L’entretien avec le Dr Samiya Abi Jaoude et Félix Motosso précise les modalités de déploiement, les impacts sur la pratique et les conditions de reproductibilité dans d’autres hôpitaux.
Les points clés de l’entretien :
- 75% des soignants estiment que l’IA améliore leur qualité de vie au travail, 63% des patients jugent qu’elle libère du temps pour les soignants (étude Time to Care) ;
- une étude européenne indique que les Assistants Médicaux IA réduisent de 29 % le temps administratif ;
- environ 1 000 établissements européens utilisent déjà la solution Tandem Health, une cinquantaine de pilotes sont en cours en France ;
- à HFAR, plus de 1 500 consultations ont été couvertes lors du pilote estival avant la décision d’adoption ;
- les principaux cas d’usage concernent la génération de comptes rendus structurés, les courriers d’adressage et certains modèles d’ordonnances ;
- la solution n’est pas encore intégrée au dossier patient informatisé (DPI) et fonctionne aujourd’hui comme dispositif médical de classe I, en attente de certification MDR de classe II.
L’adoption de la solution Tandem Health par l’Hôpital Fondation Adolphe de Rothschild (HFAR), après un pilote estival portant sur plus de 1 500 consultations, illustre concrètement ces bénéfices en visant à améliorer le quotidien des soignants, diminuer le temps administratif et renforcer la qualité du temps médical auprès des patients. L’entretien du 12 décembre 2025 avec le Dr Samiya Abi Jaoude et M. Félix Motosso documente précisément la mise en œuvre de cet assistant médical à HFAR et ses conditions de reproductibilité.
Contexte et présentation des intervenants
Le Dr Samiya Abi Jaoude est neurochirurgienne adulte à l’Hôpital Fondation Adolphe de Rothschild, au sein du service de neurochirurgie adulte, distinct de la neurochirurgie pédiatrique. Ses surspécialités couvrent la chirurgie de la base du crâne, la chirurgie vasculaire et les pathologies du liquide cérébrospinal, avec notamment une forte activité autour de l’hydrocéphalie à pression normale (HPN). Elle se décrit comme « curieuse » et volontiers testeuse de nouveautés numériques, mais jusqu’ici rarement convaincue par les solutions proposées sur le terrain, souvent jugées déconnectées de la réalité du terrain médical français.
Elle rappelle son parcours à l’AP-HP (internat puis clinicat), où elle a connu successivement la dictée sur cassette, la dictée sur carte SD avec transcription externalisée, puis la dictée directe aux secrétaires ou via Dragon, avec un niveau de satisfaction limité, notamment du fait de son accent mal reconnu et de la nécessité de corrections massives. Cette trajectoire nourrit sa sensibilité au sujet des outils de documentation médicale et à leur impact sur le temps clinique et la qualité des comptes rendus.
Félix Motosso est directeur général de Tandem Health France, en charge du développement de la solution d’assistant médical IA dans les établissements de santé français. Le double positionnement de Tandem est mis en avant : d’une part comme solution de rédaction et de documentation (dispositif médical de classe I aujourd’hui, en cours de certification MDR de classe II), d’autre part comme futur levier d’aide au diagnostic et de prise de décision une fois la donnée patient accessible dans un cadre réglementaire renforcé. À l’échelle européenne, il indique que Tandem est déjà utilisée dans environ 1 000 établissements, et qu’en France une cinquantaine de pilotes sont en cours, incluant CH, ESPIC et groupes privés, avec une dynamique de contractualisation en fin 2025.
HFAR : un projet inscrit dans une stratégie numérique
HFAR est décrit comme un établissement fortement engagé dans la digitalisation, sans dossier papier depuis plusieurs années, avec un recours exclusif au dossier informatique. La direction est jugée très motrice sur les sujets de transformation numérique, avec une volonté de digitaliser le parcours patient et d’optimiser les ressources secrétariales.
Avant Tandem, HFAR a testé une autre solution IA, expérience jugée globalement négative par le Dr Abi Jaoude. Elle souligne plusieurs limites : trame de consultation pensée pour le système américain et mal adaptée au contexte français, absence de personnalisation pour les surspécialités, et surtout des hallucinations importantes (ex. apparition d’un contenu de chirurgie digestive dans un compte rendu de neurochirurgie), conduisant à l’abandon du test jugé chronophage et peu utile. Cet échec a renforcé l’exigence d’une solution mieux adaptée à la pratique de spécialité, structurée et fiable, sans surcharge de corrections.
Le projet Tandem est porté conjointement par la direction (dynamique de digitalisation, recherche d’efficience, réduction de la charge secrétariale) et par une partie du corps médical, dont la cheffe de service et le Dr Abi Jaoude, volontaires pour tester des solutions innovantes. L’objectif explicite est de réduire le temps consacré à la frappe et à la rédaction, de fiabiliser et structurer les comptes rendus, et de redonner du temps d’échange en face à face avec le patient en consultation.
Génération automatique de comptes rendus structurés en consultations programmées
Le cas d’usage principal déployé à HFAR avec Tandem est la génération automatique de comptes rendus de consultation à partir de l’audio capté pendant l’échange médecin–patient. Dans le service du Dr Abi Jaoude, un cas emblématique est la consultation d’hydrocéphalie à pression normale (HPN), nécessitant un interrogatoire très structuré pour décider d’une éventuelle dérivation, avec des rubriques précises (troubles de la marche, troubles sphinctériens, troubles cognitifs, troubles de l’humeur, « red flags »).
Plus largement, Tandem est utilisé dans plusieurs spécialités de l’hôpital, notamment en neurochirurgie adulte, en cardiologie et en pédiatrie, avec des modèles adaptés selon les besoins. Les types de consultations couverts concernent principalement les consultations médicales programmées, incluant des consultations de première fois et des suivis, particulièrement dans des contextes chroniques ou de surspécialités où un compte rendu structuré est critique (ex. pathologies neurochirurgicales complexes).
Figure 3 Exemple de compte-rendu sur Tandem Health
Pour l’instant, les documents majoritairement générés sont :
- des comptes rendus de consultation structurés ;
- des courriers d’adressage ou de réponse entre spécialistes et médecins traitants ;
- des courriers patients ;
- et, pour certains médecins, des ordonnances, même si Tandem n’est pas positionné comme outil de validation automatique de prescriptions.
« Quelques minutes gagnées par consultation et une interaction patient plus directe »
Le Dr Abi Jaoude estime que Tandem lui fait gagner quelques minutes par consultation, principalement sur la frappe et la mise en forme, ce qui, sur des journées de 25 à 30 patients, représente un gain de temps significatif. Elle ne parle pas de « 10–12 minutes » gagnées par consultation, mais insiste sur l’effet cumulé de ces minutes et sur le confort apporté par la disparition de la frappe en continu pendant l’échange. La consultation HPN, souvent longue (entre 15 et 25 minutes), devient plus fluide puisque l’attention peut se porter davantage sur le patient que sur l’écran.
Concrètement, elle ne tape plus ses comptes rendus « en live » pendant la consultation, ce qui modifie la posture d’échange : moins de regards vers le clavier, moins d’interruptions pour rédiger, plus de contact visuel et de continuité dans le dialogue. Elle souligne que Tandem produit des textes globalement corrects en français, sans fautes d’orthographe majeures, avec une bonne reconnaissance des termes médicaux, même si quelques ajustements restent nécessaires (modification de formulations ou de détails cliniques). Ce fonctionnement réduit aussi la frustration liée aux corrections de langue ou aux erreurs massives rencontrées avec la dictée vocale traditionnelle.
Du point de vue de Tandem, les études internes récentes menées auprès d’environ 1 000 médecins et patients montrent que les patients sont au moins aussi demandeurs que les soignants de solutions permettant de rétablir une interaction directe, face à face, en consultation. Ces résultats rejoignent les données “Time to care” sur la perception positive de l’IA pour la libération de temps médical, suggérant une convergence d’attentes entre professionnels et patients.
Un workflow en quatre étapes, de l’enregistrement audio à la validation du compte rendu
Une consultation type avec Tandem se déroule selon un schéma standard, modulable selon les spécialités. Avant la consultation, le médecin se connecte à l’interface Tandem sur son ordinateur via une double authentification (envoi d’un code par e-mail), puis sélectionne le modèle de consultation souhaité (par exemple « consultation HPN » dans le cas de la neurochirurgie). Un micro d’ambiance, branché sur l’ordinateur et adapté aux salles de consultation (également utilisable en bloc opératoire pour d’autres cas d’usage), capte l’échange audio pendant la consultation.
Pendant la consultation, le médecin conduit l’entretien de manière habituelle, en suivant mentalement sa structure clinique mais sans avoir à la formaliser en temps réel au clavier. Le modèle de Tandem, configuré à partir des trames transmises par le médecin (rubriques et sous-parties souhaitées), transforme la conversation en un compte rendu structuré, en respectant les sections propres à la pathologie (ex. HPN) et en intégrant les éléments cliniques clés (symptômes, imagerie commentée à voix haute, conclusion). La consultation peut rester libre dans l’ordre des questions, Tandem se chargeant de reclasser l’information dans la structure prévue.
Après la consultation, le médecin clique sur « créer le compte rendu » et obtient un document structuré modifiable ligne par ligne. La relecture-correction intervient immédiatement après le départ du patient, souvent en 1 à 2 minutes, pendant la préparation des ordonnances ou une courte pause. Le praticien peut ajuster certains passages, corriger quelques formulations (par exemple transformer une phrase approximative sur un trouble moteur en formulation clinique plus précise) puis valider le texte. Ce document est ensuite intégré directement dans le DPI en un clic depuis Tandem.
Les variations de workflow entre spécialités sont limitées : l’interface et les étapes restent identiques, la principale différence tenant au choix du modèle de consultation (modèle générique, modèle HPN, etc.). Le workflow est également similaire pour seniors et juniors, la logique étant la même ; toutefois, la facilité d’appropriation peut varier selon la familiarité des praticiens avec les outils informatiques.
Intégration au système d’information et contraintes techniques
À HFAR, Tandem est branché de manière indirecte au système d’information : l’outil transfère les CR générés directement dans le DPI mais ne peut pas encore y récupérer les données médicales et ne traite pas de données d’identification patient dans sa version actuelle en classe I. Aucun identifiant patient n’apparaît dans l’interface Tandem, tant que le document n’est pas transféré dans le système hospitalier ; cela est présenté comme une garantie de non-traitement de données de santé nominatives à ce stade. Le flux opérationnel consiste donc à générer le compte rendu dans Tandem puis à le transférer en un clic dans le DPI ainsi que (copier-coller) dans l’outil de courrier / compte rendu utilisé à la Fondation.
Les contraintes techniques principales évoquées relèvent de la sécurité, de la conformité (RGPD, hébergement HDS), des contraintes de réseau et de la diversité des postes (salles de consultation, blocs, services d’urgences), ainsi que de l’équipement audio. M. Motosso considère la conformité RGPD et l’hébergement HDS comme des prérequis « de base », nécessaires mais non différenciants ; la vraie complexité réside dans l’intégration dans des DPI parfois anciens (années 1990) et dans la capacité à couvrir des cas de figure variés (consultations fixes, mobilité, différentes salles, urgences, bloc, etc.).
Pour un pilote dans un autre hôpital, Tandem met en avant une architecture technique « souple », capable de s’intégrer soit via l’éditeur du DPI, soit directement au niveau établissement quand l’intégration profonde est plus complexe ou plus longue. Cette approche permet de démarrer en quelques jours ou semaines selon le contexte SI, sans exiger un niveau de maturité IT très avancé, à condition que les éléments de base soient en place (DPI, infrastructure réseau suffisante, DSI mobilisée).
À moyen terme, la certification MDR de classe II doit permettre à Tandem d’accéder aux données patients (antécédents, consultations antérieures) et de pré-remplir des comptes rendus, notamment pour les consultations de suivi, en réutilisant les informations structurées déjà présentes dans le DPI. Cette évolution est envisagée comme un levier pour aller au-delà du seul gain administratif, vers des fonctionnalités plus « médicales » (pré-remplissage, suivi longitudinal, assistance au diagnostic).
Adoption facilitée par le volontariat médical, des parcours de formation courts et la co‑construction des modèles
Le choix des services pilotes à HFAR repose sur le volontariat et l’appétence pour le numérique, avec un ciblage de spécialités fortement exposées à la charge de documentation (neurochirurgie, cardio, pédiatrie, etc.). Le Dr Abi Jaoude et sa cheffe de service se positionnent comme référentes et utilisatrices précoces, ce qui facilite l’appropriation par les équipes.
Sur la formation, la prise en main de Tandem est décrite comme quasi immédiate pour les praticiens : l’outil « écoute et crée », avec très peu d’étapes (connexion, choix du modèle, démarrage et arrêt de l’enregistrement, création du compte rendu). Pour des utilisateurs comme le Dr Abi Jaoude, à l’aise avec l’informatique, la courbe d’apprentissage est évaluée à « zéro jour » ; pour des médecins moins familiers du numérique, M. Motosso estime la montée en compétence à une dizaine de consultations. En revanche, la personnalisation des trames (définition de modèles spécifiques HPN, etc.) se fait de façon progressive, sur quelques jours ou quelques consultations, via des retours à l’équipe Tandem, avec la perspective d’un futur mode « do it yourself » permettant aux médecins de créer eux-mêmes leurs modèles.
Les freins rencontrés relèvent principalement :
- de la résistance culturelle à la technologie et à la remise en question des habitudes de rédaction ;
- des craintes initiales de perte de temps en phase de test, renforcées par les expériences négatives avec des outils antérieurs.
Pour lever ces freins, Tandem mise sur :
- des démonstrations in situ, y compris avec des chefs de service initialement sceptiques, en leur montrant la différence avec la dictée vocale classique ;
- une très faible friction d’usage (interface simple, trois clics clés) ;
- la co-construction des trames avec les médecins pour coller à leur pratique. Les éléments qui favorisent l’adoption incluent la perception concrète du gain de temps, le confort d’avoir des comptes rendus structurés, l’amélioration ressentie de la relation patient, ainsi que l’engagement de la direction dans la transformation numérique.
Information systématique des patients et sécurisation des données
En consultation, le Dr Abi Jaoude informe les patients que leur compte rendu sera généré par un outil d’IA, en début d’échange. Elle rapporte n’avoir reçu à ce jour aucune objection explicite de la part des patients, ni retour négatif structuré sur l’usage de l’IA en consultation.
Du côté de Tandem, plusieurs garde-fous sont mis en avant : hébergement HDS, conformité RGPD, dispositif médical de classe I ne traitant pas directement de données patients identifiantes, et absence de réutilisation non conforme de la donnée pour l’entraînement des modèles, dans le respect du cadre réglementaire européen jugé plus strict que le contexte américain. La non-visibilité des identifiants patients dans l’interface Tandem à HFAR est présentée comme une mesure de conformité, en attendant la certification MDR de classe II qui permettra l’accès au DPI dans un périmètre encadré.
À ce jour, aucune catégorie spécifique de cas d’usage explicitement « interdits » n’est détaillée pour HFAR dans l’entretien (par exemple certains contenus extrêmement sensibles ou certaines situations), en dehors des limites réglementaires liées à la classe I (pas d’accès direct à la donnée patient, pas d’aide au diagnostic). Les perspectives évoquées incluent toutefois un encadrement renforcé des usages à mesure que la solution évoluera vers plus d’intégration et de fonctionnalités médicales.
3 conditions pour reproduire le cas d’usage : pilotage partagé, DSI mobilisée, médecins référents impliqués
Pour un autre hôpital français souhaitant reproduire ce cas d’usage en 2026, Félix Motosso met en avant trois conditions principales :
- un « attelage » solide entre les équipes administratives (direction générale, DSI, direction de l’innovation, direction médicale) et les équipes soignantes, avec une vision claire des objectifs (gains d’efficience, amélioration de la qualité de vie au travail, impact sur le temps patient) ;
- la mobilisation de quelques ressources DSI pour travailler en ping-pong sur l’intégration et l’accès au logiciel (accès, sécurité, modalités d’intégration au DPI) ;
- la présence de médecins motivés, pas nécessairement « experts » en informatique, mais prêts à tester et à co-construire, afin de démontrer l’utilité de la solution pour différents profils.
Du point de vue du Dr Abi Jaoude, les évolutions souhaitées pour que l’IA devienne un allié encore plus fort dans la pratique quotidienne portent sur :
- l’extension au-delà de la consultation, avec la capacité à synthétiser l’ensemble du séjour hospitalier dans une lettre de liaison structurée (type LBD / lettre de liaison de sortie) ;
- une intégration plus profonde avec le DPI, permettant de pré-remplir les documents à partir des données déjà présentes, en particulier pour les consultations de suivi (réutilisation automatique du compte rendu précédent, historique, etc.) ;
- la génération d’ordonnances bien structurées, adaptées au contexte clinique du moment. Elle souligne également l’intérêt d’outils IA dans d’autres domaines (imagerie, radiologie), déjà présents via des projets internes et externes de radiologues pour l’entraînement de modèles, même si ceux-ci relèvent plus de la création de solutions que de leur usage routinier par les cliniciens.
Dans ce cadre, l’expérience HFAR avec Tandem confirme les résultats de “Time to care” : un assistant médical IA, correctement intégré et accompagné, peut à la fois alléger la charge documentaire des soignants et soutenir une relation patient plus directe, à condition de respecter les contraintes de sécurité, de construire le cas d’usage avec les équipes cliniques et de maintenir un dialogue étroit entre DSI, direction et médecins.
