Nabil

  • Centres de ressources territoriaux : un modèle prometteur mais freiné par un déploiement plus lent que prévu

    La Mission d’évaluation et de contrôle des lois de financement de la sécurité sociale (Mecss) consacre en partie son rapport 2025 aux CRT, créés par l’article 47 de la LFSS (loi de financement de la sécurité sociale) pour 2022.

    Afin de rapprocher le domicile et l’Ehpad, certains Ehpad ou service à domicile, érigés en CRT, se voyaient confier les missions suivantes :

    – « aider les professionnels du territoire intervenant auprès des personnes âgées » (volet 1) par des formations, des téléconsultations, et la mise à disposition de ressources humaines et de plateaux techniques de l’établissement ;

    – proposer un accompagnement renforcé à domicile des personnes âgées ou des aidants, dans le but de prévenir leur perte d’autonomie et d’éviter l’institutionnalisation (volet 2).

    Le cahier des charges publié par décret élargit le public cible du volet 2 comme les « personnes âgées en situation de perte d’autonomie (GIR 1 à 4). Il prévoit un financement à hauteur de 400 000 euros par CRT pour une file active d’au moins trente bénéficiaires. Le budget dédié aux CRT sera porté en 2023 à 200 millions d’euros d’ici 2028, pour financer 500 CRT sur l’ensemble du territoire.

    Bilan mitigé

    Un déploiement plus lent que prévu (18 mois pour démarrer) malgré une montée en puissance des autorisations

    Au 31 décembre 2024, 274 CRT avaient été autorisés et 175 étaient en activité. Fin 2025, 405 CRT sur 500 devaient avoir été autorisés.

    Le bilan de leur activité après 18 mois d’activité fait ressortir un démarrage des activités des CRT plus lent que prévu (18 mois s’écoulent entre la désignation et l’accueil des premiers).

    Plusieurs raisons sont avancées :

    • Une implication inégale des ARS et CD ;
    • La nécessité de conventionnement avec les services à domicile du territoire + le recrutement chef projet ;
    • Des difficultés en matière de systèmes d’information, en l’absence d’un accompagnement au niveau national.

    Un glissement des patients recrutés : ils sont plutôt évalués en GIR 3 ou 4, donc moins dépendants, et en nombre inférieur à celui fixé dans le cahier des charges.

    La mission d’évaluation estime que le CRT créé « une réelle dynamique sur le terrain » en faveur des personnes en perte d’autonomie en permettant :

    • Une meilleure adaptation aux besoins des usagers en situation complexe grâce à une meilleure coordination des acteurs de l’accompagnement à domicile ;
    • Une transition plus douce entre le domicile et l’Ehpad, plutôt qu’une alternative à l’entrée en institution ;
    • Un effet positif sur l’attractivité des métiers du secteur

    Coûts élevés, impact limité, priorités à redéfinir ; un modèle à recentrer

    La mission relativise la portée de ce nouveau dispositif, « Une goutte d’eau dans l’océan de ce qu’il faudrait faire pour absorber les évolutions démographiques ».

    Pour l’avenir, la mission d’évaluation recommande une profonde révision du cahier des charges du CRT, avec les orientations suivantes:

    • Recentrage sur l’accompagnement à domicile ( volet 2), jugé prioritaire, et la mission 1 (animation territoriale) étant également assurée par les DAC ;
    • Modulation du financement en fonction de la file active et du GIR des patients inclus. Ceci d’autant que le coût rapporté au nombre de bénéficiaires est élevé : environ 10 800 € par an et par patient pour 30 patients, sans compter le coût des autres interventions au domicile ;
    • Clarification du public cible : cibler prioritairement les personnes pour qui l’entrée en Ehpad serait inéluctable sans accompagnement renforcé, correspondant aux GIR 1 et 2 ;
    • Amélioration des systèmes d’information ;
    • Redéfinition du territoire d’intervention : privilégier la proximité et la mutualisation des moyens ;

    Par ailleurs, le rapport insiste sur l’accélération de la réforme des services autonomie à domicile en SAD, condition essentielle à la réussite des CRT ;

    Au-delà de la question des CRT, les rapporteurs demandent une réflexion globale sur la stratégie domiciliaire car le maintien à domicile ne pourra absorber seul l’augmentation à venir du nombre de personnes âgées dépendantes. L’investissement dans les Ehpad reste indispensable en veillant à aller « vers un « Ehpad domicile », de façon à concilier les contraintes budgétaires avec les aspirations des personnes âgées dépendantes ».

    Rapport de la MECSS 2025 :

    https://www.assemblee-nationale.fr/dyn/17/rapports/cion-soc/l17b1649_rapport-information.pdf

    Cahier des charges des CRT :

    https://www.legifrance.gouv.fr/loda/id/JORFTEXT000045696583

     

  • AMI : Novavue ouvre son programme d’accompagnement aux solutions numériques en santé visuelle

    Le Tiers-Lieu d’Expérimentation Novavue annonce l’ouverture de son programme d’accompagnement à destination des porteurs de projets qui développent des solutions numériques en santé visuelle.

    L’objectif est de permettre aux acteurs concernés de valider et de sécuriser le déploiement de leurs dispositifs en conditions réelles, en amont d’une mise sur le marché ou d’un passage à l’échelle.

    Le programme s’inscrit dans le cadre de la stratégie nationale « Santé Numérique » portée par France 2030 et vise les projets qui ciblent les patients déficients visuels, leurs aidants ainsi que les professionnels de santé.

    Co-conception et expérimentation en vie réelle

    Le dispositif proposé par Novavue repose sur trois axes d’accompagnement.

    • Le premier concerne la co-conception et l’analyse des usages. Des ateliers de design thinking sont organisés afin d’adapter les solutions aux besoins des utilisateurs finaux. Des tests sont également menés en conditions réelles pour évaluer l’appropriation et la pertinence des outils développés.
    • Le deuxième volet porte sur l’expertise méthodologique. Novavue accompagne les porteurs de projets dans l’élaboration de protocoles expérimentaux, la conduite d’analyses statistiques et la réalisation d’évaluations médico-économiques.
    • Enfin, le troisième axe concerne la sécurisation réglementaire. Le programme prévoit un accompagnement sur le marquage CE, la conformité au RGPD et les démarches d’accès au remboursement.

    L’appui combine donc structuration des données, évaluation médico-économique et anticipation des exigences réglementaires afin de sécuriser la validation scientifique, limiter les risques de conformité et accélérer l’intégration des solutions dans le système de santé.

    Modalités de candidature

    Le programme s’adresse donc aux startups et entreprises en santé numérique développant des solutions destinées aux personnes déficientes visuelles, à leurs aidants ou aux professionnels de santé. Les candidatures sont ouvertes jusqu’à fin avril 2026. Les porteurs de projets peuvent bénéficier d’un forfait de précadrage gratuit afin d’évaluer la viabilité de leur projet avant une entrée complète dans le dispositif. Le dossier de candidature est disponible en ligne sur le site de Novavue. Les équipes peuvent également adresser leurs questions par courriel à l’adresse dédiée : contact@novavue.fr.

     

  • Imagerie : entraîné sur 220 000 IRM, Prima affiche 92 % d’AUC sur 52 diagnostics neurologiques

    Publiée dans Nature Biomedical Engineering, une étude décrit le développement de Prima, un modèle d’IA fondation dédié à la neuro-imagerie, entraîné à l’échelle d’un système de santé académique. L’étude rapporte des performances diagnostiques élevées et une évaluation en conditions réelles sur un volume important d’IRM.

    L’augmentation du nombre d’IRM exerce une forte pression sur les services de radiologie, avec des délais prolongés et un impact sur la charge de travail médicale.

    Pour répondre à ces tensions, les chercheurs ont constitué un corpus de plus de 220 000 examens IRM issus d’un grand système de santé universitaire. Sur cette base, ils ont développé Prima, un modèle fondation reposant sur une architecture hiérarchique de vision par ordinateur. Conçue pour extraire des caractéristiques générales et transférables en IRM clinique réelle.

    L’objectif affiché est de dépasser les approches centrées sur une tâche unique, en proposant un socle commun exploitable pour de multiples indications neurologiques.

    52 diagnostics évalués en vie réelle

    Prima a été déployé dans une étude à l’échelle du système de santé sur une période d’un an, incluant 29 431 IRM réalisées en pratique courante.

    Le modèle a été évalué sur 52 diagnostics radiologiques couvrant les principaux troubles neurologiques. Il atteint une aire sous la courbe (AUC) moyenne de 92,0 %. Les auteurs indiquent que ces performances dépassent celles d’autres modèles d’IA généralistes et médicaux considérés comme état de l’art.

    Au-delà du score global, l’étude met en avant plusieurs fonctionnalités intégrées :

    • Génération de diagnostics différentiels explicables.
    • Priorisation des examens dans les listes de travail des radiologues.
    • Recommandations d’orientation clinique.

    Les auteurs rapportent également des analyses d’équité algorithmique, montrant des performances homogènes entre différents groupes sensibles.

    Vers des modèles fondation entraînés sur données cliniques massives

    L’article souligne que l’entraînement sur des données à l’échelle d’un système de santé permettrait de capter la variabilité des pratiques et des populations réelles, condition nécessaire à une généralisation robuste.

    Cette approche s’inscrit dans une dynamique plus large de modèles fondation médicaux, entraînés sur des volumes importants de données hétérogènes, avec l’ambition de fournir des briques transversales pour le diagnostic, l’aide à la décision et l’organisation des flux cliniques.

    En démontrant la faisabilité d’un entraînement sur plus de 220 000 IRM et une évaluation prospective sur près de 30 000 examens, les auteurs positionnent Prima comme un exemple d’industrialisation de l’IA en imagerie, articulant performance diagnostique, intégration aux workflows et exigences d’équité.

    Vers un socle universel du diagnostic neurologique

    Avec Prima, on passe d’algorithmes spécialisés à un modèle fondation en neuro-imagerie, entraîné à l’échelle industrielle sur plus de 220 000 IRM issues d’un système de santé réel.

    Ce changement d’échelle ne vise pas seulement la performance diagnostique (déjà élevée) mais l’intégration dans les workflows cliniques, la priorisation des examens et l’optimisation des flux face à la surcharge des services de radiologie.

    En étant évalué prospectivement sur près de 30 000 examens et 52 diagnostics en conditions réelles, le modèle franchit un cap en matière de crédibilité.

  • AVC : le CHU de Martinique déploie l’IA RAPID ANGIO en salle d’angiographie

    Le Centre Hospitalier Universitaire de Martinique annonce le déploiement de la solution d’intelligence artificielle RAPID ANGIO en salle de neuroradiologie interventionnelle, lors des procédures de thrombectomie mécanique.

    La thrombectomie mécanique consiste à retirer le caillot responsable de l’obstruction d’une artère cérébrale. Elle est réalisée par les équipes de neuroradiologie interventionnelle du CHU dans une salle d’angiographie dédiée.

    L’IA n’est pas seulement mobilisée en amont d’un diagnostic, elle accompagne le geste médical

    Intégrée à l’équipement d’angiographie, la solution analyse les images produites pendant l’intervention. Elle permet de visualiser les zones cérébrales atteintes, d’identifier les tissus potentiellement récupérables et d’éclairer les choix du neuroradiologue.

    L’IA est souvent utilisé comme un outil d’aide à la décision, avant l’acte. Ici, la solution RAPID ANGIO intervient au moment même de la procédure.  Dans le contexte de l’AVC, où la rapidité conditionne la limitation des séquelles neurologiques, cet usage contribue à raccourcir les temps décisionnels. Car dans ce genre de situation, des biais cognitifs peuvent influencer l’évaluation clinique et le pronostic.

    L’analyse automatisée des images permet une lecture standardisée et rapide des paramètres critiques, une objectivation des décisions et un structuré des informations entre professionnels impliqués.

    Selon Santé publique France, près de 900 patients sont hospitalisés chaque année en Martinique pour un AVC. L’intégration de l’IA en neuroradiologie interventionnelle marque une étape dans l’évolution des organisations hospitalières face aux pathologies temps-dépendantes.

  • Santé mentale : un plan pour ramener les délais d’accès aux soins de 2 à 5 ans à moins de 3 mois, et sortir de l’exception française

    Commandé par Yannick Neuder, et remis en février à la ministre Stéphanie Rist, le rapport sur le repérage et l’intervention précoce propose dix mesures pour généraliser un modèle déjà déployé dans 68 dispositifs en France.

    Dans le prolongement de la Grande Cause nationale, l’objectif est de : réduire l’errance, limiter les hospitalisations sous contrainte et inscrire la psychiatrie dans une logique d’investissement public.

    Rédigé par la Dre Rachel Bocher (CHU de Nantes), la Pr Marie-Odile Krebs (GHU Paris Psychiatrie & Neurosciences, Université Paris Cité, RHU PsyCARE) et Angèle Malâtre-Lansac (Alliance de la Santé Mentale), le document s’appuie sur plus de 100 auditions conduites entre novembre 2025 et février 2026.

    Sortir du “millefeuille” et sécuriser la transition 15-25 ans

    Le rapport dresse un constat sévère : multiplication des dispositifs, hétérogénéité des missions, ruptures entre pédopsychiatrie et psychiatrie adulte, absence de pilotage national. Pour les familles, le système est jugé illisible. L’intervention précoce introduit une logique de parcours gradué plutôt qu’une juxtaposition de structures. Elle vise à clarifier les rôles : première ligne (repérage), seconde ligne (évaluation spécialisée), équipes intensives pour situations complexes. La période 15–25 ans, souvent décrite comme un angle mort organisationnel, devient un axe structurant.

    Passer d’une psychiatrie de crise à une stratégie de prévention

    Il ne s’agit plus d’uniquement soigner des troubles installés, mais d’intervenir avant la bascule dans la chronicité.

    L’analogie est revendiquée par ses autrices : en santé mentale, l’intervention précoce doit jouer le rôle que le dépistage organisé a joué en cancérologie ou que la prise en charge rapide de l’infarctus a représenté en cardiologie. Aujourd’hui, les jeunes accèdent encore aux soins spécialisés après plusieurs années d’errance. Pour un premier épisode psychotique, les délais sont estimés entre deux et cinq ans, alors que la littérature recommande une durée de psychose non traitée inférieure à trois mois.

    La réforme proposée repositionne la psychiatrie comme politique structurelle de prévention, dans le prolongement de la Grande Cause nationale santé mentale.

    Une urgence générationnelle

    Le sujet dépasse le champ clinique. Entre 63 % et 75 % des troubles psychiatriques débutent avant 25 ans. Environ 15 000 nouveaux cas de psychose surviennent chaque année en France.

    Les conséquences sont éducatives, professionnelles et sociales : ruptures scolaires, décrochages universitaires, difficultés d’insertion, isolement. Réduire les délais d’accès aux soins, c’est limiter ces ruptures. Le rapport insiste sur la nécessité d’intervenir au stade des symptômes atténués : en l’absence de prise en charge, près d’un tiers des jeunes présentant un état mental à risque évolueront vers un trouble psychotique constitué. La santé mentale est un déterminant d’avenir pour une génération entière.

    1 € investi pourrait en économiser 15 pour les finances publiques

    L’intervention précoce n’est pas présentée uniquement comme une exigence sanitaire. Elle est aussi documentée sous l’angle médico-économique.

    Les travaux cités par le rapport, notamment ceux de la London School of Economics, estiment qu’une unité monétaire investie dans l’intervention précoce pour la psychose permet d’économiser l’équivalent de 15 unités en coûts futurs (hospitalisations, rechutes, désinsertion). La psychiatrie peut-elle être pensée comme un investissement à retour mesurable pour les finances publiques ?

    Rattraper un retard international

    Le modèle proposé n’est pas expérimental. Il est structuré depuis les années 1990 en Australie, au Royaume-Uni, au Canada ou au Danemark. Ces pays ont intégré l’intervention précoce dans leur panier de soins national, avec des cahiers des charges, des indicateurs et un maillage territorial défini. La France, elle, fonctionne encore sur des initiatives locales hétérogènes, sans cadre national stabilisé. Le rapport marque une volonté d’alignement avec des standards internationaux validés scientifiquement.

    Un modèle déjà opérationnel sur le terrain

    L’enjeu n’est plus d’expérimenter, mais de généraliser

    Le réseau Transition, adossé notamment au RHU PsyCARE, recense aujourd’hui 68 dispositifs d’intervention précoce en France, dont 17 à vocation régionale. Les données disponibles montrent une réduction de la durée médiane de psychose non traitée à 4,5 mois dans ces dispositifs spécialisés, contre plusieurs années dans le droit commun. Ces équipes pluridisciplinaires, organisées autour d’un case manager, proposent des évaluations rapides (moins de sept jours en situation non programmée), des prises en charge ambulatoires de deux à trois ans et une articulation renforcée avec les secteurs.

    Réduire les ruptures de parcours par le numérique

    Le rapport intègre le numérique comme un outil en faveur de l’intervention précoce. Il recommande le déploiement d’auto-questionnaires en ligne, comme PRIMO, afin de faciliter le repérage et l’orientation des jeunes dès les premiers signes. Il préconise également le développement des téléconsultations et de la télé-expertise, avec la création d’une cotation spécifique pour les situations complexes en psychiatrie des jeunes.

    Au-delà de l’accès, le numérique est envisagé comme un outil de maintien du lien (SMS, suivi à distance, dispositifs “aller-vers”) —adapté aux usages des 15-25 ans et susceptible de limiter les ruptures de parcours.

    Un moment charnière

    Les preuves internationales existent, les dispositifs pilotes fonctionnent et les recommandations sont formulées. Reste la décision politique de passage à l’échelle : maillage territorial, financement pérenne, pilotage national, inscription dans les Programmes régionaux de santé.

    Récapitulatif des 10 mesures :

    • Cartographier les ressources territoriales : Établir, à l’échelle de chaque territoire, une cartographie exhaustive des acteurs impliqués dans le repérage, l’orientation et les soins, rendue publique et intégrée aux PTSM et CPTS.
    • Repenser l’articulation repérage, orientation, soins : Former les professionnels de première ligne (médecins généralistes, personnels scolaires, acteurs associatifs), développer la littératie en santé mentale et les outils numériques comme le questionnaire PRIMO, autoriser l’auto-adressage et réserver des créneaux dédiés en CMP pour les primo-accédants.
    • Créer un centre national ressource : Ce centre définirait un cahier des charges national des DIP, coordonnerait la formation (DIU DIPPPEJAAD, formation au case management), harmoniserait les indicateurs et accompagnerait le déploiement territorial.
    • Mailler le territoire : Implanter un dispositif pour 300 000 à 500 000 habitants, avec des centres régionaux capables de gérer les situations complexes et des équipes de proximité assurant un panier de soins minimal.
    • Former massivement les professionnels : développer une culture commune entre pédopsychiatrie et psychiatrie adulte, et entre sanitaire, médico-social et éducation nationale.
    • Favoriser le changement de pratiques : Soutenir les communautés de pratiques territoriales et les équipes mixtes 15-25 ans.
    • Déployer les technologies numériques : Téléconsultations, télé-expertises, questionnaires d’orientation en ligne et outils mobiles pour maintenir le lien.
    • Garantir un financement pluriannuel : Sortir d’une logique d’appels à projets successifs pour sécuriser les équipes et limiter les inégalités territoriales.
    • Soutenir la recherche : Renforcer l’évaluation médico-économique, notamment dans le cadre des expérimentations financées par le Fonds d’Innovation Organisationnelle en Psychiatrie et l’article 51 (DIPPE).
    • Renforcer la co-construction avec les usagers : Associer jeunes et familles à la conception des dispositifs et intégrer la pair-aidance.

    10 mesures d’urgence pour le repérage et l’intervention précoce en santé mentale 

     

  • Selon le MIT, 95 % des projets d’IA générative aux US échouent à créer de la valeur, le pilote ne suffit plus, l’échelle doit être pensée dès l’origine

    Le rapport 2025 du Massachusetts Institute of Technology indique que 95 % des projets d’IA en entreprise ne produisent pas de valeur mesurable. En santé, ce taux agit comme un signal : l’obstacle n’est pas d’abord algorithmique, mais organisationnel, stratégique et opérationnel.

    Ce chiffre ne traduit pas spécialement l’immaturité de l’IA. Il met en évidence les limites des organisations à absorber l’innovation.

    Des problèmes récurrents dans les systèmes de santé freinent le déploiement de l’IA (silos IT, dette technique accumulée, gouvernance fragmentée, priorités concurrentes). La question se déplace donc d’un « modèle performant » vers un « système capable d’intégrer et de soutenir l’innovation ».

    L’enjeu n’est plus de démontrer la supériorité d’un algorithme en environnement contrôlé, mais de vérifier que l’organisation est prête à en porter les implications associées.

    Les 90 premiers jours d’un produit doivent intégrer simultanément architecture logicielle, exigences réglementaires, modèle commercial et support opérationnel. Les acteurs capables d’articuler produit, gouvernance et adoption clinique dès l’origine se distinguent de ceux qui misent uniquement sur la démonstration technologique.

    Pour les investisseurs, la question devient : la logique de croissance rapide est-elle compatible avec des cycles d’intégration hospitaliers lents et exigeants ?

    Par exemple Forward Health, valorisée 650 millions de dollars, avait développé des CarePods présentés comme des cabinets médicaux automatisés. L’entreprise a cessé ses activités fin 2024, confrontée à la complexité opérationnelle et à la difficulté de maintenir le modèle à grande échelle. Olive AI, valorisée jusqu’à 4 milliards de dollars et déployée dans près de 900 hôpitaux, a cédé ses activités principales en 2023 après une expansion rapide et des difficultés opérationnelles.

    Ces cas rappellent qu’une valorisation financière ne valide pas une viabilité opérationnelle. L’IA ne simplifie pas mécaniquement les systèmes de soins : elle en augmente la complexité en introduisant de nouvelles dépendances techniques, réglementaires et organisationnelles.

    Ils marquent la fin d’une phase dominée par le marketing “AI-powered” et l’entrée dans une phase “AI-integrated”, centrée sur l’intégration progressive et la compatibilité avec les contraintes hospitalières.

    L’échelle ne peut plus être considérée comme un objectif ultérieur ; elle doit être le point de départ

    Depuis une décennie, les établissements multiplient les pilotes. Beaucoup produisent un signal positif à court terme : visibilité interne, communication externe, démonstration d’ouverture à l’innovation. Mais le pilote crée parfois une illusion de progression stratégique. Conçues pour séduire lors des démonstrations, certaines solutions ne sont pas pensées pour survivre aux files d’attente IT, aux arbitrages budgétaires ou aux exigences de sécurité.

    Le pilote n’est pas une preuve de valeur durable. Il constitue un test de robustesse organisationnelle. Si l’architecture logicielle, le modèle économique et les processus de support ne sont pas conçus pour l’échelle dès l’origine, le passage en production devient un point de rupture.

    La gouvernance, véritable goulot d’étranglement

    L’intelligence artificielle devient un sujet de risk management autant que d’innovation.

    Les échecs tardifs s’expliquent fréquemment par une accumulation de « dette de validation » : modèles peu explicables, modifications non documentées, intégrations ad hoc, supervision insuffisante.

    Lors du passage à l’industrialisation, les équipes conformité et sécurité examinent des critères précis : certification SOC 2, gestion des accès aux données de santé (PHI), traçabilité, positionnement dans l’architecture existante, capacité de maintien sur cinq ans. L’incapacité à répondre de manière structurée conduit souvent à l’arrêt du projet après 12 à 18 mois.

    La conformité devient ainsi un facteur différenciant. Les équipes gouvernance ne constituent pas un frein à l’innovation, mais un filtre de survie. En santé, l’IA ne se vend pas d’abord aux médecins : elle doit d’abord convaincre les responsables du risque, de la sécurité et de la qualité.

    Le temps médical devient l’indicateur clé du ROI numérique

    Dans un contexte de pénurie de ressources humaines et de pression réglementaire, le temps médical devient une unité de mesure centrale.

    Chaque clic supplémentaire, chaque double saisie, chaque interruption crée une charge cumulative. Si une solution ne réduit pas la charge cognitive ou ne restitue pas un volume de temps mesurable (par exemple 15 à 20 minutes par poste et par jour) son retour sur investissement devient difficile à démontrer.

    La promesse de l’IA se déplace ainsi de la « performance algorithmique » vers les « minutes restituées ». Le temps soignant devient une métrique à la fois économique et sécuritaire, liée à la capacité, à la qualité des soins et à la prévention de l’épuisement professionnel.

    Le mid-market hospitalier, marché décisif

    La majorité des soins aux États-Unis est délivrée par des hôpitaux communautaires de taille intermédiaire, disposant de marges plus faibles et d’équipes IT restreintes. Or de nombreuses solutions sont conçues pour les centres académiques disposant de ressources importantes. Ce décalage stratégique limite l’adoption réelle. Le marché déterminant n’est pas celui des hôpitaux vitrines, mais celui des établissements de 200 à 300 lits capables d’absorber des intégrations légères, des déploiements rapides et des modèles opérationnels autonomes.

    Dans ces environnements, la simplicité opérationnelle prévaut sur la sophistication technologique.

    L’écosystème entre dans une phase de maturité. L’enthousiasme centré sur la seule performance algorithmique laisse place à une exigence d’intégration, de traçabilité et de soutenabilité. Le critère de sélection évolue : la robustesse organisationnelle devient aussi déterminante que la précision des modèles. Pour les établissements de santé, comme pour les investisseurs, la question n’est plus de savoir si l’IA fonctionne en laboratoire. Elle est de déterminer si l’organisation, l’architecture et la gouvernance sont capables de l’absorber durablement.

  • Maladies rares : 14 cas d’usage d’IA structurés en 6 catégories, du diagnostic génomique au repositionnement thérapeutique

    Diagnostic génomique automatisé : réduire le temps d’interprétation

    L’analyse des données issues du séquençage haut débit constitue un point de friction dans le diagnostic des maladies rares. Plusieurs solutions visent à automatiser la priorisation des variants génétiques en les comparant à de larges bases de connaissances et en classant les mutations selon leur probabilité de pathogénicité.

    Des plateformes comme SeqOne Platform, STARVar, Congenica AI ou PhenoTips permettent aux équipes de génétique et de médecine interne de converger plus rapidement vers un diagnostic en réduisant la dépendance à l’expertise manuelle dossier par dossier. Dans la même logique, Emedgene optimise l’interprétation des variants en éliminant les variants bénins et en mettant en avant un ensemble restreint de mutations susceptibles d’expliquer le tableau clinique. L’objectif est d’accélérer la confirmation diagnostique et l’orientation vers une prise en charge adaptée.

    Diagnostic phénotypique par analyse d’images : reconnaître les motifs rares

    L’analyse automatisée de photographies cliniques constitue un second levier pour identifier des syndromes rares à partir de caractéristiques morphologiques.

    À l’Hôpital Necker-Enfants malades, le Projet AIDY assiste le diagnostic du syndrome de Kabuki à partir de séries de photographies standardisées du visage et des oreilles. L’algorithme extrait des motifs morphologiques compatibles, afin d’aider les équipes de génétique et de chirurgie maxillo-faciale à repérer plus précocement certains phénotypes. Une publication dans Nature (28 janvier 2024) documente ces travaux.

    Toujours à Necker, DeepGestalt analyse des photographies faciales pour repérer des motifs dysmorphiques associés à différentes maladies rares et proposer des diagnostics à envisager, notamment lorsque l’expertise en génétique clinique est limitée. Face2Gene (aussi de FDNA) combine analyse d’images et données cliniques pour suggérer une liste de syndromes génétiques compatibles avec le profil du patient et homogénéiser l’évaluation phénotypique.

    Enfin, Belle 1k Skin AI exploite des images prises au smartphone par des soignants de première ligne afin de comparer des lésions cutanées à une base de référence couvrant de nombreuses affections rares ou négligées. L’outil génère des diagnostics possibles et aide à décider d’une orientation spécialisée.

    Repérage automatisé dans les dossiers médicaux : détecter les signaux faibles

    Plusieurs projets exploitent les données structurées et non structurées des dossiers médicaux électroniques pour réduire l’errance diagnostique.

    À l’Hôpital Foch et à Gustave Roussy, des algorithmes comme AccelRare et l’Algorithme Codoc analysent comptes rendus, examens et antécédents pour repérer des combinaisons de signes compatibles avec des maladies rares. Au CHU d’Angers, le Projet AXIA parcourt les entrepôts de données hospitaliers, notamment les notes rédactionnelles et comptes rendus d’urgences, afin d’identifier des signaux compatibles avec l’ataxie de Friedreich ou d’autres pathologies apparentées.

    D’autres solutions, comme FindEHR, Saventic Med Platform ou EDS-NLP, calculent des scores de risque à partir des dossiers médicaux électroniques pour signaler des patients susceptibles de présenter une maladie rare systémique. Une étude sur la détection de la maladie de Fabry à partir des EHR rapporte un AUC de 0,998. Un algorithme a également été développé pour repérer des formes suspectes d’iMCD.

    À l’Hôpital Bichat, le moteur « Patient similaire » rapproche un patient de cas déjà documentés en combinant données textuelles, imagerie et informations génétiques, afin d’affiner le diagnostic et d’identifier des cohortes homogènes pour la recherche clinique.

    Aide à la décision clinique structurée : formaliser le raisonnement

    Certains outils visent à structurer la collecte des symptômes et à générer des hypothèses diagnostiques à partir de questionnaires standardisés.

    Des solutions comme MedVir ou SymptomMatcher recueillent les symptômes via un questionnaire structuré, analysent les réponses et proposent une liste de diagnostics potentiels à explorer dans le contexte des maladies rares. Cette approche standardise la collecte de données cliniques et permet de réévaluer périodiquement les hypothèses diagnostiques.

    Stratification du risque et médecine de précision : personnaliser les décisions

    Au-delà du diagnostic initial, l’IA est mobilisée pour affiner la stratification du risque et orienter les décisions thérapeutiques.

    À l’Hôpital Pitié-Salpêtrière, le Projet CardI-HACK intègre données cardiologiques détaillées et informations génétiques, dont des scores de risque polygénique, afin d’estimer le risque individuel de complications chez des patients atteints de cardiomyopathie hypertrophique. Cette estimation aide à décider d’interventions comme l’implantation d’un défibrillateur et à adapter la fréquence du suivi.

    La solution One Biosciences est déployée à l’Hôpital Tenon, à l’Hôpital Necker-Enfants malades, à l’Hôpital Bicêtre, à l’Hôpital Henri-Mondor et à l’Institut Curie. L’analyse de données single-cell permet de caractériser finement la biologie tumorale ou rénale, notamment dans certaines maladies rares du rein et le glioblastome, afin d’identifier des cibles thérapeutiques et de sélectionner des traitements personnalisés.

    Suivi longitudinal et recherche thérapeutique : monitorer et repositionner

    Le suivi des maladies rares s’appuie également sur des biomarqueurs numériques collectés via applications ou capteurs connectés. MSCopilot analyse ces indicateurs cliniques et fonctionnels pour détecter des variations de l’état du patient, ajuster les traitements et améliorer la qualité des données pour la recherche.

    Dans le champ de la recherche hospitalière, des modèles comme TxGNN, Healnet ou Benevolent Platform explorent des jeux de données pharmacologiques, génomiques et cliniques afin d’identifier des similarités entre mécanismes de maladies rares et pathologies déjà traitées. L’objectif est de suggérer des médicaments existants susceptibles d’être repositionnés et de prioriser des pistes à tester.

    Une structuration progressive des usages hospitaliers

    Ces six catégories, du diagnostic génomique à la recherche thérapeutique, montrent que l’IA ne se limite plus à un outil d’aide ponctuel. Elle s’insère à différentes étapes du parcours, du repérage précoce à la décision thérapeutique et au suivi longitudinal. Si les niveaux de validation scientifique et de déploiement restent variables selon les projets, l’ensemble traduit une transformation progressive des pratiques hospitalières autour de l’exploitation systématique des données cliniques, génomiques et phénotypiques.

    <span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span>

  • Maladies rares : données, numérique et expertise, un changement d’échelle porté par la coopération européenne

    En France, une maladie est dite rare lorsqu’elle touche moins d’une personne sur 2 000. L’ensemble de ces pathologies concerne près de 3 millions de personnes. Plus de 8 000 maladies sont aujourd’hui répertoriées, dont 80 % d’origine génétique.

    Cette diversité rend leur diagnostic et leur prise en charge hétérogènes. Environ 80 % des maladies rares sont d’origine génétique. Elles se manifestent souvent dès l’enfance, mais certaines peuvent apparaître à l’âge adulte.

    Ces maladies sont fréquemment graves, évolutives et complexes. Elles s’inscrivent dans la durée et sont, dans leur grande majorité, chroniques. Leur caractère progressif et multisystémique implique une organisation des soins adaptée et un suivi au long cours.

    Bien que chacune de ces maladies touche un nombre limité de patients, leur cumul représente près de 3 millions de personnes en France. Cette réalité pose des questions d’identification précoce, d’accès au diagnostic, d’accompagnement et de coordination des parcours de soins, dans un contexte de forte hétérogénéité clinique.

    Un patient sur deux sans diagnostic, 5 ans d’attente pour en poser un

    Aujourd’hui, seule une personne atteinte d’une maladie rare sur deux bénéficie d’un diagnostic précis. Pour plus d’un quart des patients, le délai dépasse cinq ans. Cette errance diagnostique expose à des prises en charge inadaptées et à une absence de réponses claires. L’impasse diagnostique correspond à l’échec à identifier la cause exacte d’une maladie après la mise en œuvre de l’ensemble des investigations disponibles. Elle concerne fréquemment des formes atypiques de maladies connues ou des pathologies dont l’origine génétique n’a pas encore été identifiée.

    92 % des praticiens en difficulté face aux maladies rares, mais un intérêt croissant pour l’IA

    Réalisée par Ifop pour Sanofi, une étude montre que 92 % des médecins jugent le diagnostic des maladies rares difficile, en raison de la variabilité des symptômes (89 %), de la complexité génétique (86 %) et du manque de temps (83 %). Si 45 % ont déjà participé à un tel diagnostic (51 % chez les pédiatres ) et 25 % au cours des douze derniers mois, 73 % souhaitent un meilleur accompagnement et 59 % estiment leur formation insuffisante. Par ailleurs, 75 % se disent favorables au développement de l’intelligence artificielle en médecine, mais seuls 19 % l’utilisent déjà, 67 % envisagent d’y recourir, alors que 53 % n’ont jamais entendu parler de son application aux maladies rares, malgré 81 % convaincus de son potentiel pour améliorer le diagnostic.

    Vers une harmonisation des protocoles et des bases de données en Europe

    223 M€ par an en France et 15 M€ européens pour coordonner la recherche

    La recherche s’organise autour de partenariats internationaux et public-privé pour mutualiser données, cohortes et financements : en France, les plans nationaux ont structuré un réseau de centres appuyés par des plateformes comme Génomique Imagine ou Genomeast et des infrastructures telles que la BNDMR, tandis que des acteurs comme la Fondation Maladies Rares, EURORDIS-Rare Diseases Europe ou l’Agence Nationale de la Recherche soutiennent projets et bases de données interopérables, à l’échelle européenne, des dispositifs comme l’European Joint Programme on Rare Diseases, les ERN, l’ERA-Net E-Rare et le programme EU4Health financent la coordination scientifique, la gestion des données et les parcours patients, avec 15 M€ dédiés en 2024-2027, tandis que le PNMR 4 mobilise 223 M€ par an jusqu’en 2030 (dont 36 M€ pour 132 nouveaux centres et 188,7 M€ pour les centres et filières), ces dynamiques visent à harmoniser les protocoles, surmonter la faiblesse des effectifs via des cohortes transnationales et standardiser les données, notamment via Orphanet et des approches d’algorithmes fédérés.

    PNMR4 : 132 nouveaux centres, 223,5 M€ par an et dépistage néonatal élargi

    Le Plan national maladies rares 4 (2025-2030) prévoit la labellisation de 132 nouveaux centres de référence, portant le total à 603 (+28 %), avec 36 M€ dédiés, afin d’améliorer le parcours de vie et de soins, la coordination ville-hôpital et l’accompagnement aux étapes clés. Le plan étend le dépistage néonatal à trois pathologies supplémentaires, généralise le séquençage génomique, renforce les observatoires du diagnostic, intègre la fœtopathologie et encourage l’usage de l’IA.

    L’ancien ministre Yannick Neuder insiste sur un déploiement rapide du dépistage. Doté de 223,5 M€ par an, dont 188,7 M€ pour les centres et filières (133,6 M€ pour les centres de référence, 8 M€ pour les maladies hémorragiques rares, 21,2 M€ pour la mucoviscidose et anomalies CFTR, 9,7 M€ pour la SLA et maladies du neurone moteur, 16,2 M€ pour les FSMR), le plan finance aussi les plateformes Outre-mer (8,3 M€), les PNDS (5,8 M€), l’ETP (2 M€) et la formation (2,3 M€).

    Il soutient le repositionnement de médicaments, les biobanques, les bases de données et la médecine de précision via France 2030, et s’inscrit dans une coopération européenne, avec un appel à des collaborations recherche-industrie.

    DMP, télémédecine, BNDMR : le numérique structure les parcours en maladies rares

    Dans le cadre du Plan France Médecine Génomique 2025, des plateformes de séquençage à haut débit s’appuient sur des algorithmes d’IA pour affiner les diagnostics et orienter les patients vers des traitements adaptés. L’IA appliquée à l’imagerie médicale contribue à la détection précoce d’anomalies rares. L’analyse automatisée d’images permet d’identifier des signaux peu fréquents et d’améliorer la prise en charge, en particulier pour des pathologies complexes ou atypiques.

    Le numérique intervient également dans l’organisation des parcours. Le dossier médical partagé (DMP) et les plateformes collaboratives facilitent l’échange d’informations entre spécialistes, notamment dans des situations nécessitant une expertise multidisciplinaire. La télémédecine et la téléexpertise permettent un accès plus rapide à des avis spécialisés, contribuant à réduire les disparités territoriales.

    En parallèle, la Banque Nationale de Données Maladies Rares (BNDMR) centralise les données cliniques. Cette structuration améliore la visibilité sur les pathologies, soutient la constitution de cohortes et facilite les travaux de recherche.

    L’IA est également mobilisée dans la recherche thérapeutique. Elle soutient le développement de médicaments orphelins, optimise la conception des essais cliniques et modélise l’évolution des maladies afin d’identifier des cibles thérapeutiques.

    Enfin, avec 80 % d’origine génétique, les maladies rares constituent un terrain privilégié pour la médecine de précision et la génomique, agissant comme un laboratoire d’innovation dont les avancées bénéficient ensuite à des pathologies plus fréquentes.

  • Doctolib investit 20 millions pour s’imposer dans l’IA médicale

    Doctolib veut aller plus loin que la simple prise de rendez-vous, en développant des outils d’aide à la décision, l’entreprise entre dans le cœur de la pratique médicale et se différencie des acteurs purement administratifs. L’assistant patient envisagé s’inscrit dans une logique d’extension numérique du parcours de soins : meilleure préparation des consultations, amélioration de la compréhension thérapeutique, structuration des échanges avec le professionnel.

    Doctolib ne se limite plus à l’intermédiation entre patients et professionnels. L’entreprise cherche à structurer une offre d’IA clinique adossée à des partenaires académiques et déployable à grande échelle.

    Entre Paris, Nantes et Berlin

    Doctolib a officialisé, le 23 février, la création de son « laboratoire d’intelligence artificielle clinique », présenté comme un projet collectif structuré depuis plusieurs mois. L’entreprise prévoit d’y consacrer 20 millions d’euros en 2026.

    Le laboratoire fédère des acteurs de la recherche en IA et en santé. Outre l’Inserm, l’INRIA et le centre allemand DFKI, le dispositif associe des équipes hospitalières et des représentants des professionnels de santé.

    Le CHU de Nantes figure parmi les partenaires cliniques, aux côtés de soignants utilisateurs de la plateforme et de plusieurs sociétés savantes, dont la Société Française de Pédiatrie. Les unités de recherche sont donc réparties entre Paris, Nantes et Berlin.

    Des outils prédictifs pour anticiper certaines pathologies

    L’ambition affichée est de développer des outils d’aide à la décision clinique destinés aux médecins, ainsi qu’un « assistant de santé » pour les patients. Celui-ci aurait vocation à accompagner la préparation des consultations, à faciliter la compréhension d’un diagnostic ou d’un traitement et à encadrer les parcours avec un niveau de fiabilité médicale revendiqué élevé et des exigences de sécurité.

    Pour les professionnels, Doctolib prévoit d’étendre les fonctionnalités d’aide à l’anamnèse, à la prescription et au diagnostic. L’intelligence artificielle pourrait également être mobilisée pour prédire le risque de survenue de certaines pathologies.

    Le président de Doctolib, Stanislas Niox-Chateau, a indiqué au Figaro que les outils développés se distingueraient des assistants généralistes en “ne produisant une réponse que lorsque le niveau de confiance est jugé suffisant“. Ils seraient entraînés à partir de connaissances validées et contextualisées localement.

    Doctolib rappelle être en relation avec plus de 400.000 soignants, 1.000 établissements de santé et 90 millions de patients. L’entreprise a renforcé ses équipes pour atteindre 900 collaborateurs en recherche et développement, dont 100 dédiés aux travaux en intelligence artificielle.

    Les outils développés pourront être diffusés rapidement dans des environnements cliniques réels, au-delà d’expérimentations limitées. Les résultats des recherches conduites dans le cadre du laboratoire ont vocation à être publiés et rendus accessibles.

  • Ségur V2 : le DPI Sillage référencé par l’ANS, déploiement national visé avant juin 2027

    Un DPI public déployé dans plus de 100 établissements

    L’Agence du Numérique en Santéa confirmé, le 20 février 2026, le référencement Ségur V2 du Dossier patient informatisé Sillage 26.1, développé par Numih France. Le DPI intègre la liste nationale des solutions conformes à la vague 2 du Ségur du numérique en santé.

    Conçu pour fonctionner en environnement multi-sites, Silage vise à centraliser et structurer les données médicales du patient à l’échelle des groupements hospitaliers de territoire (GHT).

    Le DPI permet l’accès à l’ensemble des informations nécessaires à la prise en charge. Au-delà de la dématérialisation, Sillage participe à l’organisation des soins, au pilotage médico-économique, à la recherche et au déploiement de projets territoriaux ou de télémédecine. L’outil est aujourd’hui déployé dans plus d’une centaine d’établissements de santé.

    87 exigences validées et un accès renforcé aux données de Mon espace santé

    Le référencement Ségur V2 atteste de la conformité de Sillage aux 87 exigences du couloir Hôpital DPI définies par l’ANS.

    Dans la mise en œuvre de cette deuxième vague, Numih France intervient sur l’axe relatif à la consultation, par les professionnels de santé, des données issues de Mon espace santé.

    Il s’agit de permettre aux équipes hospitalières d’accéder, directement depuis leur DPI, aux informations du parcours patient, dans un cadre conforme aux référentiels nationaux. La vague 2 consolide ainsi les acquis de la première phase et élargit la circulation des données entre la ville et l’hôpital.

    Cinq établissements pilotes avant la généralisation

    La phase pilote a débuté avec cinq établissements : le CHRU de Lille, le CH d’Alençon, le GHT Mont Saint-Michel, le CH de Bayeux et le CH de Douarnenez.

    Cette étape vise à valider le fonctionnement des nouvelles fonctionnalités attendues dans le cadre de la vague 2. La généralisation à l’ensemble des établissements, hors sites pilotes, débutera à l’été 2026. L’objectif affiché est un déploiement complet avant juin 2027, conformément au calendrier national.

    Avec ce référencement, Sillage rejoint les DPI conformes au cadre Ségur V2 et entre dans une phase d’extension à grande échelle, centrée sur l’appropriation par les équipes hospitalières et la stabilisation de l’architecture numérique dans la durée.