Recentrage autour du CNS pour piloter la stratégie
Une gouvernance simplifiée, recentrée sur le comex du CNS :
Premier changement notable : la gouvernance. Alors que la version de juillet prévoyait de créer un Forum des parties prenantes, la version de novembre recentre tout autour du Conseil du numérique en santé (CNS), via un Comité exécutif (Comex) qui coordonnera les actions. Une façon de capitaliser sur l’existant et de clarifier les instances.
Côté droits citoyens, peu de changement : la centralisation de l’exercice des droits RGPD et de l’Espace européen des données de santé (EEDS) reste prévue via un portail unique piloté par la Plateforme des données de santé (PDS – ex Health Data Hub). Idem sur la sécurisation des usages : les référentiels et les hébergements devront toujours respecter les règles européennes et françaises, avec une doctrine alignée par le Comex du CNS.
Des bases de données toujours prioritaires :
Pas de virage stratégique non plus du côté du sujet des bases de données, mais une gouvernance ajustée. La prioritisation des bases à enrichir ou constituer (SNDS, entrepôts hospitaliers, cohortes, etc…) relève désormais du comex du CNS. Un changement de pilotage donc, mais les ambitions restent : combler les lacunes de couverture, améliorer la qualité des données, et anticiper les usages.
Côté infrastructures, la stratégie maintient un modèle hybride avec possibilité de chaînage entre données locales et SNDS via des services optionnels de la PDS. Le chantier sur la rationalisation des copies SNDS est confirmé, avec une loi attendue en 2026 pour ancrer les principes. Rien n’a changé non plus sur l’interopérabilité ou la doctrine d’évaluation des bases.
Répertoires et financement désormais mieux organisés :
Le calendrier des actions sur les répertoires et l’accès aux données reste inchangé. Une première version du portail FReSH (pour ‘Facilitation de la Recherche en Santé humaine’), un outil piloté par l’Institut pour la recherche en santé publique visant à recenser et décrire les bases de données mobilisables pour la recherche, est attendue d’ici fin 2025. Il accompagnera la mise en conformité du répertoire national des données de santé avec l’EEDS. La volonté de convergence entre répertoires demeure.
Sur le financement, même ligne : les bases stratégiques doivent être soutenues via des moyens nationaux et européens, avec un cadre de redevances à finaliser pour s’adapter aux règles de l’EEDS. Ce qui change, là encore, c’est le pilotage : les travaux sont désormais coordonnés dans la nouvelle gouvernance CNS.
Accès aux donnés facilité et nouveaux leviers d’usage
Pour ce qui est de l’accès aux données de santé, la stratégie interministérielle reste claire : basculer d’un régime d’autorisation de la Commission national de l’internet et des libertés (Cnil), vers un régime de déclaration, pour les projets conformes à des référentiels éthiques et scientifiques préétablis. Cette évolution législative, toujours prévue d’ici fin 2025, vise à réduire les délais d’accès aux données tout en maintenant un haut niveau de sécurité et de responsabilisation des acteurs. Elle s’accompagnera de la création de comités éthiques locaux, qui pourraient, sous certaines conditions, se substituer au Cesrees pour les projets les moins sensibles.
Parallèlement, les travaux sur les données synthétiques et les nouveaux usages se poursuivent. L’objectif reste de permettre aux chercheurs et innovateurs d’expérimenter, de tester ou de développer des solutions sans accès direct aux données réelles. Le séminaire national initialement prévu en septembre est reprogrammé pour décembre 2025. Il servira de point d’étape et de lancement d’une feuille de route structurée, pilotée par le Comex du CNS aux côtés de l’Inria, la Délégation au numérique en santéet la PDS.*
Un cadre juridique encore en construction pour le numérique en santé
Une gouvernance éclatée mais cohérente :
L’Inde ne possède pas un « Code de la santé publique » unique comme en France. Elle s’appuie sur un empilement cohérent de lois, politiques publiques et lignes directrices, orchestré par le Ministry of Health and Family Welfare (MoHFW) et plusieurs agences. Pour le numérique en santé, le pilote est la National Health Authority (NHA), qui met en œuvre l’Ayushman Bharat Digital Mission (ABDM), qui est la colonne vertébrale du système, des registres de professionnels et d’établissements, couplée au Health Information Exchange & Consent Manager (HIE-CM) qui permet d’organiser le partage des dossiers médicaux par consentement explicite.
Un cadre juridique structuré autour de la donnée :
Côté protection des données, l’Inde s’est dotée en août 2023 du Digital Personal Data Protection Act (DPDPA), une loi-cadre horizontale qui encadre tout traitement de données personnelles numériques. Elle impose un consentement explicite, consacre les droits d’accès, de correction et d’effacement, et prévoit une notification obligatoire des violations à l’autorité compétente, le Data Protection Board of India (DPB). Les règles d’application, attendues pour cette fin d’année 2025, préciseront les délais de notification et les mécanismes de conformité.
Dans le domaine de la santé, ce socle est complété par la Health Data Management Policy (HDMP), rattachée à l’ABDM. Cette politique formalise la gouvernance du consentement via le HIE-CM et définit les exigences d’interopérabilité et de sécurité imposées aux acteurs participants. L’intégration à ABDM suppose des logiciels conformes, testés dans la “sandbox” de la NHA et enregistrés dans les registres nationaux des établissements et professionnels.
Plusieurs régulations déjà bien ancrées
Les Telemedicine Practice Guidelines, référence depuis 2020 :
La pratique de la télémédecine repose sur les Telemedicine Practice Guidelines (TPG), publiées en mars 2020 et annexées au code déontologique des médecins. Elles imposent l’identification du praticien, le recueil du consentement – implicite si le patient initie la consultation, explicite dans le cas contraire -, la tenue du dossier et les limites de prescription. Ces lignes directrices demeurent la référence opérationnelle pour toute consultation à distance.
Le rôle central de la CDSCO :
Tout ce qui relève du dispositif médical, y compris les logiciels à finalité médicale (Software as a Medical Device, SaMD), dépend de la Central Drugs Standard Control Organisation (CDSCO). Le cadre applicable est celui des Medical Device Rules (MDR) de 2017, qui classent les produits de A à D selon le risque et prévoient des procédures d’enregistrement ou de licence via le portail national indien.
Un marché indien ouvert mais exigeant
Qualifier le produit avant toute démarche :
Pour ce qui est de l’accès au marché indien du numérique en santé, plusieurs étapes doivent être franchies. La première d’entre elles n’est pas juridique, puisque le produit doit être défini en fonction de son utilité pour voir quelle réglementation va s’appliquer. Un outil de bien-être ne sera pas régulé comme un logiciel d’aide au diagnostic ou de télésurveillance. Dès qu’une finalité médicale est revendiquée, le produit entre dans le périmètre du MDR de 2017. Il faut alors identifier la classe (A à D), constituer un dossier technique et qualité, et obtenir la licence avant toute commercialisation.
La certification CE ne suffit pas :
Premier obstacle pour les Français : la marque CE, même si elle reste un atout de crédibilité, ne dispense pas des démarches indiennes. Les entreprises doivent désigner un “représentant local agréé” (Authorized Indian Agent), déposer une demande MD-14 via le portail officiel et obtenir la licence d’import MD-15 avant distribution. Les pièces attendues incluent le dossier technique, les certificats ISO 13485 (qui est le référentiel international de qualité propre aux dispositifs médicaux) et, le cas échéant, le certificat de libre vente délivré en Europe.
En plus de cela, les entreprises proposant des services de téléconsultation doivent se conformer aux Telemedicine Practice Guidelines, notamment en ce qui concerne la traçabilité, le consentement, l’identification du praticien et la conservation des enregistrements.
Un double alignement sur la donnée :
L’entrée sur le marché implique également un double alignement réglementaire. D’un côté, la conformité au Digital Personal Data Protection Act pour la gestion des données personnelles (information, consentement, sécurité, notification au DPB). De l’autre, le respect des exigences sectorielles de l’Ayushman Bharat Digital Mission : interopérabilité, audits de sécurité et usage encadré de la sandbox, qui est l’environnement de test réglementé permettant de valider la conformité technique avant intégration à l’écosystème ABDM). Les entreprises qui visent des cas d’usage « ABDM-natifs » doivent intégrer dès la conception la logique HIE-CM et les standards FHIR ou SNOMED.
Une ouverture industrielle favorable :
Sur le plan économique, l’Inde autorise jusqu’à 100 % d’investissement direct étranger (FDI) en voie automatique dans la fabrication de dispositifs médicaux. Cette libéralisation facilite la création de co-entreprises, d’usines locales ou de filiales à capitaux étrangers, indépendamment du régime pharmaceutique plus contraignant
Parcours d’entrée sur le marché du numérique en santé en Inde – @H&TI
Zoom sur les nouveaux critères de certification encadrant l’IA
La Haute autorité de santé (HAS) a intégré dans son dernier référentiel de certification des établissements de santé deux critères spécifiques pour encadrer l’usage de l’intelligence artificielle (IA) en contexte de soins. Ces critères, inscrits à l’objectif 3.4 ,« adaptation à des soins éco-responsables et aux innovations numériques », imposent aux établissements de santé une gestion rigoureuse et responsable des technologies numériques innovantes, et en particulier des systèmes d’IA, afin de garantir la qualité et la sécurité des soins. Ils s’articulent autour de deux situations : l’usage de dispositifs médicaux numériques intégrant de l’IA dans un but médical, et l’usage d’outils technologiques innovants (IA ou autres) sans finalité médicale directe, pour optimiser l’organisation des soins.
Le pilotage des dispositifs médicaux numériques intégrant de l’IA :
Le critère 3.4-05 exige que « l’établissement pilote l’usage des dispositifs médicaux numériques à usage professionnel, en particulier ceux faisant appel à l’intelligence artificielle ». Autrement dit, pour tout outil numérique à finalité médicale (exemple : aide logicielle au dépistage, au diagnostic ou à la décision thérapeutique), ce qui inclut de nombreux dispositifs basés sur l’IA, utilisé par des soignants, l’établissement doit mettre en place une gouvernance adaptée. Concrètement, le référentiel demande :
de recenser tous les dispositifs médicaux numériques utilisés dans l’établissement (comme les logiciels d’aide à l’interprétation d’images, ou les outils d’analyse pharmaceutique), mettre à jour cet inventaire au moins annuellement, et analyser les risques et impacts potentiels de chacun (notamment en termes de sécurité des données ou de réutilisation des données par le fournisseur). Cela implique de connaître pour chaque système ses performances déclarées, ses limites et ses conditions d’utilisation, afin d’éclairer les professionnels sur leur utilité réelle ou leurs dangers éventuels ;
de définir une organisation structurée pour l’acquisition et l’implémentation de ces outils, en impliquant les équipes compétentes (notamment le service informatique et le service juridique) dès le choix et l’évaluation d’un nouvel outil. Ceci garantit que les solutions retenues respectent les exigences réglementaires (comme le marquage CE ou la conformité au RGPD) et sont compatibles avec le système informatique (SI) de l’hôpital et les règles de sécurité ;
d’organiser la formation des professionnels de santé amenés à utiliser ces dispositifs d’IA, afin qu’ils en maîtrisent le fonctionnement, connaissent les conditions d’usage appropriées et les limites de fiabilité ou de portée clinique. L’objectif étant d’assurer une utilisation éclairée et critique de l’outil par les soignants, qui reste indispensable pour un usage sécurisé de l’IA ;
d’instituer un processus de contrôle qualité continu sur les résultats fournis par ces systèmes, incluant le cas échéant un contrôle humain des décisions/analyses produites par l’IA. Cette exigence vise à prévenir les dérives d’une automatisation aveugle : un regard expert doit pouvoir vérifier les suggestions de l’IA, surtout en situation clinique réelle, afin de détecter d’éventuelles erreurs ou biais de l’algorithme ;
de s’assurer que les professionnels déclarent tout dysfonctionnement ou évènement indésirable lié à l’utilisation de ces dispositifs (par exemple via le dispositif de matériovigilance pour les DMN). Ce reporting, conforme à la réglementation en vigueur, permet de gérer les risques en temps réel et d’améliorer les dispositifs. Par ailleurs, le critère prévoit qu’en cas d’utilisation d’une IA d’aide à la décision diagnostique/thérapeutique, le patient en soit informé et averti de l’intervention de cet outil dans son parcours de soins, assurant ainsi une transparence vis-à-vis de la personne soignée.
Ce critère 3.4-05 établit un cadre opérationnel qui s’aligne sur les obligations légales de gestion des dispositifs médicaux. Les DMN dotés d’IA doivent bien entendu être des dispositifs certifiés CE (réglementation européenne 2017/745) s’ils revendiquent une finalité médicale. Néanmoins, la HAS va plus loin en demandant aux établissements de “piloter activement” leur usage : cela comble un vide là où la HAS n’évalue pas forcément ces outils (beaucoup de DMN n’entrant pas dans les procédures de remboursement, ils échappent à l’évaluation clinique classique). L’établissement de santé devient ainsi garant de la qualité de ces IA médicales dans son propre fonctionnement, en instaurant une gouvernance interne, une gestion du risque et une responsabilité de suivi continu, conformément aux principes de l’amélioration continue de la qualité des soins.
L’utilisation des outils technologiques innovants dotées d’IA sans finalité médicale :
Le critère 3.4-06 stipule que « l’établissement utilise des outils technologiques innovants sans finalité médicale pour améliorer son organisation, en particulier ceux faisant appel à l’IA ». Ce critère vise les outils numériques innovants déployés dans l’hôpital pour optimiser l’organisation des soins (gestion des ressources, logistique, administration, coordination…), mais qui ne sont pas à proprement parler des dispositifs médicaux. Par exemple, on peut citer un outil d’IA générative assistant à la rédaction des comptes-rendus, un algorithme d’optimisation des plannings, ou des solutions d’analyse de données pour la gestion des flux de patients. Juridiquement, ces outils « sans finalité médicale au sens du règlement UE 2017/745 » n’ont pas le statut de dispositif médical, mais leur bon usage est tout aussi crucial pour la qualité des soins. Le référentiel 2025 les encadre donc via ce critère, classé « avancé », en insistant sur les points suivants :
l’établissement doit encadrer l’acquisition de ces technologies innovantes en associant systématiquement les compétences adéquates, notamment les équipes SI et juridiques, au processus de choix. Cela garantit une évaluation préalable de la conformité (comme le respect des règles de sécurité des données, ou de la protection de la vie privée) et de l’interopérabilité de l’outil dans l’écosystème de l’établissement ;
dès qu’un outil repose sur un système d’intelligence artificielle, l’établissement doit se doter d’un processus de contrôle qualité adapté pour surveiller son fonctionnement et ses résultats dans le temps. Cette démarche recoupe celle du critère 3.4-05 : même sans finalité médicale directe, un algorithme pouvant impacter l’organisation du travail ou la prise de décision administrative doit être soumis à une validation régulière et à une gestion des risques (par exemple, la détection d’erreurs de l’IA).
les professionnels utilisant ces outils doivent être formés à leur usage, afin qu’ils connaissent bien les conditions d’utilisation et les limites de ces technologies. Un personnel formé et conscient des possibilités et des limites d’un outil innovant saura l’exploiter au mieux tout en prévenant les erreurs ou abus ;
l’établissement doit évaluer l’impact de ces innovations sur ses processus de soins et son organisation. L’idée est de mesurer concrètement les effets positifs attendus (par exemple, le gain de temps administratif permettant de consacrer plus de temps aux patients, ou l’amélioration de la coordination), mais aussi de détecter d’éventuels effets indésirables organisationnels. La HAS souligne en effet que chaque nouvelle technologie doit être introduite de manière raisonnée : une “évaluation systématique” de son déploiement doit vérifier qu’elle n’induit pas de nouveaux risques pour le personnel ou les patients. Parmi les écueils à éviter figurent “l’intensification du travail ou la perte de sens” pour les professionnels, ou toute “dérive non contrôlée” dans l’utilisation de l’outil. Ce critère vise donc à ce que l’innovation technologique soit synonyme de valeur ajoutée réelle et de sécurité, et non de gadget potentiellement néfaste.
Le critère 3.4-06 est qualifié de “standard” par la HAS, signifiant qu’il concerne l’ensemble des établissements dès la base du référentiel. En revanche, le critère 3.4-05 sur les DMN à usage professionnel est traité comme critère “avancé” (indiquant une démarche de maturité plus élevée) dans la logique de certification HAS. Cela montre que l’utilisation d’IA à but purement organisationnel est déjà largement répandue et peut être améliorée dans toutes les structures, tandis que le pilotage des IA médicales demande une démarche encore plus proactive de la part des établissements les plus en pointe. Dans tous les cas, ces deux critères s’inscrivent dans le nouveau cycle de certification (applicable aux visites d’établissement à partir de septembre 2025) qui vise à amplifier la maîtrise des risques numériques en santé.
L’impact de ces nouveaux critères sur la qualité des soins
Vers une gouvernance proactive de l’innovation numérique :
L’intégration de ces critères dans le dernier référentiel de certification de la HAS marque un tournant dans la conception de la qualité des soins. Jusqu’ici centrée sur les pratiques cliniques et organisationnelles, la démarche qualité s’étend désormais à la maîtrise des technologies numériques, considérant que la qualité dépend autant des pratiques humaines que de la fiabilité et du bon usage des outils qui les soutiennent.
Ces critères placent les établissements dans un rôle de pilotage actif de l’innovation. Il ne s’agit plus seulement d’adopter des dispositifs médicaux numériques ou des outils d’intelligence artificielle validés par leurs fabricants, mais de construire une gouvernance interne assurant leur suivi, leur traçabilité et leur amélioration continue. Cette responsabilité exige des processus d’identification et d’évaluation des outils utilisés, une supervision partagée entre directions qualité, systèmes d’information, juristes et équipes cliniques, et une intégration cohérente de la technologie dans les démarches de sécurité et de pertinence des soins.
Faire émerger une culture de vigilance numérique :
En introduisant l’IA dans la certification, la HAS fait émerger une culture de vigilance numérique. Les incidents, biais ou dérives algorithmiques doivent être suivis et analysés au même titre que les événements indésirables graves. La traçabilité des décisions devient essentielle : lorsqu’une IA intervient dans le raisonnement clinique ou l’organisation des soins, le professionnel doit pouvoir en expliciter la contribution. Ce cadre renforce la sécurité du patient et la redevabilité du soignant, tout en encourageant une utilisation raisonnée et transparente des technologies.
Une nouvelle capacité à mesurer et améliorer la qualité des soins :
Ces critères ouvrent aussi la voie à une qualité des soins objectivée par la donnée. En structurant la gouvernance et le suivi des IA, la HAS crée les conditions d’un usage plus intelligent de l’information. L’IA devient un outil de mesure de la pertinence des soins, capable d’identifier les redondances, les écarts de pratique et les besoins individuels, contribuant ainsi à une personnalisation et une évaluation continues des prises en charge.
La HAS rappelle également que la qualité ne peut se dissocier de la confiance. Informer les patients de l’usage de l’IA, former les soignants à sa compréhension et garantir la transparence des décisions sont les conditions d’une innovation éthique et maîtrisée. L’intelligence artificielle, encadrée et expliquée, devient alors un vecteur de qualité au service de l’humain.
Si l’on compare les levées de fonds des entreprises françaises du numérique en santé lors du troisième trimestre de l’année 2025 à celles qui ont été réalisées au cours du troisième semestre de l’année précédente, on remarque que les chiffres levés cette année sont bien loin d’égaler ceux du T3 2025 et ses 260 millions d’euros levés. Avec 92,9 millions d’euros, le troisième trimestre de l’année 2025 surpasse tout de même celui de l’année 2023 (72,3M € levés).
Plus globalement, si l’on compare les levées de fonds sur le T3 des deux dernières années, on remarque que seuls Alan et Tricares, en 2024, et Median Technologies, en 2025, ont levé plus de 20 millions d’euros, sauf que l’assurance avait levé 173M € en 2024, contre 22 millions pour Median Technologies. C’est cette levée de fonds qui fait que les chiffres de 2025 sont bien loin de ceux de l’année dernière. Si l’on ne prend pas en compte Alan, les sommes levées se valent plus ou moins sur ces deux années : 92,9M € pour le T3 2025 contre 87,1M €, pour 13 levées de fonds à chaque fois.
Top 6 des levées de fonds des entreprises françaises du numérique en santé lors du T3 2025 – @Health&Tech Intelligence
Très peu de levées au dessus de 5M € :
Si ces chiffres sont bien loin d’atteindre ceux du T3 2024, aucune levée de fonds de moins d’un million d’euros n’a été réalisée au T3 2025, contre 3 lors du T3 précédent : PraxySanté (600K €), Next neurotech (750K €) et Kiwee.care (900K €). La majorité des levées de fonds – 8 sur 14 pour le T3 2025 et 7 sur 13 pour le T3 2024 – lors de ces deux trimestres n’ont par contre pas dépassé les 5 millions d’euros levés, ce qui montre un manque d’attrait pour les investisseurs lors de l’été, surtout en août, où seulement une levée de fonds a eu lieu cette année.
The Moon Venture. Pléiade Venture, Plug&Play Ventures, Bpifrance et AKKA Technologies
Rofim
10,0
Septembre
Coordination numérique des soins
la Banque des Territoires, Orange Ventures Impact, et Région Sud Investissement, accueille deux nouveaux partenaires stratégiques : CAAP Création, le fonds de capital-risque du Crédit Agricole Alpes Provence, et Buena Vista Capital.
Juisci
5,5
Septembre
Documentation scientifique
Ring Capital, Big Pi Ventures, Bpifrance
Vocca
4,7
Septembre
Assistant vocal
Speedinvest et Firstminute Capital. Kima Ventures, FJ Labs, Sequoia Scout, ainsi que plusieurs business angels, dont les fondateurs d’Alan, Datadog, Deel, Jellysmack et Mistral, y ont également participé.
Une contribution essentielle au chantier de la donnée clinique structurée
Les registres cliniques sont l’un des piliers de la recherche médicale et de l’évaluation des pratiques. Ils permettent de suivre les patients, d’évaluer les traitements et d’éclairer les politiques publiques. Mais leur alimentation repose encore largement sur une extraction manuelle des données à partir des dossiers médicaux électroniques (DME), une tâche chronophage, coûteuse et sujette à l’erreur.
Dans ce contexte, des chercheurs voient dans le traitement automatique du langage naturel (NLP) un levier stratégique : convertir les textes narratifs des DME (comptes rendus, anapath, notes opératoires) en variables structurées, prêtes à intégrer les registres. C’est ce champ que vient explorer l’étude publiée par plusieurs chercheurs de l’université de la New South Wales de Sidney dans leJournal of the American Medical Informatics Association, analysant quinze ans de travaux sur l’usage du NLP pour automatiser la création de registres.
Les auteurs constatent un essor depuis 2020, porté par les progrès de l’IA et la généralisation des DME. Mais les solutions restent encore expérimentales, hétérogènes et peu reproductibles, loin d’un standard industriel.
Un état des lieux mondial des approches :
L’analyse couvre 15 études conduites entre 2010 et 2025, issues de sept pays (dont les États-Unis, la Chine et l’Allemagne), et couvrant une diversité de domaines : oncologie, cardiologie, orthopédie, néphrologie, ophtalmologie ou encore maladies infectieuses.
Les approches recensées se répartissent en six grandes familles :
Règles et expressions régulières, dominantes historiquement ;
Classification de texte (modèles classiques et réseaux de neurones) ;
Reconnaissance d’entités nommées (NER) pour identifier diagnostics, procédures, médicaments ;
Inférence textuelle (NLI) pour déduire automatiquement des relations logiques ;
Text mining hybride, combinant règles et apprentissage ;
Et, plus récemment, modèles de langage génératifs (LLM), utilisés dans une seule étude pour extraire automatiquement des informations d’anatomopathologie.
Les performances observées varient fortement : certaines approches atteignent près de 99 % de précision sur des textes semi-structurés, quand d’autres tombent sous les 50 % de F1-score sur des corpus hétérogènes.
Des résultats prometteurs, mais encore très inégaux
Les méthodes à base de règles restent les plus stables lorsqu’elles s’appliquent à des formats bien cadrés (par exemple, les rapports opératoires). Les approches d’apprentissage supervisé montrent des résultats plus variables, fortement dépendants de la qualité et du volume des données annotées.
Quant aux LLM, leurs premiers résultats sont encourageants : un taux de complétude de 97 % sur de petits échantillons de rapports médicaux. Mais les auteurs de l’étude rappellent qu’il ne s’agit encore que d’expérimentations : coût computationnel, biais, confidentialité et manque d’évaluations comparatives limitent encore leur usage clinique réel.
Un équilibre difficile entre performance, coût et généralisabilité :
L’étude souligne un constat récurrent : les systèmes de NLP performants sont souvent spécifiques à un registre, un hôpital ou une spécialité. Une méthode conçue pour extraire des données de cancer à partir de comptes rendus d’anapath ne peut pas être réutilisée telle quelle pour la cardiologie ou les notes de consultation, par exemple. De plus, la plupart des approches reposent sur des corpus annotés manuellement : une ressource coûteuse et difficile à maintenir dans le temps.
Cette dépendance à l’expertise humaine rend les modèles fragiles, coûteux à adapter, et donc peu “scalables” à l’échelle nationale ou internationale.
Un manque de validation et de partage :
La revue révèle une faible reproductibilité :
73 % des études n’ont pas mené de validation externe ;
80 % ne publient pas leurs données ;
53 % ne partagent pas leur code ;
87 % ne diffusent ni leurs modèles, ni leurs règles.
Malgré ces limites, cinq projets ont franchi le cap de la mise en œuvre réelle, notamment dans les registres cardiovasculaires chinois, les cancers à Taïwan ou les registres orthopédiques canadiens.
Vers une nouvelle génération de cadres méthodologiques
L’enseignement majeur de cette revue est qu’aucune méthode ne peut, à elle seule, répondre aux exigences de performance, de traçabilité et de généralisation. Les auteurs appellent donc à un cadre méthodologique commun, combinant :
des définitions normalisées des champs de registre ;
des pipelines “human-in-the-loop” intégrant apprentissage actif et révision experte ;
des validations temporelles et géographiques systématiques ;
et la publication d’artefacts ouverts (modèles, règles, jeux de test).
Les fondations comme BERT, BioClinicalBERT et les LLM génératifs pourront s’y intégrer, à condition de garantir un usage contrôlé, éthique et transparent.
Un potentiel à concrétiser :
En conclusion, l’étude trace une ligne claire : le NLP peut déjà atteindre des performances proches de celles de l’humain sur des tâches ciblées, mais reste trop fragmenté et peu transférable pour une industrialisation à grande échelle. L’enjeu des prochaines années ne sera donc pas seulement algorithmique, mais organisationnel : concevoir des infrastructures de registres apprenantes, robustes, auditées et durables, où la donnée clinique, structurée ou non, devient un bien commun au service de la recherche et de la santé publique.
Un AAP qui s’inscrit dans la stratégie nationale des données de santé
Après deux premières éditions qui ont récompensé 30 projets – dont 14 portés par l’AP-HP -, l’AAP “DAtAE” pour la recherche par l’exploitation des EDSH est de retour pour une deuxième édition, toujours lancé par la DGOS et opéré par le Health data hub (HDH), qui pilote le processus de sélection des lauréats et assure leur suivi opérationnel aux différentes étapes clés, de l’instruction réglementaire jusqu’à la valorisation des résultats.
Cet AAP s’inscrit dans le sillage des recommandations du rapport de Jérôme Marchand-Arvier de décembre 2023, qui ont été reprises dans la stratégie nationale de l’usage secondaire des données de santé parue le 1er juillet 2025, et qui soulignent l’importance de tirer parti des données de santé françaises et plus particulièrement des données contenues dans les EDSH qui ont “un énorme potentiel”.
En effet, cet AAP a pour objectif de “sélectionner et de financer des projets de recherche appliquée en santé d’excellence en exploitant les EDSH” pour :
produire des connaissances scientifiques sur la base de la réutilisation des données de santé ;
encourager l’organisation et le développement de collaborations (création d’écosystèmes autour des bases de données mutualisées) ;
favoriser le développement de l’expertise des offreurs de soins dans le domaine de l’exploitation des données de santé.
Une enveloppe de 3,5 millions d’euros pour les projets lauréats :
Comme pour les premières éditoons de l’AAP, une enveloppe de 3,5 millions d’euros est consacrée au financement des projets lauréats avec un financement libre pour chacun des projets. Dans le cahier des charges de l’AAP (téléchargeable ici), il est indiqué que les financements des projets sont alloués à la structure gestionnaire des fonds dans le cadre des circulaires tarifaires et budgétaires des établissements de santé et sont ensuite notifiés à la structure gestionnaire des fonds par arrêté du directeur général de l’Agence régionale de santé (ARS) compétente. La DGOS met l’accent sur le fait que ces crédits délégués sont destinés à l’usage exclusif de la structure gestionnaire des fonds et que le reversement de tout ou partie de ces crédits à d’autres personnes morales ou physiques n’est pas autorisé, sauf pour quelques exceptions énumérées dans le cahier des charges.
👉 L’AAP est ouvert depuis le 20 octobre 2025 et il est possible d’y candidater en envoyant son dossier de candidature avant le 16 janvier 2026 à 23:55.
Modalités de l’AAP
Calendrier de l’AAP :
Ouverture des candidatures : 20/10/2025 ;
Date limite de dépôt : 16/01/2026 à 23h55 ;
Sélection des projets : janvier-février 2026 ;
Publication des résultats : printemps 2026.
Critères d’éligibilité :
Pour être éligible, le dossier doit remplir l’ensemble des conditions suivantes :
Le dépôt et le portage d’un projet associent systématiquement, d’une part, un porteur individuel comme coordonnateur scientifique et, d’autre part, un établissement de santé, un groupement de coopération sanitaire (GCS), une maison de santé ou un centre de santé, une personnalité morale assurant la coordination du projet et gestionnaire de son financement ;
Tout personnel appartenant à une des structures de soins énumérées ci-dessus peut porter un projet, sous réserve de l’engagement du responsable légal de cette structure ;
Tout personnel appartenant à une des structures de soins énumérées ci-dessus peut solliciter une autre structure pour porter un projet, sous réserve de l’engagement conjoint des responsables légaux de la structure à laquelle il appartient et de la structure sollicitée ;
Le portage d’un projet par un professionnel de santé libéral est possible, sous réserve : de conventionner avec un établissement de santé, un GCS, une maison ou un centre de santé coordonnateur pour la gestion des fonds qui seraient alloués au projet ; du respect des règles relatives à la promotion de la recherche et à la gestion de son financement ;
La structure coordonnatrice du projet et gestionnaire de son financement doit avoir mis en place un entrepôt de données de santé : bénéficiant d’une autorisation CNIL ; à défaut, ayant réalisé une déclaration de conformité au référentiel CNIL ou prévoyant de le faire dans un délai court n’excédant pas 12 mois à compter de l’annonce des lauréats ;
Les projets doivent mobiliser les données disponibles dans l’EDSH de la structure coordinatrice du projet ou en vue de l’être et peuvent, en complément, utiliser d’autres EDS (bénéficiant d’une autorisation CNIL, ayant fait une déclaration de conformité CNIL ou prévoyant de le faire dans un délai court de 12 mois à compter de l’annonce des lauréats) et d’autres sources de données. Le projet candidat mobilisant les données d’un ou plusieurs EDSH pourra être mené sur une plateforme locale ou sur une plateforme nationale, comme celle du Health Data Hub (HDH) ;
Les protocoles proposés doivent impliquer systématiquement un responsable scientifique et un responsable de la qualité et de la disponibilité des données ;
Les frais adjacents aux travaux préparatoires au lancement du projet de recherche (mise en qualité des données, intégration des données dans l’EDS, le cas échéant la réalisation de solutions techniques facilitant la consultation de sources de données plurielles, réalisés par des ressources internes ou externes aux partenaires projet) ne doivent pas excéder 40 % du financement total du projet. De plus, ces travaux préparatoires à l’exploitation des données dans l’EDS doivent être réalisés dans les 12 premiers mois du projet candidat à compter de l’annonce des lauréats.
La DGOS recommande aux projets candidats de croiser les données des EDSH avec les données d’autres sources et de permettre le partage en open source et/ou sous licence permissive des résultats intermédiaires ou finaux.
Critères de sélection :
Le comité d’évaluation du HDH – composé d’un collège d’experts cliniciens, d’un collège d’experts méthodologistes et d’un collège d’experts en science des données – évaluera les projets candidats en fonction des éléments suivants :
Les bénéfices du projet pour l’intérêt public, notamment les enjeux de santé publique associés à la pathologie ou problème de santé ciblé par le projet ;
La pertinence de la méthodologie scientifique retenue et des données mobilisées dans la réalisation du projet ;
Le caractère innovant par rapport à l’état de l’art qui sera documenté ;
La faisabilité technique du projet ainsi que la capacité de l’équipe projet constituée de le mener à bien ;
La cohérence entre les objectifs du projet et le budget associé, qui sera correctement documenté ;
Le caractère mature du projet et sa capacité à témoigner de résultats rapidement ;
L’inscription dans le projet du partage de données et de la contribution à l’open source plus généralement.
L’intelligence artificielle s’installe progressivement dans la lutte contre les maladies infectieuses
La France compte aujourd’hui treize cas d’usage identifiés de l’intelligence artificielle appliquée aux maladies infectieuses. Leur maturité est contrastée : certains sont encore confinés à la recherche, d’autres en phase pilote, tandis que plusieurs ont déjà trouvé leur place dans les laboratoires hospitaliers et les dispositifs de veille épidémiologique. Cette diversité reflète une dynamique d’innovation rapide, où l’IA devient un levier central de compréhension, de prédiction et de réponse face aux menaces infectieuses.
La recherche, moteur d’exploration des agents pathogènes :
Quatre cas d’usage demeurent encore au stade académique, mais ouvrent des perspectives majeures pour la compréhension et la maîtrise des agents infectieux. Des équipes de recherche travaillent à l’analyse de la virulence des mycobactéries pathogènes, afin d’identifier les mutations associées aux formes graves de tuberculose et d’améliorer les futures stratégies vaccinales. D’autres programmes mobilisent l’IA pour la surveillance automatisée des variants viraux, permettant d’analyser des milliers de séquences génétiques en temps réel et de détecter précocement l’apparition de mutations à risque.
Les chercheurs français explorent également l’usage de l’IA pour la modélisation des dynamiques épidémiques et la simulation des campagnes vaccinales, prolongeant les travaux initiés pendant la pandémie de Covid-19. Ces modèles permettent d’anticiper l’impact de nouvelles vagues infectieuses, de tester virtuellement différentes stratégies de vaccination et d’optimiser l’allocation des ressources sanitaires.
Enfin, l’intelligence artificielle est mise à contribution pour la découverte de nouvelles classes d’antibiotiques, en criblant virtuellement des millions de molécules afin d’identifier celles présentant une activité antibactérienne inédite. Ces recherches, encore confinées aux laboratoires, esquissent les contours d’une infectiologie prédictive et data-driven.
Des expérimentations cliniques et hospitalières en plein essor :
Un second ensemble de dix cas d’usage est aujourd’hui en phase pilote, traduisant la montée en puissance des essais cliniques et des déploiements hospitaliers. Les travaux les plus avancés concernent la prédiction du risque de sepsis, où des modèles exploitent les données biologiques et physiologiques pour anticiper la dégradation des patients et adapter plus tôt la prise en charge. Dans les services de microbiologie hospitalière, plusieurs projets visent à accélérer l’identification des infections nosocomiales et à optimiser le tri des échantillons, réduisant les délais de diagnostic et améliorant la réactivité des équipes d’hygiène. Des essais cliniques évaluent également des modèles de prédiction du risque d’infections post-opératoires, en intégrant les données chirurgicales et biologiques pour identifier les patients les plus à risque. D’autres explorent la détection des agents infectieux dans le placenta, afin de dépister plus précocement les infections périnatales et prévenir les complications néonatales.
De nouvelles approches viennent enrichir ce champ d’expérimentation : le diagnostic génomique intelligent in vitro, mené par bioMérieux et Mila, cherche à améliorer la précision du diagnostic moléculaire grâce au deep learning appliqué au séquençage. En parallèle, la surveillance et détection précoce des infections liées aux cathéters repose sur des modèles de vision par ordinateur capables d’identifier visuellement les signes d’infection avant leur aggravation. La surveillance épidémiologique nationale augmentée par l’IA générative, expérimentée par Santé publique France et Mistral AI, introduit quant à elle une nouvelle capacité d’analyse automatisée des signaux sanitaires.
Enfin, les chercheurs de l’Institut Pasteur testent une analyse cellulaire dynamique des infections virales par microscopie 3D couplée à l’intelligence artificielle, permettant d’observer en temps réel les interactions entre virus et cellules hôtes. Ces expérimentations marquent une étape charnière : celle du passage d’une IA d’observation à une IA de décision, capable d’accompagner les cliniciens et les chercheurs dans la gestion en temps réel des infections et la compréhension de leurs mécanismes biologiques.
Des usages déjà intégrés dans les laboratoires et la veille sanitaire :
Sept cas d’usage se distinguent aujourd’hui par leur caractère pleinement opérationnel et leur intégration dans le système de santé français. Les technologies d’intelligence artificielle sont désormais utilisées dans les laboratoires de microbiologie hospitalière pour automatiser la lecture et l’interprétation des cultures bactériennes, réduisant considérablement les délais d’analyse.
Dans les hôpitaux, des modèles prédictifs de détection du risque de sepsis ou de complications infectieuses permettent d’alerter plusieurs heures avant les premiers signes cliniques, renforçant la sécurité des patients et la réactivité des équipes. L’aide au diagnostic radiologique des infections pulmonaires, grâce à des solutions de vision par ordinateur, automatise l’interprétation des images thoraciques et facilite le repérage de pneumonies virales ou bactériennes. De leur côté, les outils d’optimisation hospitalière et de prévention prédictive des risques infectieux utilisent l’analyse en temps réel des données pour anticiper les épisodes d’infection et mieux gérer les flux hospitaliers.
À l’échelle populationnelle, l’IA soutient désormais la surveillance virologique et épidémiologique via la détection précoce des variants et la modélisation des épidémies saisonnières, mais aussi à travers des dispositifs de surveillance épidémiologique mondiale capables de prédire les foyers infectieux émergents à partir de données ouvertes. Enfin, l’auto-évaluation et le suivi post-infection virale, illustrés par les applications issues du COVID-19, offrent aux patients un accompagnement personnalisé fondé sur l’interprétation automatisée de leurs symptômes et tests. La recherche intégrative croisant données cliniques, biologiques et environnementales progresse également dans le cadre de projets européens et nationaux, favorisant une approche globale et connectée de la lutte contre les maladies infectieuses. Ces initiatives confirment que l’intelligence artificielle est désormais un instrument central du pilotage, du diagnostic et de la prévention des infections en France.
L’intelligence artificielle à l’épreuve des grandes maladies infectieuses
L’analyse des treize cas d’usage français révèle une couverture hétérogène selon les pathologies. Si certaines, comme le sepsis ou le Covid-19, disposent déjà d’usages intégrés ou cliniquement déployés, d’autres domaines restent confinés à la recherche. Cette répartition illustre la manière dont la maturité technologique de l’IA épouse la dynamique épidémiologique de chaque infection.
Les infections nosocomiales en tête des usages d’IA en France :
Les infections nosocomiales et bactéries multirésistantes demeurent au cœur des usages français de l’intelligence artificielle appliquée aux maladies infectieuses. Ces pathologies concentrent à elles seules le plus grand nombre de cas d’usage identifiés (6 cas d’usage), qu’il s’agisse de la surveillance hospitalière des infections associées aux soins, de la prédiction du risque post-opératoire, ou encore de la détection automatisée de la résistance aux antibiotiques. L’IA s’impose également comme un levier d’innovation thérapeutique, avec la découverte de nouvelles classes d’antibiotiques et la phagothérapie personnalisée, illustrant la vitalité de la recherche française face à l’antibiorésistance.
Le sepsis constitue le second grand domaine d’expérimentation, porté par des modèles prédictifs déjà déployés dans plusieurs CHU et établissements pilotes. Ces solutions exploitent les données biologiques et physiologiques pour anticiper les décompensations infectieuses avant qu’elles ne conduisent à un choc septique, offrant un véritable outil d’aide à la décision clinique et de réactivité hospitalière.
Enfin, les maladies respiratoires virales – notamment la grippe saisonnière et le Covid-19 – représentent le troisième pilier de l’IA infectieuse. L’essor des solutions de diagnostic radiologique automatisé, de surveillance épidémiologique nationale et mondiale, et d’outils d’auto-suivi post-infection traduit une intégration croissante de l’intelligence artificielle dans la santé publique. Le Covid-19 a d’ailleurs agi comme un accélérateur technologique majeur, favorisant la modélisation en temps réel des épidémies et la structuration d’une veille sanitaire augmentée. À l’inverse, les hépatites virales et les infections à méningocoque demeurent pour l’instant confinées aux laboratoires de recherche, signe que la maturité des usages d’IA reste contrastée selon les domaines infectieux.
Cartographie des cas d’usage de l’IA pour les maladies infectieuses en France :
Cas d’usage de l’IA pour les maladies infectieuses en France – @ Health&Tech Intelligence
Trois entrepôts complémentaires pour éclairer la recherche
Les trois entrepôts de données de santé gérés par Clinityx couvrent des périmètres distincts, mais complémentaires du système de santé :
Magellan, pionnier dans la catégorie des « SNDS fils », mobilise les données exhaustives de remboursement issues du Système national des données de santé (SNDS). Son extension va lui permettre d’exploiter dix ans d’historique et d’intégrer les données de vaccination contre la covid-19, offrant ainsi une profondeur d’analyse inédite pour la recherche épidémiologique et l’évaluation des politiques publiques.
THIN (pour “The health improvement network”) constitue, quant à lui, un observatoire unique des soins primaires, en agrégeant les données issues des dossiers médicaux électroniques de médecins libéraux. Mis à jour quotidiennement, il apporte une lecture directe de l’intention médicale et du raisonnement clinique dans la pratique de ville.
Enfin, SOG Health se concentre sur la délivrance en officine et permet de suivre en temps réel la prise en charge thérapeutique des patients, en observant les schémas de prescription et d’adhésion au traitement.
Ces entrepôts, renouvelés pour trois ans par la CNIL, forment un écosystème cohérent au service de la recherche et de l’innovation en santé.
Une gouvernance consolidée et une vision unifiée de la donnée de santé :
Désormais responsable de traitement des EDS THIN et SOG Health, Clinityx by GERSData assume la gestion et la valorisation de l’ensemble des entrepôts de GERS SAS. Cette évolution structurelle renforce la cohérence et la transparence du dispositif, tout en garantissant la conformité aux référentiels éthiques et réglementaires. Pour Nicolas Glatt, directeur général de Clinityx, cette reconnaissance marque une étape clé : « Ces autorisations traduisent la confiance de la CNIL et réaffirment notre mission : mettre la donnée de santé au service de l’intérêt public, dans un environnement souverain et sécurisé », a-t-il déclaré lors des annonces concernant ces 3 entrepôts.
Avec huit entrepôts désormais autorisés par la Cnil en tant que responsable, co-responsable ou opérateur, Clinityx s’affirme comme l’un des acteurs français majeurs du real-world data et du real-world evidence.
“Sécurité, souveraineté et transparence” comme mot d’ordre
Tous les entrepôts de Clinityx sont hébergés en France sur le cloud souverain cegedim.cloud, certifié HDS, ISO 27001, ISO 27017, ISO 27018, ISO 20000-1 et qualifié SecNumCloud. Ce choix technologique n’est pas anodin : il garantit une maîtrise complète de la chaîne d’hébergement et une protection maximale contre tout risque de transfert ou d’exploitation non conforme des données.
Cette infrastructure offre un environnement de confiance pour l’ensemble des partenaires académiques, publics et privés, tout en plaçant la souveraineté numérique au cœur de la stratégie de Clinityx.
Mettre la donnée au service de l’intérêt public :
Au-delà de la conformité réglementaire, cette stratégie de consolidation vise un objectif clair : accélérer la recherche et l’innovation thérapeutique tout en garantissant une gouvernance éthique. Les données issues des entrepôts de Clinityx permettent de mieux comprendre les maladies chroniques, d’évaluer les parcours de soins, d’optimiser les politiques de prévention, et de soutenir la recherche clinique en France.
En conjuguant puissance analytique, ancrage souverain et exigence de transparence, Clinityx souhaite incarner la nouvelle génération d’acteurs français du numérique en santé, capable de concilier performance scientifique et intérêt collectif.
La promesse a de quoi séduire : un confident virtuel disponible 24h/24 et 7j/7, offrant une écoute immédiate et sans jugement. ChatGPT, célèbre chatbot d’OpenAI, s’impose ainsi de plus en plus comme un soutien émotionnel de fortune pour des internautes en détresse. Les plus jeunes sont en première ligne de cette tendance : près d’un jeune adulte sur trois avoue avoir déjà fait appel à une IA de ce type pour confier un souci ou demander conseil.
Pourquoi cet engouement ? L’accessibilité massive est au cœur de la dynamique : pas d’attente, pas de coût direct (du moins pour la version gratuite), pas de distance géographique. Et l’IA conversationnelle séduit particulièrement les jeunes générations. Dans un contexte où les services de psychiatrie affichent de longues listes d’attente – en psychiatrie adulte, le délai moyen d’accès à l’ambulatoire est de 1 à 4 mois pour 53% des établissements selon les derniers chiffres de la FHF -, où l’anonymat pèse lourd et où les coûts dissuadent, un chatbot qui “écoute” devient une option attrayante. Une enquête de Sentio révèle que 73 % des utilisateurs de LLM (modèles de langage) l’emploient pour la gestion de l’anxiété, 63 % pour des conseils personnels et 60 % pour un soutien face à la dépression. Parmi eux, 90 % citent l’accessibilité comme motivation, et 70 % l’abordabilité.
Une IA qui ne diagnostique pas et n’assure pas de suivi :
Mais ce succès apparent porte ses zones d’ombre. Derrière l’idée séduisante d’un soutien émotionnel universel, se profilent des risques nouveaux : ChatGPT n’est pas un thérapeute, il ne peut pas diagnostiquer, n’assure pas de suivi et, dans certains cas, pourrait accentuer la solitude ou favoriser une dépendance émotionnelle. Des chercheurs alertent déjà sur ces limites. Dans ce contexte, la question se pose avec urgence : comment encadrer cet usage très spontané de l’IA dans le domaine sensible du psychique ? L’équilibre est fragile entre la promesse d’un soutien de premier recours et le danger d’une substitution dangereuse à la relation thérapeutique humaine.
Une illusion de soutien psychologique
ChatGPT répond avec empathie, reformule les émotions, propose des exercices de respiration ou des messages d’encouragement : autant d’éléments qui donnent l’illusion d’une présence thérapeutique. Sur les réseaux sociaux et lors de consultations, de nombreuses personnes affirment que “l’IA les a aidés à tenir” lors de périodes d’anxiété ou de solitude. Pourtant, les chercheurs rappellent qu’aucun de ces outils n’est un dispositif médical, ni un substitut au jugement clinique d’un psychologue.
Quand l’IA simule l’écoute sans comprendre la détresse :
En 2025, Harvard et Rand Corporation ont réalisé une étude conjointe menée sur 9 000 réponses de trois chatbots (ChatGPT, Claude, Gemini). Cette étude révèle leurs failles majeures face aux requêtes à risque suicidaire. Si les modèles s’alignent sur les avis d’experts pour les cas très graves ou bénins, ils se montrent incohérents dans les situations intermédiaires : ChatGPT répond directement à 78 % des questions jugées à haut risque, au lieu de les rediriger vers des services d’urgence. Ces résultats illustrent l’incapacité actuelle des modèles à différencier les niveaux de détresse, ce qui est une lacune critique en santé mentale. Comme le souligne également Antoine Pelissolo, professeur de psychiatrie (Inserm et Upec) dans la revue The Conversation : “Les IA deviennent nos nouvelles confidentes, mais elles n’ont ni mémoire émotionnelle, ni responsabilité clinique.” En somme, l’IA peut écouter sans comprendre, répondre sans évaluer. Derrière sa politesse algorithmique, se cache une absence totale de diagnostic et de suivi. Des piliers pourtant essentiels pour la thérapie humaine.
De nombreux risques invisibles existent :
Sous des airs de bienveillance, ChatGPT peut créer une fausse proximité. Si des utilisateurs affirment qu’il “les comprend mieux que leurs proches”, cette relation n’est qu’un miroir algorithmique. Psycom explique que le risque majeur est la dépendance émotionnelle : à force de parler à l’IA, certains s’isolent davantage, cherchant réconfort et validation sans confrontation réelle. Antoine Pelissolo alerte aussi sur “l’absence d’altérité empêche toute progression psychique”. Sans cadre thérapeutique, ces échanges peuvent donc renforcer la solitude numérique plutôt que l’apaiser.
Entre innovation prometteuse et nécessité d’un garde-fou
Le recours à ChatGPT comme soutien psychologique met en lumière un paradoxe : l’IA peut soutenir, mais non soigner. Pour les experts, l’urgence est d’établir des règles claires d’usage avant que ces outils ne s’installent durablement dans les pratiques. Aux États-Unis, des experts du Digital Psychiatry Program de Harvard et de l’American psychiatric association (APA) – dont les docteurs John Torous et Lisa Dixon – appellent à la création d’un label de transparence, inspiré du concept de l’“AI Nutrition Facts”. L’objectif étant d’informer les utilisateurs sur le fonctionnement, les limites et les garanties de sécurité des IA conversationnelles en santé mentale.
D’autres cadres existent déjà à l’international, comme ORCHA au Royaume-Uni ou la Mental Health Commission of Canada, qui évaluent les applications de santé mentale selon des critères de validation clinique, de protection des données et de transparence. Ces modèles inspirent la réflexion européenne autour d’un cadre de confiance pour les IA de santé. En France, laHaute autorité de santé (HAS) a amorcé ce travail via son programme sur l’intelligence artificielle, qui vise à “fournir un cadre de confiance sur le numérique et l’IA en santé”. L’enjeu, selon plusieurs experts, est de positionner ces technologies dans une logique de prévention encadrée, et non de substitution.
Au-delà des aspects cliniques, ces outils soulèvent des questions éthiques et environnementales : confidentialité des échanges, biais cognitifs, empreinte carbone des modèles. Une “thérapie à la demande” ne saurait être neutre ni sur le plan social, ni sur celui des ressources. Le défi des années à venir ? Trouver l’équilibre entre innovation et responsabilité. Car si l’IA peut compléter la relation thérapeutique, elle ne pourra jamais remplacer la complexité du lien humain.
En 2025, la santé mentale devient l’affaire de tous
La santé mentale n’est plus cantonnée aux murs de l’hôpital psychiatrique. En France, près d’un Français sur quatre souffrira d’un trouble psychique au cours de sa vie, selon Santé publique France. Cette prise de conscience a conduit le gouvernement à ériger la santé mentale en “Grande cause nationale 2025”, marquant un tournant symbolique dans la lutte contre la stigmatisation. Mais avant de parler d’actions, encore faut-il distinguer ce dont on parle.
De la psychiatrie au bien-être psychique global :
La psychiatrie désigne la discipline médicale dédiée au diagnostic et au traitement des troubles mentaux sévères – dépressions majeures, schizophrénie, bipolarité, etc. La santé mentale, elle, renvoie à un état de bien-être psychique, émotionnel et social : la capacité à gérer le stress, à s’épanouir, à contribuer à la société. Selon l’Organisation mondiale de la santé (OMS), c’est « un état de bien-être permettant à chacun de réaliser son potentiel et de faire face aux tensions normales de la vie ». Cet élargissement du concept traduit une approche plus holistique, intégrant les dimensions éducatives, sociales, professionnelles et environnementales du bien-être psychique.
Une déstigmatisation collective… mais pas sans risques :
Écoles (depuis le bilan de la feuille de route “santé mentale et psychiatrie” de 2023), collectivités, associations, entreprises et même start-up de la e-santé : la santé mentale devient une cause partagée. Les formations aux “Premiers secours en santé mentale” se multiplient, les outils numériques de soutien psychologique se démocratisent, et les campagnes de prévention s’adressent désormais à tous les publics. Pour le Dr Rémy Barbe, psychiatre aux Hôpitaux universitaires de Genève, cet élargissement constitue « une formidable avancée pour la déstigmatisation », mais il alerte cependant : « à trop vouloir inclure tout le monde dans la santé mentale, on risque de diluer la spécificité des troubles psychiatriques sévères, qui nécessitent une prise en charge spécialisée ». Pour lui, la démocratisation du bien-être psychologique ne doit pas se faire au détriment de la psychiatrie clinique, qui reste indispensable pour les pathologies les plus lourdes. L’enjeu est désormais d’articuler prévention universelle et soins spécialisés, sans que l’une ne prenne le pas sur l’autre.
Chiffres clés : une population fragilisée, des jeunes en détresse et un système sous tension
Une santé mentale fragilisée chez un Français sur cinq :
Si près d’un Français sur quatre connaîtra un trouble psychique au cours de sa vie, les chiffres les plus récents de Santé publique France montrent qu’actuellement 13 millions de Français souffre d’un de ces troubles soit près d’un sur cinq. Les troubles dépressifs et anxieux dominent, avec une hausse constante entre 2017 et 2021, où la prévalence des épisodes dépressifs est passée de 9,8 % à 13,3 %, pour se stabiliser à ce chiffre depuis. En 2023, un tiers des Français déclarait ressentir des symptômes anxio-dépressifs, et 1 sur 10 confiait avoir eu des idées suicidaires au cours de l’année. Ces chiffres confirment la montée d’une souffrance psychique diffuse, amplifiée par les crises sociales, environnementales et économiques.
Selon l’étude Astérès 2025 menée avec la MGEN et le Groupe Vyv, 9 % des actifs (3,4 millions de personnes) sont concernés par des troubles ou traitements liés à la santé mentale, et près d’un arrêt maladie sur cinq (20 %) est directement lié à des troubles psychiques.
Les jeunes, première ligne de la détresse psychique :
La santé mentale des jeunes s’impose comme une urgence nationale. Une enquête menée par La mutualité française en 2024 révèle qu’un quart des 15-29 ans présente un épisode dépressif caractérisé. L’anxiété touche particulièrement les étudiants : seuls 48 % d’entre eux se disent « en bonne santé mentale ». Parmi les causes majeures : la précarité économique, l’incertitude climatique et la surexposition au numérique. Les jeunes passant plus de huit heures par jour sur les réseaux sociaux sont trois fois plus nombreux à présenter une dépression que ceux qui y consacrent moins d’une heure. En Outre-mer, la situation est encore plus critique : jusqu’à 39 % des jeunes se déclarent dépressifs, contre 20 % en moyenne nationale.
Présence de dépression chez les jeunes selon le temps passé sur les réseaux sociaux (en %) – @La mutualité française
Des soins inaccessibles et des territoires inégaux :
Seules 2 personnes sur 10 concernées par des troubles psychiques consultent un psychologue ou un psychiatre, freinées par le coût, les délais ou la stigmatisation. Le manque de professionnels aggrave la situation : la France compte environ 15 500 psychiatres, mais leur répartition est très inégale. La pédopsychiatrie est en crise : le nombre de praticiens a chuté d’un tiers en dix ans, tombant à environ 2 000 spécialistes. Certains départements n’ont que 5 pédopsychiatres pour 100 000 jeunes, contre près de 50 à Paris. Ces disparités alimentent des “déserts psychiatriques” qui retardent le diagnostic et complexifient les parcours de soins.
Les troubles psychiques sont désormais la première cause d’invalidité et représentent 14 % des dépenses de santé, soit plus que le cancer. Selon l’étude Astérès 2025, le coût global de la santé mentale dépasse 24,7 milliards d’euros, réparti entre l’Assurance maladie (60 %), les employeurs (31 %) et les organismes complémentaires (9 %). Ces troubles sont égalemnt responsables de 45 % de l’absentéisme au travail, et leur coût global (soins, perte de productivité, arrêts maladie) dépasserait 100 milliards d’euros par an. Le suicide reste, quant à lui, l’une des principales causes de mortalité chez les jeunes adultes : environ 9 000 décès par an, sans compter les 80 000 tentatives recensées chaque année.
Les stratégies françaises pour répondre à la crise
De la feuille de route à “Mon soutien psy” :
Pour remédier à cette situation, plusieurs plans nationaux ont vu le jour. La feuille de route “Santé mentale et psychiatrie” lancée en 2018 a jeté les bases d’une approche plus coordonnée. Son prolongement, le dispositif “Mon soutien psy”, permet à toute personne souffrant de troubles légers à modérés de bénéficier de jusqu’à 12 séances remboursées chez un psychologue conventionné. Ce programme constitue une avancée majeure pour la démocratisation de l’accès aux soins psychologiques, même si les professionnels dénoncent des tarifs trop faibles et des inégalités territoriales persistantes.
Une réorientation vers la prévention et le maillage territorial :
En 2025, lors que la santé mentale est devenue “Grande cause nationale”, le Gouvernement, par la voix du ministre de la Santé en poste à ce moment, Yannick Neuder, lance le plan “Repérer, soigner, reconstruire”, axé sur trois priorités :
Repérage précoce des troubles dès l’école.
Accès renforcé aux soins avec des CMP sans rendez-vous.
Reconstruction du système par la formation et le soutien aux professionnels.
Parallèlement, la Haute Autorité de Santé (HAS) met à jour son programme “Psychiatrie et santé mentale” pour mieux intégrer la prévention, la qualité de vie au travail et la coordination interdisciplinaire.
“Pas de grandes causes sans grands moyens”
Malgré des initiatives prometteuses, le rapport du Sénat (2024), intitulé “Santé mentale et psychiatrie : pas de grande cause sans grands moyens”, dresse un constat sévère : les politiques actuelles manquent de cohérence et de moyens structurels. Le psychiatre Raphaël Gaillard, auditionné par la commission des affaires sociales, déplore un “déficit de valorisation et d’attractivité” du métier et appelle à une approche plus humaniste pour attirer de jeunes praticiens. De son côté, l’Union nationale de familles et amis de personnes malades et/ou handicapées psychique (Unafam) a présenté 48 propositions au ministre Neuder, plaidant pour la fin des pratiques d’isolement abusives, une coopération renforcée entre le sanitaire et le médico-social, et une politique interministérielle de long terme.
Si la santé mentale bénéficie d’une visibilité sans précédent, de nombreux experts soulignent que la réussite passera par un financement durable, un maillage territorial cohérent et une prévention réellement intégrée. Sans cela, la “grande cause nationale” risque de rester un symbole sans transformation réelle du système.
