mais sur sa capacité à s’insérer dans un cadre clinique, organisationnel et réglementaire exigeant.

  • HDH : la Plateforme des données de santé a choisi Scaleway comme hébergeur de ses données

    Un choix industriel importante pour tout le numérique en santé français

    La Plateforme des données de santé (French Health Data Hub) amorce une évolution de son infrastructure en annonçant le choix de Scaleway comme futur hébergeur. Derrière cette décision technique, c’est en réalité un signal stratégique fort envoyé à l’ensemble de l’écosystème : celui d’un recentrage vers un modèle de cloud souverain, dans un contexte où les enjeux de confiance, de sécurité et de dépendance technologique sont devenus centraux.

    Le choix de Scaleway intervient à l’issue d’un processus de sélection particulièrement exigeant, intégrant plus de 350 critères techniques. Il reflète aussi une réalité : les offres de cloud européennes ont atteint un niveau de maturité suffisant pour répondre à des besoins critiques en santé. La solution française a été préférée à plusieurs autres outils, dont ceux d’OVH cloud et d’Orange business.

    Cette migration marque une inflexion importante. Pendant longtemps, les infrastructures hyperscale internationales étaient perçues comme incontournables pour gérer des volumes massifs de données de santé. La décision de la PDS suggère qu’un écosystème européen compétitif est désormais crédible, à condition d’un travail conjoint entre acteurs publics et industriels. Par ailleurs, cette migration ne se limite pas à un changement d’hébergeur : elle s’inscrit dans une logique de co-construction. Les exigences spécifiques de la PDS sont appelées à enrichir l’offre industrielle, contribuant ainsi à structurer une filière cloud adaptée aux cas d’usage les plus sensibles.

    Une réversibilité pensée dès l’origine :

    Dans son communiqué de presse la PDS explique que la plateforme avait intégré dès sa conception une logique de réversibilité, avec des travaux engagés dès 2019 pour anticiper un changement d’hébergeur. La PDS explique donc que la question de la souveraineté n’a pas été traitée a posteriori, mais bien intégrée comme une contrainte d’architecture. L’utilisation de standards cloud natifs et de mécanismes de sécurité avancés permet aujourd’hui de rendre cette transition techniquement possible, sans remise en cause de la continuité de service.

    La PDS illustre ici une approche encore trop rare dans les systèmes publics : concevoir des infrastructures capables d’évoluer avec le marché et les exigences réglementaires.

    Une migration pensée pour accélérer l’usage des données de santé

    Au-delà des questions de souveraineté, l’objectif principal reste opérationnel : fluidifier l’accès aux données et accélérer leur usage.

    La future infrastructure doit notamment permettre à la PDS de gérer de manière autonome une copie de la base principale du SNDS, entre fin 2026 et début 2027. Cette migration pourrait permettre de réduire significativement les délais d’accès aux données pour les projets de recherche et d’innovation. En creux, cela répond à une critique récurrente adressée à la plateforme : la complexité et la lenteur des processus d’accès aux données. En renforçant son autonomie technique, la PDS cherche à passer d’un modèle centralisé et contraint à une logique plus fluide et plus scalable.

  • Inobservance thérapeutique : de l’urgence sanitaire à la riposte technologique.

    Article 1 – La non-observance, une urgence clinique et économique aux conséquences vertigineuses

    La science prouve qu’abandonner son traitement est, dans la majorité des cas, un acte conscient et intentionnel. Avec 12 000 décès évitables, 100 000 hospitalisations inutiles et une facture annuelle dépassant allègrement les 9 milliards d’euros, la non-observance n’est plus un simple problème de discipline individuelle. C’est une urgence macro-économique qui asphyxie nos hôpitaux. Plongez dans l’anatomie de ce fléau silencieux pour comprendre les véritables racines du décrochage thérapeutique, et pourquoi 50 % des patients chroniques finissent par jeter l’éponge

    👉 Consultez l’article ici.

    Article 2 – Les coûts cachés de la non-observance estimés à plus de 9 milliards d’euros par an

    Réduire la non-observance au simple prix des boîtes de médicaments non consommées est une erreur de calcul monumentale. La véritable facture ne se cache pas dans nos placards à pharmacie, mais dans les services de réanimation et les bilans écologiques. Avec un coût de soins induits estimé à plus de 9 milliards d’euros par an, le décrochage thérapeutique déclenche une réaction en chaîne dévastatrice : explosion de l’absentéisme, accélération redoutable de l’antibiorésistance, épuisement des soignants piégés par la ‘cascade de prescriptions’, et pollution massive de nos nappes phréatiques. Décryptage d’un naufrage à la fois sanitaire, économique et environnemental, où la pilule oubliée n’est que la partie visible de l’iceberg.

    👉 Consultez l’article ici.

    Article 3 – 11 études démontrent l’impact mesurable de l’IA, des applications de santé et des chatbots sur l’observance thérapeutique (revue de littérature)

    Et si le numérique en santé n’était plus un simple gadget technologique, mais un véritable outil clinique puissant ? Les preuves sont désormais sur la table. En passant au crible 11 études internationales et méta-analyses récentes, la science livre un verdict sans appel : l’intégration de l’IA et du suivi digital augmente l’observance de 26 %, fait chuter drastiquement les réadmissions hospitalières et multiplie par 1,8 l’adhésion aux thérapies les plus complexes. Des algorithmes de prédiction aux chatbots d’accompagnement, plongez dans ces données incontestables qui prouvent comment la synergie « humain-machine » s’impose aujourd’hui comme le nouveau standard de soins.

    👉 Consultez l’article ici.

    Article 4 – Observance : 17 solutions qui redéfinissent la chaîne de l’adhérence thérapeutique

    Oublions le traditionnel pilulier en plastique et le simple rappel sur smartphone : l’observance est entrée dans l’ère de la médecine de précision. Jumeaux numériques anticipant les toxicités, algorithmes capables de ‘nettoyer’ une ordonnance, pancréas artificiels en boucle fermée ou livraison du dernier kilomètre… l’écosystème e-santé a tissé un véritable filet de sécurité autour du patient. À travers un panorama de 17 solutions technologiques déployées en France, découvrez comment l’innovation couvre désormais chaque millimètre du parcours de soins, transformant l’adhérence d’un pari incertain en un processus scientifiquement et logistiquement encadré.

    👉 Consultez l’article ici.

    Article 5 – 7 cas d’usage de l’IA pour lutter contre l’inobservance thérapeutique

    Aujourd’hui, l’IA ne se contente plus de rappeler le traitement, elle détruit les racines du décrochage. Algorithmes prédictifs pour anticiper la rupture, dé-prescription assistée pour alléger la charge mentale, décodage des blocages psychologiques et pharmaciens « augmentés » au comptoir… À travers 7 cas d’usage cliniques réels, découvrez comment l’IA permet d’intercepter l’inobservance à la source, avant même que le patient n’envisage d’abandonner ses soins.

    👉 Consultez l’article ici.

     

    IA & observance : une étude signée H&TI
    IA & observance : une étude signée H&TI

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

    L’anticipation et la personnalisation par la données

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

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

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

    La sécurisation de l’ordonnance et du comportement

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

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

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

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

    Des dispositifs médicaux connectés qui remplacent les dispositifs basiques

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

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

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

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

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

    Des solutions qui font le lien avec l’hôpital 

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

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

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

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

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

    Des outils de rappel qui arrivent en bout de chaîne :

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

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

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

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

    Cartographie des solutions :

    17 solutions numériques pour l'observance - @Health&Tech Intelligence
    17 solutions numériques pour l’observance – @Health&Tech Intelligence

  • Les coûts cachés de la non-observance estimés à plus de 9 milliards d’euros par an

    Un coût qui va au-delà du gaspillage des médicaments

    Pour comprendre l’impact économique de la non-observance, il faut regarder la partie immergée de l’iceberg. Le gaspillage direct – c’est-à-dire les médicaments remboursés mais non consommés – ne représente qu’une fraction du problème. Le véritable coût réside dans les soins induits.

    En effet, lorsqu’un traitement chronique n’est pas respecté, la pathologie s’aggrave, entraînant des passages aux urgences, des actes chirurgicaux évitables et des arrêts de travail prolongés. En France, l’étude macro-économique de référence (IMS Health) a chiffré ce coût des soins évitables à 9 milliards d’euros par an. Ce fardeau s’explique par un engorgement direct des infrastructures : la non-observance génère à elle seule 100 000 hospitalisations annuelles, cumulant un million de journées d’hôpital.

    À cela s’ajoute un coût sociétal indirect massif. Une maladie chronique mal équilibrée (comme un diabète sévère, des troubles cardiovasculaires ou une dépression) entraîne une explosion de l’absentéisme. La perte de productivité pour les entreprises et l’économie nationale alourdit encore une facture déjà insoutenable, à l’heure où les dépenses courantes de santé en France ont atteint le record de 332 milliards d’euros en 2024 (derniers chiffres de la Drees disponibles).

    De nombreuses conséquences liées également à l’antibiorésistance :

    Le coût de la non-observance se paie également sur le plan clinique collectif. L’exemple le plus frappant est celui des antibiotiques. L’arrêt prématuré d’un traitement antibiotique (dès que le patient “se sent mieux”, souvent au bout de trois jours) est l’un des moteurs principaux de l’antibiorésistance.

    En ne détruisant pas totalement la charge bactérienne, les pathogènes survivants mutent et deviennent résistants. En 2025, l’Organisation mondiale de la santé (OMS) a déclaré l’antibiorésistance comme l’une des 10 plus grandes menaces pour la santé publique mondiale, estimant qu’elle pourrait causer 10 millions de décès par an d’ici 2050 si les comportements ne changent pas.

    Un coût qui se répercute sur des soignants et des aidants sous pression

    Enfin, il existe un coût social, invisible dans les rapports comptables : l’épuisement humain.

    • Pour les professionnels de santé : La non-observance crée une frustration profonde et génère ce que l’on appelle la “cascade de prescriptions”. En voyant un patient revenir en consultation avec des paramètres cliniques dégradés, le médecin peut penser à tort que le traitement initial est inefficace. Il va alors doubler la dose ou prescrire une molécule de “seconde ligne” plus agressive, augmentant drastiquement le risque de toxicité et d’effets secondaires graves pour le patient.

    • Pour les proches aidants : L’aggravation d’une maladie chronique accélère la perte d’autonomie. Ce sont alors les familles qui doivent pallier les urgences, gérer la dépendance et réorganiser leur propre vie professionnelle pour accompagner un proche dont l’état aurait pu être stabilisé par une prise correcte de ses médicaments.

    La non-observance coûte des vies, épuise les soignants et ruine l’Assurance maladie. Face à ce constat d’échec des méthodes d’accompagnement traditionnelles, le monde de la santé se tourne vers un nouvel allié : la technologie.

    Un coût qui est également écologique 

    Que deviennent les traitements prescrits mais non consommés ? Au-delà de l’aberration économique, la non-observance est un désastre environnemental. Si une partie finit dans les placards, de grandes quantités de médicaments sont jetées à la poubelle ou dans les toilettes, polluant massivement les nappes phréatiques (résidus d’hormones, d’antidépresseurs, etc.). En France, l’association Cyclamed récupère à elle seule près de 10 000 tonnes de médicaments non utilisés (MNU) par an, ce qui ne représente qu’une fraction du gaspillage réel.

  • La non-observance, une urgence clinique et économique aux conséquences vertigineuses

    Un problème de santé publique mondial

    Le constat global est sans appel. L’Organisation mondiale de la santé (OMS) rappelle depuis plus de 20 ans que près de 50 % des patients atteints de maladies chroniques ne respectent pas leur traitement. Plus inquiétant encore, cette dégradation est extrêmement rapide. Plusieurs études – dont une sur l’adhérence thérapeutique concernant le diabète – montrent que pour la plupart des pathologies chroniques (notamment celles qui sont asymptomatiques, comme l’hypertension ou le cholestérol), l’observance chute drastiquement dès les six premiers mois de traitement.

    On décompose généralement ce phénomène en trois phases chronologiques :

    • L’initiation qui est le rejet précoce. On estime que près de 20 à 30 % des ordonnances rédigées en consultation ne sont jamais honorées en pharmacie.

    • L’implémentation qui arrive lorsque le traitement est commencé, mais que la prise devient irrégulière (erreurs de dosage, sauts de prises).

    • La persistance qui est l’abandon pur et simple du traitement avant la fin recommandée.

    Le mythe de la “tête en l’air” :

    L’idée reçue la plus tenace consiste à croire que la non-observance serait majoritairement due à un simple oubli. Or, la littérature médicale comportementale démontre que la majorité de la non-observance est en réalité intentionnelle. Il ne s’agit pas d’un défaut d’organisation, mais d’un choix conscient ou d’un mécanisme d’évitement lié à la peur des effets secondaires, au déni de la maladie ou à un manque de confiance envers le corps médical.

    Un engorgement massif du système de santé français

    La non-observance n’est pas qu’un concept statistique : elle sature physiquement nos hôpitaux. En France, les rapports de référence – comme celui du Cercle de réflexion l’industrie pharmaceutique (Crip) et celui de l’Inspection générale des affaires sociales (Igas) – estimaient déjà il y a plus de 10 ans que cette non-observance était directement responsable de 100 000 hospitalisations évitables par an. Mises bout à bout, ces admissions génèrent le chiffre vertigineux d’un million de journées d’hospitalisation. Les conséquences cliniques sont tragiques, avec environ 12 000 décès évitables chaque année, frappant en premier lieu les personnes âgées, premières victimes de la polymédication (complexité de prendre plusieurs traitements par jour).

    Sur le plan macro-économique, la même étude fondatrice d’IMS Health et du Crip y évaluait le coût global de ce fléau à 9 milliards d’euros par an (gaspillage, complications, hospitalisations). Or, il s’agit aujourd’hui d’une estimation basse. Avec l’inflation médicale record de ces dernières années et le vieillissement de la population qui porte aujourd’hui à plus de 20 millions le nombre de malades chroniques en France, selon les derniers chiffres de la Direction de la recherche, des études, de l’évaluation et des statistiques (Drees), l’addition réelle est bien plus lourde.

  • 11 études démontrent l’impact mesurable de l’IA, des applications de santé et des chatbots sur l’observance thérapeutique (revue de littérature)

    Un corpus de 11 études (2019–2026) sur la santé numérique et l’observance

    La transition démographique et le fardeau des maladies chroniques imposent l’évaluation rigoureuse des interventions numériques. Cet article synthétise et analyse les résultats de onze études publiées entre 2019 et 2026, incluant des essais contrôlés randomisés (RCT), des revues systématiques et des études observationnelles hébergées sur PubMed/PMC. Menées par des équipes de recherche mondiales (Japon, Jordanie, Chine, Royaume-Uni, Australie, etc.), ces études ont pour objectif d’identifier les avancées technologiques permettant de maintenir le patient dans son parcours de soins.

    Les études retenues couvrent des thématiques structurantes :

    • L’impact des applications santé mobile et des suivis combinés sur les paramètres physiologiques (diabète, insuffisance cardiaque) ;

    • Le rôle des agents conversationnels (chatbots) pour contrer le décrochage thérapeutique, particulièrement en santé mentale ;

    • La capacité de modélisation de l’IA pour prédire l’adhérence et évaluer l’acceptation par les patients.

    mHealth et suivis hybrides : jusqu’à 26 % d’augmentation de l’observance :

    L’efficacité des applications de santé mobile (est aujourd’hui confirmée par des méta-analyses de grande envergure. Une étude focalisée sur l’insuffisance cardiaque (PMID: 38949146, 2024) démontre que les interventions de ces applications améliorent efficacement l’observance médicamenteuse avec un risque relatif (RR) de 1.26. Plus impressionnant encore, ces outils permettent de réduire les taux de réadmission hospitalière (RR = 0.63) et la mortalité globale.

    En diabétologie, l’impact se lit directement sur les résultats biologiques. Une méta-analyse ciblant spécifiquement les patients âgés diabétiques (PMC12214694, 2025) rapporte une réduction significative du taux d’HbA1c (Hedges g = -0.40) grâce à l’utilisation d’applications. Cependant, une étude américaine de janvier 2025 (PMC11791457, 2025) apportent une nuance importante : l’association de la e-santé avec une intervention dirigée par un professionnel de santé génère des améliorations de l’HbA1c et de la qualité de vie (QoL) nettement supérieures à l’application seule, confirmant l’importance d’un modèle “hybride” (humain-machine).

    Les chatbots et l’IA conversationnelle qui permettent de multiplier par 1,8 le taux de complétion :

    L’intégration de chatbots dans les parcours de soins permet de lutter contre le sentiment d’isolement, première cause de rupture thérapeutique. Des chercheurs japonais (PMC10806906, 2024) ont testé un chatbot automatisé couplé à une thérapie cognitivo-comportementale sur internet (iCBT) pour des travailleurs souffrant de dépression. Le résultat est net : le groupe bénéficiant du chatbot a atteint un taux de complétion de 34,8 % contre 19,2 % pour le groupe standard, soit un risque ratio (RR) de 1.81. Les messages d’encouragement du chatbot maintiennent la motivation.

    Ce rôle de soutien est corroboré par une étude française (PMC6521209, 2019) en oncologie (cancer du sein), où 88 % des patientes déclarent que le chatbot “Vik” leur a fourni un soutien efficace, avec un taux de satisfaction global de près de 94 %. Deux des études les plus récentes (PMC12009506, 2025 et PMC12900317, 2026) confirment que l’IA conversationnelle n’est plus un simple outil de Q&A. Les chatbots personnalisent le soutien, favorisent le changement comportemental, et lorsqu’ils sont contrôlés par des cliniciens, ils garantissent une diffusion d’information de santé sécurisée et empathique.

    Prédiction algorithmique et perception des patients :

    Au-delà de l’interaction, l’IA modélise le risque. Une récente étude chinoise de janvier 2026 (PMC12758786, 2026) prouve que l’apprentissage automatique (machine learning) appliqué en conditions réelles permet de prédire les niveaux d’adhérence des patients face à un traitement de l’insomnie délivré par chatbot (dCBT-I). Cette prédiction clinique s’inscrit dans un cadre plus large exploré par des chercheurs brésiliens (PMC12069381, 2025) qui ont démontré que les systèmes “intelligents” (voix, vidéo, alertes) ont amélioré l’observance de 6,7 % à 32,7 % lors d’essais cliniques.

    Néanmoins, comme le soulignent de nombreux chercheurs (PMC13050224, 2026) lors d’une enquête nationale en Jordanie,  et la dernière étude en date sur le sujet (PMC12978933, 2026), l’efficacité de ces outils dépend fortement des connaissances et de l’attitude des patients face à l’IA, posant ainsi la question fondamentale des inégalités numériques en santé.

    Tableau comparatif synthétique des 11 études

    Réf. Population / Domaine Méthodologie Résultats chiffrés clés Conclusion principale
    PMID 38949146 (2024) Patients avec insuffisance cardiaque Méta-analyse RR observance = 1.26 ; RR réadmission = 0.63 Les applications de santé mobiles améliorent l’observance et réduit la mortalité et les réadmissions.

    Yasukawa et al. (2024)

     

    PMC10806906

    		 149 travailleurs (dépression sous-seuil) RCT (iCBT + Chatbot vs iCBT) Taux de complétion 34.8% vs 19.2% (RR = 1.81) Le chatbot automatisé booste significativement l’adhérence à la thérapie.

    Reis et al. (2025)

     

    PMC12069381

    		 Patients chroniques sous traitements Focused Review Amélioration de l’observance variant de 6.7% à 32.7% Les outils IA (voix/monitoring) sont efficaces pour éviter les erreurs de prise.

    Kanai et al. (2025)

     

    PMC11791457

    		 Patients maladies chroniques Méta-analyse Amélioration significative de l’HbA1c et de la QoL (court/moyen terme) La combinaison applications mobiles + intervention de professionnels est supérieure.

    Chaix et al. (2019)

     

    PMC6521209

    		 Patientes cancer du sein Étude prospective 93.9% de satisfaction globale Le chatbot soutient activement le patient et favorise le maintien du traitement.

    Merdas et al. (2026)

     

    PMC13050224

    		 Patients chroniques adultes (Jordanie) Étude transversale (Survey) Évaluation de l’acceptation clinique La perception et la connaissance de l’IA dictent le succès des outils d’observance.

    Feng et al. (2026)

     

    PMC12900317

    		 Utilisateurs e-santé Revue systématique L’IA contrôlée cliniquement garantit la sécurité Les chatbots sont d’excellents pourvoyeurs d’information et de soutien.
    PMC12214694 (2025) Patients âgés (Diabète) Méta-analyse (RCTs) Réduction significative du HbA1c (Hedges g = -0.40) Les apps mobiles sont cliniquement pertinentes même chez les seniors diabétiques.

    So et al. (2026)

     

    PMC12758786

    		 Patients souffrant d’insomnie (dCBT-I) Étude pilote (Real-world) Validation d’un modèle prédictif Le ML est capable de prédire l’adhérence à un programme mené par chatbot.

    Abbas et al. (2025)

     

    PMC12009506

    		 Médecine générale / Santé publique Revue narrative Soutien personnalisé et modifications comportementales L’IA conversationnelle est un catalyseur pour le diagnostic et le suivi.

    Al-Arkee et al. (2026)

     

    PMC12978933

    		 Acteurs de la santé / Patients Scoping review Évaluation des inégalités numériques L’IA optimise l’information médicamenteuse mais l’accessibilité reste un défi.

    Les bénéfices du numérique sur l’observance qui s’articulent autour de 3 piliers

    Il ressort de la concordance stricte de ces 11 études publiées que le bénéfice de l’intelligence artificielle et du numérique sur l’observance s’articule autour de trois piliers :

    1. La synergie humain-machine : Les applications isolées atteignent un plafond de verre. Les méta-analyses (Kanai et al.) prouvent que l’observance et les marqueurs vitaux (HbA1c) s’améliorent drastiquement lorsque les applications de santé sont couplées au suivi d’un professionnel de santé.

    2. Le chatbot comme “compagnon d’adhérence” : Qu’il s’agisse de santé mentale (dépression, insomnie) ou d’oncologie, les agents conversationnels réussissent là où la technologie échouait : ils maintiennent la motivation sur la durée et divisent par près de deux le risque d’abandon (taux de complétion doublé).

    3. La prévention algorithmique : Grâce au machine learning, l’IA permet désormais de calculer en amont le risque de décrochage, transformant l’observance d’un statut passif (constater l’échec) à un statut prédictif (anticiper la rupture), tout en soulevant l’enjeu crucial de la littératie numérique des patients (Merdas et al. ; Al-Arkee et al.).

    Bibliographie :

    • Abbas, S. A., et al. (2025). Revolutionizing Medicine: Chatbots as Catalysts for Improved Diagnosis, Treatment, and Patient Support. Cureus. PMCID: PMC12009506.

    • Al-Arkee, S., et al. (2026). Artificial Intelligence for Medicines Information: Scoping Review of Clinical Applications and Digital Health Inequalities. JMIR. PMCID: PMC12978933.

    • Chaix, B., et al. (2019). When Chatbots Meet Patients: One-Year Prospective Study of Conversations Between Patients With Breast Cancer and a Chatbot. JMIR Cancer. PMCID: PMC6521209.

    • Evaluating Effectiveness of mHealth Apps for Older Adults With Diabetes: Meta-Analysis of Randomized Controlled Trials. (2025). JMIR mHealth and uHealth. PMCID: PMC12214694.

    • Feng, S., et al. (2026). Engaging Artificial Intelligence (AI)-based chatbots in digital health: A systematic review. PLOS Digital Health. PMCID: PMC12900317.

    • Kanai, M., et al. (2025). The Effect of Combining mHealth and Health Professional–Led Intervention for Improving Health-Related Outcomes in Chronic Diseases: Systematic Review and Meta-Analysis. Interactive Journal of Medical Research. PMCID: PMC11791457.

    • A meta-analysis of effectiveness of mobile health interventions on health-related outcomes in patients with heart failure. (2024). Journal of Cardiovascular Medicine. PMID: 38949146.

    • Merdas, Z. J. H., et al. (2026). Artificial Intelligence in Medication Adherence: A National Assessment of Knowledge, Attitudes, and Perceptions Among Chronic Disease Patients in Jordan. Patient Preference and Adherence. PMCID: PMC13050224.

    • Reis, Z. S. N., et al. (2025). Artificial intelligence-based tools for patient support to enhance medication adherence: a focused review. Frontiers in Digital Health. PMCID: PMC12069381.

    • So, et al. (2026). Predicting adherence to fully-automated, chatbot-delivered digital cognitive behavioral therapy for insomnia (dCBT-I) using machine learning: A pilot real-world study. PLOS One. PMCID: PMC12758786.

    • Yasukawa, S., et al. (2024). A chatbot to improve adherence to internet-based cognitive-behavioural therapy among workers with subthreshold depression: a randomised controlled trial. BMJ Mental Health. PMCID: PMC10806906.