VERDU BISSI Alexandre

  • L’intelligence artificielle au service de l’efficience opérationnelle dans les hôpitaux (état des lieux)

    Une technologie qui pénètre toutes les sphères du monde hospitalier

    Dans un contexte où les établissements de santé doivent concilier qualité des soins, contraintes budgétaires et pénurie de personnel, l’intelligence artificielle (IA) s’impose progressivement comme un levier de transformation des hôpitaux. Son apport à l’efficience opérationnelle, entendue comme la capacité à produire un maximum de valeur en mobilisant un minimum de ressources, devient tangible. Loin de se limiter à la sphère clinique, l’IA s’infiltre dans les dimensions administratives, logistiques et organisationnelles des hôpitaux, avec des effets mesurables sur les coûts, la qualité de service et les conditions de travail.

    L’efficience opérationnelle vue comme une priorité dans la stratégie des industriels :

    Désormais, plusieurs industriels de la santé font de l’efficience une priorité dans leur stratégie IA. Dedalus, par exemple, a intégré cette logique dans sa feuille de route dévoilée lors de l’événement D4Evolution en janvier 2025, estimant que les besoins en automatisation, en anticipation et en rationalisation de l’activité hospitalière représentent une opportunité majeure pour ses solutions. D’autres acteurs, comme Softway Medical, ont déjà “opérationnalisé” cette approche avec l’intégration de Dragon Copilot à leur dossier patient informatisé (DPI), permettant aux médecins de dicter en langage naturel leurs comptes rendus directement dans le logiciel Hôpital Manager.

    L’apport de l’IA se mesure aussi sur le plan logistique. Des robots autonomes comme ceux conçus par Meanwhile, déployés dans certains CHU français, sont capables de transporter médicaments, poches de chimiothérapie ou échantillons biologiques entre les services, évitant ainsi plusieurs dizaines de déplacements quotidiens pour les infirmiers. Ce type d’application améliore la gestion des flux internes, diminue la fatigue du personnel et réduit les erreurs logistiques.

    Des effets déjà quantifiés

    Sur le plan médico-économique, les effets de l’IA sont déjà quantifiés. Selon une analyse publiée par le cabinet de conseil spécialisé dans l’intégration globale de l’IA au sein des organisations, Démarre ton aventure, certaines applications permettent des réductions de coûts allant jusqu’à 20 % sur les postes liés à l’administration et à la planification. Cela inclut des gains en matière de consommation de ressources, de taux d’occupation des lits, mais aussi de prévention des dépenses inutiles en cas de mauvaise anticipation des besoins. Un panorama publié par la même plateforme montre que les usages les plus fréquents concernent l’organisation des soins, la logistique, l’administration et les achats.

    Dans la littérature scientifique, plusieurs travaux récents confirment ces observations. Une étude parue sur PubMed (PMID: 39763580) démontre l’intérêt des outils d’IA pour la gestion prédictive des flux en soins intensifs, avec une amélioration de la réactivité des équipes et une meilleure allocation des ressources. Une autre publication sur ResearchGate en 2024 analyse comment l’IA peut améliorer la prise de décision stratégique, notamment en croisant les données de consommation hospitalière, d’activité et de ressources humaines pour optimiser les opérations.

    La Commission européenne elle-même, dans son rapport de 2024 sur l’IA dans les systèmes de santé, souligne que ces technologies peuvent améliorer l’efficacité des soins en prévoyant les admissions, en optimisant l’utilisation des lits et en facilitant la gestion des équipements et du personnel. De son côté, Siemens Healthineers, dans son livre blanc sur les hôpitaux intelligents, décrit des modèles de “smart hospitals” où l’IA agit comme un centre névralgique de pilotage opérationnel en temps réel. Une analyse menée par McKinsey en 2024 vient renforcer cette dynamique globale. Le cabinet identifie trois leviers majeurs par lesquels l’IA transforme l’efficience des opérations hospitalières : l’automatisation des tâches répétitives, l’optimisation par l’analytique prédictive et le renforcement des décisions de gestion via des systèmes augmentés. Ce modèle intégré permet, selon leurs estimations, d’améliorer significativement la productivité opérationnelle, tout en réduisant les coûts administratifs de 15 à 30 % dans certains hôpitaux pilotes. Cette vision, déployée à l’échelle internationale, vient confirmer l’intérêt stratégique d’un recours maîtrisé à l’IA dans la reconfiguration des parcours hospitaliers.

    Des interrogations subsistent sur l’avenir de certains métiers

    Pour autant, la mise en œuvre de ces technologies n’est pas exempte de défis. Il s’agit non seulement de disposer de données fiables et bien gouvernées, mais aussi d’assurer la formation continue des professionnels de santé afin qu’ils comprennent, utilisent et fassent confiance aux outils d’IA. Le développement de nouveaux métiers, comme ceux identifiés par l’American Hospital Association (chief AI officer, data scientist, data engineer, expert en gouvernance des données, etc.) devient une condition clé de succès.

    Nouveaux métiers créés à l'hôpital avec l'émergence et le déploiement de l'IA - @ AHA
    Nouveaux métiers créés à l’hôpital avec l’émergence et le déploiement de l’IA – @ AHA

    Enfin, si l’IA promet des gains de productivité, elle suscite aussi des interrogations sur le devenir des postes partiellement automatisables. Un rapport de l’OCDE paru en 2024 indique que jusqu’à 27 % des métiers hospitaliers pourraient être concernés, même si l’organisation anticipe une transformation plutôt qu’une suppression, à condition d’accompagner cette mutation par des dispositifs de formation et de reconversion.

    Ainsi, l’intelligence artificielle ne se résume pas à un effet de mode technologique, mais constitue désormais un axe structurant de l’efficience opérationnelle hospitalière. De la planification à la logistique, en passant par la gestion administrative, elle s’impose comme un outil de pilotage indispensable, à condition d’être pensée comme un projet organisationnel et humain avant d’être une simple innovation technique.

     

  • Maladies respiratoires chroniques : la nécessité d’une alliance durable des acteurs français

    Une gouvernance mondiale en quête de cohérence

    Au niveau international, plusieurs cadres de coopération se sont structurés autour des MRC : l’OMS, via l’Alliance mondiale contre les maladies respiratoires (GARD), a réuni dès 2006 des institutions, sociétés savantes (ERS, ATS, etc.), ONG et ministères de la Santé pour définir des feuilles de route communes. Des initiatives comme les rapports GINA (pour l’asthme) ou GOLD (pour la BPCO) ont posé des standards internationaux de prise en charge, largement repris. Des ONG comme la European Lung Foundation ou la COPD Foundation jouent aussi un rôle pivot de mise en lien entre patients, cliniciens et décideurs. Toutefois, cette gouvernance mondiale reste marquée par une fragmentation des agendas, notamment entre pays du Nord et pays du Sud, et une insuffisante intégration des patients.

    Un écosystème français dense mais cloisonné

    La France dispose d’un tissu d’acteurs exceptionnellement dense dans le champ respiratoire, avec une forte expertise clinique, des industriels engagés, une mobilisation des patients et un soutien public croissant. Pourtant, les coopérations entre ces sphères demeurent trop souvent ponctuelles ou informelles.

    Une expertise hospitalière grâce à des centres spécialisés :

    Les hôpitaux universitaires constituent le socle de l’expertise clinique. Des centres comme Bichat, Bicêtre, Lyon-Louis Pradel, Foch, le CHU de Toulouse ou encore le CHU de Nantes concentrent la prise en charge des cas complexes (asthmes sévères, fibroses rares, HTAP), et sont fortement impliqués dans la recherche clinique. Le réseau CRISALIS (asthme sévère) ou la filière RespiFIL (maladies rares respiratoires) sont des exemples de mise en réseau entre centres, avec un soutien institutionnel. Ces établissements ancrent une dynamique nationale, mais leur interaction avec la ville ou les acteurs médico-sociaux reste limitée.

    Des sociétés savantes pour la normalisation des pratiques :

    Les sociétés savantes, comme la SPLF, structurent les savoirs médicaux, forment les professionnels et assurent un lien avec la recherche. Elles dialoguent avec la HAS pour l’élaboration des recommandations et participent à l’évaluation de stratégies de prise en charge. Toutefois, le lien avec les associations de patients, bien qu’en progrès, demeure encore marginal dans les processus décisionnels.

    Des industriels qui qui développent des innovations thérapeutiques :

    Les industriels (Sanofi, Boehringer Ingelheim, AstraZeneca, GSK, Chiesi…) collaborent régulièrement avec les centres experts pour les essais cliniques ou le déploiement de biothérapies ciblées. Ils ont contribué à l’émergence de traitements innovants pour l’asthme sévère, la BPCO ou la fibrose pulmonaire. Cependant, ces coopérations restent centrées sur les solutions thérapeutiques, et plus rarement sur les parcours de soins, l’éducation thérapeutique ou la prévention.

    Des associations de patients qui essayent de plus s’impliquer :

    Les associations de patients (Santé Respiratoire France, Asthme & Allergies, FFAAIR, AFPF…) ont su se structurer nationalement et peser dans le débat public, notamment à travers les États Généraux de la santé respiratoire. De plus en plus impliquées dans les avis de la HAS ou les comités de pilotage de filières, elles peinent encore toutefois à être considérées comme des partenaires à part entière par les industriels ou certains décideurs publics. Leur contribution à la co-construction des politiques de santé respiratoire pourrait être renforcée.

    Les institutions au coeur de la coordination nationale, malgré un manque clair de stratégie nationale :

    Des acteurs publics comme la HAS, Santé publique France ou l’Assurance maladie ont renforcé leur engagement sur les MRC (via les recommandations, les campagnes de prévention ou le programme Sophia). Néanmoins, l’absence de pilotage global via un Plan national structurant depuis plus d’une décennie limite la cohérence de l’action publique. Certaines dynamiques régionales existent, mais leur portée reste inégale.

    Alors que la France possède un écosystème dense pour la prise en charge des maladies respiratoires chroniques, c’est le manque de pilotage national global (pas de Plan respiratoire ambitieux depuis 2010), le cloisonnement des systèmes d’information entre ville et hôpital, les inégalités d’accès aux centres experts, et les financements insuffisants des actions non-médicamenteuses (réhabilitation, ETP), qui empêchent pour le moment une coordination de tout ces acteurs.

    Acteurs de la pneumologie
    Acteurs de la pneumologie – @H&TI

  • 19 cas d’usage de l’IA pour les maladies respiratoires chroniques en France

    La détection et le diagnostic comptent le plus de cas d’usage

    C’est dans la détection des pathologies respiratoires que l’IA montre aujourd’hui ses résultats les plus concrets en pneumologie, avec 8 cas d’usage. En analysant des signaux auparavant difficiles à exploiter – comme des sons respiratoires, des images thoraciques ou encore des micro-mouvements du visage – l’IA permet d’identifier plus précocement les signes caractéristiques de nombreuses maladies respiratoires.

    Par exemple, l’IA permet la détection de l’apnée du sommeil par signaux non invasifs : les algorithmes acoustiques sont capables de reconnaître des motifs sonores spécifiques liés aux apnées du sommeil ou aux anomalies respiratoires (projets : ARI-SOM, Sunrise/SENSAPNEA). Cette approche ouvre la voie à des dispositifs non-invasifs, utilisables à domicile, qui écoutent et apprennent à reconnaître des schémas respiratoires pathologiques.

    La toux nocturne est aussi concernée par l’IA, puisque le traitement du signal audio par IA permet aujourd’hui de détecter et d’analyser cette toux nocturne des patients de manière continue (Resmonics). Ce cas d’usage apporte un éclairage objectif sur un symptôme difficilement quantifiable, et peut être utilisé pour surveiller l’évolution de la pathologie ou déclencher une alerte précoce.

    Côté imagerie, les modèles de deep learning appliqués aux radiographies thoraciques permettent de détecter automatiquement des opacités évocatrices de pneumonie (CHU de Lille), avec des niveaux de précision prometteurs. Plus poussés encore, certains outils analysent les scanners pulmonaires pour quantifier l’atteinte fibreuse, aidant ainsi à affiner le pronostic et à surveiller l’évolution d’une fibrose pulmonaire (Brainomix). En plus de cela, en analysant un scanner thoracique, l’IA peut désormais identifier automatiquement des anomalies pulmonaires comme les nodules, les lésions fibrosantes ou les signes d’emphysème (contextflow), ainsi que plusieurs pathologies à la fois, telle que la BPCO, le cancer du poumon, ou encore les calcifications coronariennes (Coreline Soft).

    Aujourd’hui, l’IA permet aussi une analyse vidéo de la fréquence respiratoire, grâce à l’extraction de paramètres respiratoires à partir d’une simple vidéo (Caducy). En analysant les micro-variations du visage ou du thorax du patient, l’IA déduit la fréquence respiratoire de manière non invasive. Ce cas d’usage ouvre la voie à des outils de télésurveillance respiratoire extrêmement accessibles, utilisables à domicile via un smartphone ou une webcam.

    Enfin, des projets explorent la reconnaissance de sons respiratoires complexes comme les crépitants ou les sifflements, afin d’identifier différentes pathologies pulmonaires (OSO-AI, AP-HP, StethoMe). Tous ces cas d’usage ont un point commun : ils automatisent, standardisent et fiabilisent des étapes cruciales du diagnostic pneumologique.

    De meilleures images, pour une meilleure détection :

    Avant même l’étape du diagnostic, l’IA est désormais capable d’améliorer la résolution et la netteté des images obtenues par scanner ou IRM (Philips SmartSpeed). Elle permet une reconstruction optimisée des structures anatomiques, facilitant l’interprétation des examens thoraciques, notamment chez les patients atteints de pathologies pulmonaires chroniques.

    L’IA pour prédire et prévenir : un champ encore émergent

    Si les usages liés à la détection sont les plus visibles, l’intelligence artificielle commence également à faire ses preuves dans un domaine plus subtil mais tout aussi stratégique : la prédiction et la prévention des complications. 4 cas d’usage de l’IA concernent donc la prévention et la prédiction des pathologies respiratoires chroniques. Ici, l’objectif est de repérer les signaux faibles d’une aggravation clinique avant même que les symptômes n’apparaissent.

    Un premier cas d’usage consiste à prévoir les exacerbations aiguës chez les patients atteints de BPCO, en s’appuyant sur des dispositifs connectés et des algorithmes d’apprentissage automatique. Ces outils, comme celui développé dans le projet Bora Care (Biosency), analysent en temps réel des données physiologiques captées par un bracelet porté au poignet (fréquence respiratoire, saturation en oxygène, rythme cardiaque, etc.). Grâce à l’IA, ils identifient des patterns annonciateurs d’une décompensation, parfois plusieurs jours avant qu’elle ne se manifeste cliniquement.

    Un deuxième cas d’usage touche à la prévention des erreurs dans l’utilisation des dispositifs médicaux, en particulier les inhalateurs pour l’asthme et la BPCO. Ces erreurs d’usage sont fréquentes et altèrent l’efficacité du traitement. L’IA, ici embarquée dans un assistant de coaching numérique comme celui conçu par Hephaï, est capable de détecter en temps réel une mauvaise technique (grâce à l’analyse des sons et des gestes) et de corriger immédiatement l’utilisateur.

    Enfin, on voit émerger un troisième cas d’usage orienté vers les maladies chroniques rares, notamment la mucoviscidose, où l’enjeu est d’adapter le suivi au quotidien du patient. La plateforme Phéal-Mucolab de Phéal met en œuvre une IA capable de proposer un télésuivi préventif et individualisé en fonction des données cliniques, environnementales ou comportementales. Pour ces mêmes maladies, un autre cas d’usage permet une meilleure analyse génomique prédictive (Google Deepmind) : l’IA appliquée à la génomique permet de prédire la pathogénicité de certaines mutations, notamment dans des maladies rares comme la mucoviscidose. Ce cas d’usage intervient en amont du diagnostic clinique, en orientant la recherche ou en aidant les cliniciens à interpréter les résultats d’analyses génétiques complexes.

    Ces cas d’usage incarnent une bascule vers une médecine respiratoire plus anticipatrice, capable d’intervenir avant l’aggravation, grâce à une lecture fine et dynamique des signaux de santé.

    L’IA comme appui aux décisions thérapeutiques complexes :

    En pneumologie, certains choix thérapeutiques exigent une évaluation fine du profil du patient, de la gravité de la maladie, de son évolution probable et des préférences du patient. C’est précisément dans cette complexité que l’IA peut jouer un rôle de soutien.

    Un premier cas d’usage émerge dans l’asthme pédiatrique, où l’on voit se développer des algorithmes d’aide à la décision intégrant les données cliniques et les préférences des familles (AP-HP). L’IA devient alors une interface pour mieux concilier expertise médicale et vécu du patient, avec une logique de co-construction du plan thérapeutique.

    Un deuxième cas d’usage est centré sur les fibroses pulmonaires, où l’IA est mobilisée pour produire des scores d’atteinte à partir de l’analyse fine des images scanner (Brainomix). Ce score, corrélé à l’évolution respiratoire du patient, permet au pneumologue d’orienter plus précisément son choix de traitement ou de surveillance.

    L’intérêt de ces cas d’usage réside donc dans leur capacité à accompagner la décision, sans l’automatiser. L’IA y apparaît comme un copilote médical, utile surtout quand les options sont multiples et les trajectoires incertaines.

    L’IA pour accompagner les patients au quotidien

    L’un des apports les plus concrets de l’intelligence artificielle en pneumologie réside dans l’accompagnement personnalisé des patients en dehors du cadre hospitalier. Grâce à des interfaces accessibles et souvent mobiles, l’IA permet aujourd’hui de maintenir un lien continu entre les patients et les équipes soignantes et deux cas d’usage sont a relevé pour cet accompagnement.

    L’usage le plus répandu est celui des assistants virtuels ou chatbots qui permettent un accompagnement et une éducation continue (Vik Asthme, Vik BPCO, Vik Mucoviscidose), qui jouent un rôle de compagnon thérapeutique. Capables de répondre à des questions simples, de rappeler des prises de traitement ou de suivre des symptômes, ces outils offrent un soutien quotidien, y compris pour des patients éloignés des centres de soins. Ils s’insèrent ainsi dans une logique d’autonomisation progressive, en renforçant l’adhésion au traitement et la compréhension de la maladie.

    Certaines plateformes, comme Phéal-Mucolab, vont plus loin en proposant un télésuivi intelligent et individualisé, capable d’ajuster les recommandations à chaque profil patient. L’IA y analyse un ensemble de données hétérogènes – symptômes, contexte environnemental, habitudes de vie – pour produire un accompagnement réactif et personnalisé.

    Ainsi, l’IA ne se contente pas de soigner ou de diagnostiquer : elle s’installe dans le quotidien des patients pour les rendre plus acteurs de leur santé respiratoire.

    L’IA comme levier d’éducation thérapeutique personnalisée :

    Un autre des apports prometteurs de l’intelligence artificielle réside dans sa capacité à personnaliser l’éducation thérapeutique, qui permet, là aussi, d’accompagner le patient dans son quotidien. Dans le champ des maladies respiratoires chroniques, où l’adhésion au traitement et la compréhension de la maladie sont des facteurs clés de succès, l’IA permet d’offrir un accompagnement pédagogique continu et adapté au niveau de chaque patient.

    Concrètement, cela passe par des interfaces conversationnelles qui exploitent le traitement automatique du langage pour répondre aux questions du patient, reformuler des informations complexes, ou encore l’alerter en cas d’oubli de traitement. L’expérience est individualisée : l’IA adapte ses contenus et son ton en fonction du profil de la personne, de son historique ou de ses objectifs de santé (cas d’usage : coaching à l’usage de l’inhalateur, par Hephaï, ou encore le suivi de l’usage des inhalateurs connectés permit par la solution de Findair).

    Certains outils éducatifs plus complets, comme ceux proposés sous forme de chatbots, permettent un accompagnement et une  éducation continue (Vik Asthme, Vik BPCO, Vik Mucoviscidose), et offrent une interaction continue et évolutive avec le patient. Ils sont capables de capter les incompréhensions, les hésitations ou les interrogations fréquentes, pour adapter dynamiquement le contenu proposé.

    Ces cas d’usage illustrent une IA plus douce, moins technique, mais tout aussi impactante, qui s’adresse directement au patient pour l’aider à mieux comprendre, mieux suivre, et mieux vivre avec sa maladie respiratoire.

  • Données : augmentation de 8% des plaintes reçues par la Cnil en 2024 (rapport)

    Une année record en termes de plainte reçues

    Le rapport annuel de la Commission nationale de l’informatique et des libertés montre une augmentation des plaintes reçues par l’institution, après une année 2023 qui était déjà une année record, avec ses 16 433 plaintes. Ce sont pas moins de 17 772 que la Commission a reçu, soit une hausse de 8% en un an. Parmi ces plaintes, 49 % concerne les télécoms, le web et les réseaux sociaux : cette thématique est suivie par celle du commerce (19 %) et du travail (13 %).

    Évolution des plaintes reçues par la Cnil au fil des années - @CNIL
    Évolution des plaintes reçues par la Cnil au fil des années – @CNIL

    L’année a également été marquée par une activité soutenue en matière d’information et de conseil : plus de 38 000 appels traités, et plus de 1 400 demandes de conseil examinées. À travers ses campagnes de sensibilisation, ses journées thématiques (telles que la Privacy Research Day ou AIR2024), et ses outils pratiques, la CNIL reste un interlocuteur central pour les citoyens, les entreprises et les institutions.

    Une intensification des sanctions (+55M d’amendes) dans un contexte de vigilance accrue :

    Sur le volet répressif, 2024 s’inscrit dans une dynamique de fermeté. La Cnil a réalisé 321 contrôles, prononcé 87 sanctions (dont 69 selon la procédure simplifiée) pour un total de plus de 55 millions d’euros d’amendes. Elle a aussi émis 180 mises en demeure et 64 rappels à l’ordre. Plusieurs décisions ont porté sur des traitements de données sensibles, notamment les données de santé.

    La Cnil a ainsi rappelé que les données pseudonymisées conservaient leur statut de données personnelles dès lors qu’un identifiant permettait leur rapprochement, y compris dans le cadre d’entrepôts de données de santé. Elle a également mis en demeure plusieurs établissements hospitaliers de sécuriser l’accès aux dossiers patients informatisés, pointant une exigence constante de traçabilité et de limitation des accès.

    Des données de santé sous haute surveillance

    Pour ce qui est du secteur de la santé, l’année 2024 confirme la vigilance constante de la Cnil autour des usages des données de santé. La refonte des référentiels sectoriels de conformité, lancée via une consultation publique, vise à mieux encadrer les conditions de traitement de ces données à haute sensibilité. Les premiers résultats ont été partagés à l’automne, avec une poursuite du travail prévue en 2025.

    En parallèle, la Cnil a dû faire face à des violations massives de données, comme celle ayant touché deux opérateurs de tiers payants (Almérys et Viamedis), affectant potentiellement des millions d’assurés. Ces événements soulignent la nécessité de renforcer les dispositifs de sécurité, notamment dans l’écosystème de santé, où les données exposées peuvent donner lieu à des usages frauduleux ou des risques de ré-identification : ce sont 5 629 violations de données qui ont été notifiées en 2024, soit une augmentation de 20 % par rapport à 2023. Bien que la Cnil fasse de la santé – et des données de santé – un secteur important à protéger, les plaintes le concernant ne représente que 3 % de celles reçues en 2024.

    Les plaintes reçues par la Cnil en fonction de leur secteur - @Cnil
    Les plaintes reçues par la Cnil en fonction de leur secteur – @Cnil

    L’IA, enjeu central du numérique de demain :

    Dans un environnement technologique bouleversé par l’essor de l’intelligence artificielle générative, la Cnil a multiplié ses actions d’analyse et d’encadrement. Elle a publié des recommandations pour concilier IA et RGPD, alerté sur les risques liés aux hypertrucages, et travaillé activement à l’application du futur règlement européen sur l’IA.

    En matière de santé, le traitement algorithmique des données personnelles soulève des enjeux particuliers : qualité des données, prévention des biais, transparence des processus d’entraînement. La Cnil insiste sur la nécessité de développer des systèmes éthiques et auditables, capables de justifier leurs décisions médicales.

  • Comment le numérique en santé modifie les actions des différents acteurs de la santé au travail ?

    Des acteurs transformés par le numérique : qui fait quoi aujourd’hui ?

    Fatigue chronique, troubles musculosquelettiques (TMS), stress professionnel, risques psychosociaux : les maux du travail se transforment et s’intensifient. Selon l’Assurance maladie, plus de 85 % des maladies professionnelles reconnues sont liées aux TMS, tandis que les cas de burn-out et de dépression liée au travail continuent d’augmenter. En parallèle, l’allongement de la vie professionnelle oblige à repenser l’accompagnement des salariés sur le long terme. De nombreuses technologies numériques, comme l’IA et les outils de téléconsultation, transforment la santé au travail de manière systémique, impliquant tous les acteurs à des niveaux différents mais complémentaires. Saisir cette opportunité pourra permettre d’améliorer la santé des salariés tout en respectant leur confiance et leur liberté.

    Le numérique qui facilite la prévention pour les employeurs :

    L’introduction du numérique dans la santé au travail n’est pas seulement une question d’outillage : elle traduit une évolution profonde du rôle de l’employeur dans la gestion des risques. En mobilisant des plateformes d’analyse de données, les entreprises s’attachent désormais à détecter les signaux faibles avant qu’ils ne deviennent des problèmes avérés. Absences récurrentes, dégradations de l’ergonomie, manifestations précoces de stress : autant d’éléments que les capteurs intégrés aux équipements de travail ou les dispositifs portables permettent d’identifier en continu. Cette capacité de détection précoce inaugure une logique de prévention plus proactive, presque prédictive.

    Parallèlement, la prévention elle-même évolue vers une personnalisation accrue. Loin des campagnes génériques, les employeurs s’appuient sur des applications mobiles pour adresser des messages ciblés en fonction des risques propres à chaque métier, chaque environnement de travail, voire chaque profil individuel. L’objectif n’est plus seulement d’informer, mais d’accompagner en temps réel les comportements favorables à la santé au travail.

    Enfin, le suivi individualisé des salariés connaît une mutation radicale. Les tableaux de bord RH, enrichis de données santé-travail, permettent de construire des modèles d’alerte autour des risques d’épuisement professionnel ou d’absentéisme. Mais ils offrent également de nouveaux outils d’accompagnement pour les salariés fragilisés, en situation de handicap ou en phase de réinsertion professionnelle. Le numérique introduit ainsi une capacité de pilotage plus fine, plus agile, et fait de la prévention un enjeu stratégique inscrit au cœur même de la gestion des ressources humaines.

    Les datas jouent désormais un rôle clé dans le travail des SST :

    Les services de santé au travail (SST) sont eux aussi en pleine transformation numérique, adaptant leurs pratiques aux nouveaux outils pour mieux répondre aux besoins des salariés. La télémédecine, en particulier, devient un levier crucial pour garantir l’accessibilité des soins. Pour les travailleurs isolés, en télétravail ou souvent en déplacement, pouvoir consulter un médecin du travail à distance permet de maintenir un suivi régulier sans les contraintes logistiques traditionnelles. Cette évolution réduit les inégalités d’accès aux services de santé et assure une continuité de l’accompagnement médical.

    Au-delà des consultations, la gestion de la santé en entreprise prend une dimension résolument pilotée par les données. Les SST s’appuient de plus en plus sur des outils de data visualisation pour repérer les grandes tendances, cartographier les zones de risque et mieux orienter leurs stratégies d’action collective. Cette approche permet non seulement de prioriser les interventions mais aussi de bâtir des programmes de prévention plus adaptés aux réalités du terrain.

    Enfin, la surveillance environnementale connaît une accélération notable avec le déploiement de capteurs IoT dans les milieux professionnels. En mesurant en continu l’exposition au bruit, aux produits chimiques ou aux contraintes ergonomiques, ces dispositifs offrent une lecture en temps réel de l’environnement de travail. Ils permettent aux SST de passer d’une logique de réaction à une logique de prévention proactive, capable d’anticiper et d’atténuer les risques avant qu’ils ne produisent leurs effets délétères.

    Une modification du travail de nombreux acteurs qui bénéficie au salarié :

    À l’heure de la transformation numérique, l’ensemble des acteurs de la santé au travail voit son rôle évoluer en profondeur. Le Comité social et économique (CSE) et la Commission santé, sécurité et conditions de travail (CSSCT) s’outillent pour mieux défendre les intérêts des salariés. En exploitant les dashboards issus des ressources humaines et les données collectées par capteurs, ils sont capables d’identifier rapidement les zones de risque. Grâce aux outils d’analyse prédictive, ils orientent plus efficacement leurs propositions d’actions et pilotent la mise en œuvre des plans de prévention en collaboration étroite avec l’employeur, notamment via des plateformes numériques dédiées.

    Le médecin du travail, lui aussi, devient un acteur profondément connecté. Il suit désormais les salariés à distance, accède aux dossiers médicaux partagés et réalise des actes de télé-expertise. Cette interconnexion des données lui permet d’affiner ses analyses de risques en croisant des sources internes et externes, tout en développant des actions de formation et de sensibilisation via des modules e-learning et des webinaires interactifs.

    À ses côtés, l’infirmier en santé au travail prend une place centrale dans cette transition numérique. Grâce à des plateformes de suivi et des systèmes d’alerte automatisés, il assure un suivi rapproché des salariés et devient un véritable évaluateur de l’efficacité des solutions mises en place. Sa connaissance du terrain en fait également un acteur clé dans l’adaptation continue des outils numériques aux besoins réels.

    Les services de prévention et de santé au travail (SPST) se positionnent comme les chefs d’orchestre de cette transformation. Ils centralisent et sécurisent l’ensemble des données collectées, veillant au strict respect du règlement général sur la protection des données (RGPD) et des normes d’hébergement des données de santé. Ils ont aussi pour mission d’accompagner les entreprises dans l’appropriation des nouveaux outils, en proposant formation et accompagnement technique.

    De leur côté, les intervenants en prévention des risques professionnels (IPRP) voient leurs missions se diversifier sous l’effet du numérique. Ils exploitent les données issues des capteurs ou des audits pour analyser les risques, formulent des recommandations basées sur des éléments objectifs, et conçoivent des solutions numériques de prévention sur mesure adaptées aux spécificités de chaque entreprise.

    Enfin, les acteurs institutionnels tels que l’Institut national de recherche et de sécurité (INRS) ou l’Agence nationale pour l’amélioration des conditions de travail (Anact) jouent un rôle essentiel de régulateur et de promoteur des bonnes pratiques. Ils développent des outils pédagogiques innovants, comme des simulateurs ou des serious games, évaluent scientifiquement la pertinence des nouvelles technologies proposées au marché, et assurent leur diffusion à l’échelle nationale, garantissant ainsi une transformation numérique éthique et adaptée aux enjeux de santé au travail.

    Un salarié qui devient acteur de sa propre santé :

    Avec l’essor du numérique, le salarié n’est plus un simple bénéficiaire passif des politiques de santé au travail : il devient pleinement acteur de sa propre santé. Les applications mobiles et les plateformes dédiées se multiplient, lui permettant d’auto-évaluer son niveau de stress, de suivre la qualité de son sommeil ou encore de recevoir des conseils de prévention personnalisés, adaptés à son profil et à ses conditions de travail.

    Cette autonomie nouvelle s’accompagne d’un engagement renforcé. Les démarches de prévention prennent des formes plus ludiques, intégrant des éléments de gamification pour favoriser l’adhésion : défis collectifs autour de la santé, badges de bien-être à décrocher, classements d’équipes pour encourager les bonnes pratiques. En rendant la prévention plus interactive et participative, ces outils contribuent à ancrer durablement les comportements favorables à la santé.

    Mais cette ouverture numérique ne va pas sans poser des défis majeurs en matière de protection des données. À mesure que les informations sensibles sur la santé des salariés sont collectées et traitées, le respect de la vie privée devient une exigence fondamentale. Transparence sur l’utilisation des données, consentement éclairé, sécurisation des systèmes : autant de conditions indispensables pour maintenir la confiance et éviter que l’outil numérique ne se transforme en vecteur de surveillance intrusive.

    Comment le numérique en santé modifie les actions des différents acteurs de la santé au travail ?
    Comment le numérique en santé modifie les actions des différents acteurs de la santé au travail ?

  • « Exploiter les données de santé est une opportunité majeure sous condition d’un encadrement éthique rigoureux » (Rapport Fidelia Cascini)

    Une cartographie précise des sources de données mobilisables

    Ce rapport propose une analyse approfondie des différentes catégories de données électroniques susceptibles d’être mobilisées pour des usages secondaires en santé. Les principales ressources identifiées incluent les données du monde réel (Real World Data, RWD), issues notamment des dossiers médicaux électroniques, des registres de maladies ou encore des bases d’assurance maladie. À ces éléments s’ajoutent les bases administratives, telles que celles liées à la facturation hospitalière et aux actes médicaux, qui permettent d’obtenir des informations précieuses sur les parcours de soins et les pratiques médicales.

    Le périmètre des sources potentielles intègre également les données issues des essais cliniques, des biobanques et de la génomique, ouvrant la voie à des approches plus personnalisées de la recherche biomédicale. Enfin, les données produites directement par les patients, notamment via les dispositifs connectés et applications de suivi santé, ainsi que les registres nationaux spécialisés (par exemple dans le cancer ou le diabète), complètent cette cartographie dense.

    Cette diversité de sources constitue une opportunité sans précédent pour approfondir la connaissance des maladies, améliorer la qualité des soins et accélérer la transition vers une médecine plus individualisée.

    De multiples usages en santé publique, mais des défis persistants :

    Le rapport de Fidelia Cascini met aussi en évidence l’impact majeur que peut avoir la réutilisation secondaire des données de santé dans plusieurs domaines prioritaires. Les usages en santé publique sont variés : amélioration de la surveillance épidémiologique, évaluation de l’impact des politiques de santé, accélération de la recherche clinique notamment en la rendant plus inclusive, ou encore développement d’outils d’intelligence artificielle au service du diagnostic et du traitement.

    Toutefois, cette perspective est tempérée par l’existence d’obstacles importants. La qualité des données reste très hétérogène selon les sources, certaines bases étant marquées par des lacunes, des biais ou des erreurs de codage. À cela s’ajoute une interopérabilité encore insuffisante entre bases de données hétérogènes, ce qui freine les projets transversaux et multiplie les coûts de mise en qualité des informations. Malgré les procédés d’anonymisation, le risque de ré-identification des individus demeure un point d’alerte important. Enfin, la gouvernance complexe de l’accès aux données constitue une autre barrière, ralentissant de nombreux projets de recherche.

    La nécessité d’un encadrement éthique renforcé

    Au-delà des défis techniques, le rapport insiste avec force sur l’importance d’un encadrement éthique rigoureux de l’utilisation secondaire des données de santé. La protection de la vie privée doit rester au cœur des dispositifs, tout comme l’exigence de transparence sur les usages réalisés avec ces données.

    Le consentement des patients émerge comme une dimension critique. Il doit être éclairé, renouvelable et réversible à tout moment, avec des modèles adaptables tels que le “broad consent” ou le “dynamic consent”. Toutefois, le rapport souligne que ces pratiques restent encore très inégalement appliquées entre les différents États membres de l’Union européenne et dans le monde, ce qui complique la création de cadres harmonisés.

    Une vigilance particulière est également requise pour prévenir l’introduction de biais dans les algorithmes issus de l’entraînement sur ces bases de données. Sans contrôle rigoureux, de tels biais pourraient reproduire ou aggraver des inégalités existantes en matière d’accès aux soins ou de résultats cliniques.

    Des données de santé multiples, indispensables pour entraîner l’IA

    Le rapport met en évidence l’étendue des sources de données électroniques pouvant être mobilisées pour la recherche en santé et l’entraînement des modèles d’intelligence artificielle. Dossiers médicaux électroniques, bases administratives, essais cliniques, biobanques et données issues d’objets connectés offrent une richesse inédite pour développer des IA capables d’améliorer le diagnostic, la prévention et le traitement personnalisé. Cette diversité est une condition clé pour entraîner des modèles robustes, capables de refléter la complexité réelle des patients et de leurs parcours de soins.

    Des perspectives immenses, mais des verrous à lever pour l’IA en santé :

    L’exploitation secondaire de ces données est un levier majeur pour l’essor de l’IA appliquée à la santé publique, à la médecine personnalisée et à la recherche clinique. Néanmoins, des défis techniques majeurs subsistent : données hétérogènes, lacunaires ou biaisées, interopérabilité limitée entre bases et risques de ré-identification menacent la qualité et la sécurité des modèles IA développés. L’accès complexe aux bases freine également l’émergence de nouveaux usages algorithmiques à grande échelle.

    Gouverner l’exploitation des données pour garantir une IA éthique :

    La nécessité d’un encadrement éthique strict est rappelée avec force. Sans un contrôle exigeant sur la qualité des données, sans transparence sur les usages, et sans respect effectif du consentement des patients, les projets d’IA en santé risquent de perdre la confiance du public. Le rapport souligne que les biais présents dans les bases, s’ils sont ignorés, pourraient être amplifiés par les algorithmes, générant des risques graves en termes d’équité d’accès aux soins et de fiabilité clinique.

  • Utilisation des données synthétiques pour la recherche clinique : l’AIS et F-CRIN lancent un AMI (dépôt avant le 22/06)

    Un appel pour transformer la manière d’évaluer les technologies de santé

    Baptisé “France 2030 NMRC : Nouveaux outils, nouveaux usages et nouvelles approches méthodologiques de recherche clinique“, cet appel à manifestation d’intérêt (AMI), cible un défi stratégique : faire évoluer les méthodes d’évaluation des dispositifs et technologies de santé, en amont de leur mise sur le marché et durant leur suivi post-commercialisation. L’enjeu est clair : soutenir des approches plus rapides, plus pertinentes et plus adaptées aux innovations de rupture, tout en garantissant efficacité et sécurité pour les patients.

    En misant sur des méthodologies alternatives ou complémentaires aux parcours d’évaluation classiques, cet AMI veut stimuler la diffusion de pratiques nouvelles et, in fine, accélérer l’accès des innovations médicales au marché et à la prise en charge par la solidarité nationale.

    Identifier des cas pilotes :

    L’appel vise à identifier des cas pilotes portés par :

    • des établissements de santé ;

    • des organismes de recherche ;

    • ou des acteurs industriels (en tant que promoteurs d’étude, hors études ancillaires financées).

    Les projets devront s’inscrire dans une dynamique collaborative. Les consortiums réunissant divers profils — promoteurs d’études, fournisseurs de données, experts méthodologiques, innovateurs technologiques, associations de patients, professionnels de santé — sont particulièrement encouragés.

    Les candidats doivent proposer des projets concrets permettant d’expérimenter et de démontrer la valeur ajoutée de nouvelles approches méthodologiques, que ce soit en remplacement ou en complément des protocoles classiques de recherche clinique.

    La reconnaissance en tant que cas pilote représente un véritable label d’excellence, attestant de la solidité scientifique et du potentiel d’impact du projet.

    Un financement pouvant aller jusqu’à 250K € :

    Les cas pilotes sélectionnés bénéficieront d’un accompagnement personnalisé assuré par un groupe de travail “méthodologie” co-piloté par l’AIS et F-CRIN. Selon les besoins spécifiques de chaque projet, cet accompagnement pourra prendre différentes formes :

    • conseils opérationnels et recommandations méthodologiques ;

    • appui règlementaire ;

    • soutien pour l’accès aux données via le Health Data Hub ;

    • et, si nécessaire, financement d’une étude ancillaire pour objectiver les bénéfices de l’approche, à hauteur de 250 000 € sur 18 à 24 mois.

    👉 Vous pourrez prochainement candidater pour l’AMI en suivant ce lien : https://anr.fr/fr/france-2030/france2030/call/france-2030-nmrc-evaluation-des-nouveaux-outils-nouveaux-usages-et-nouvelles-approches-methodolog/

    📍 Un AMI qui sera présenté lors de SantExpo

    À l’occasion d’une table ronde organisée par les Datatransformeurs lors du salon SantExpo, 11 intervenants spécialisés dans les données de santé, dont la professeure Stéphanie Allassonniere, le docteur Jean Louis Fraysse, Lionel Collet ou encore Alexandre Drezet, aborderont les nouvelles méthodologies de recherche clinique grâce aux données synthétiques : l’occasion de présenter le rapport de l’Agence de l’innovation en santé et de l’infrastructure F-CRIN cet appel à manifestation. Cette table ronde aura lieu le 20 mai 2025 de 16:40 à 17:45 au sein de l’agora de la Fédération hospitalière de France (FHF).

    👉 Un webinaire de présentation de cet AMI sera aussi organisé, avant cela, le 14 Mai 2025 à 15h30.

    ✍️ Informations pratiques de l’AMI

    Calendrier de l’AMI :

    La sélection des projets se déroule en deux étapes :

    1. Lettre d’intention : une première synthèse de 5 pages maximum présentant les objectifs du projet, le consortium pressenti et la méthodologie envisagée.

    2. Dossier complet : les projets présélectionnés seront invités à soumettre un dossier détaillé (jusqu’à 15 pages).

    La date de limite de dépôt des lettres d’intention est le 24 juin 2025 à 11:00. Celle de limite de dépôt des dossiers est le décembre 2025 à 11:00.

    Critères d’éligibilité :

    Pour être éligible, un projet doit répondre à l’ensemble des conditions suivantes :

    • Il doit faire partie d’une structure éligible à l’AMI. L’établissement coordinateur doit être une personne morale enregistrée en France. Cela peut être :

      • un établissement de santé,

      • un organisme de recherche,

      • ou un industriel;

    • Le projet doit être en lien direct avec l’objet de l’AMI. Il doit porter sur l’évaluation de nouveaux outils, usages ou approches méthodologiques dans la recherche clinique.

    • Le document de présentation de l’AMI indique que la constitution d’un consortium est fortement encouragée. Ce dernier doit regrouper différents profils : promoteur d’étude, fournisseur de données, expert en méthodologie, innovateur technologique, association de patients, professionnels de santé.

    • Les projets doivent doivent s’inscrire dans une logique de partage de résultats, pour contribuer à l’évolution globale des méthodes de recherche clinique.

    Critères de sélection :

    Les projets seront sélectionnés selon plusieurs grands critères :

    • Pertinence scientifique et médicale :

      • La capacité du projet à répondre aux besoins d’évolution des méthodes d’évaluation des technologies innovantes en santé ;

      • la cohérence avec les objectifs de meilleure efficacité, de sécurité et de rapidité dans l’accès au marché ou à la prise en charge par la solidarité nationale.

    • Innovation méthodologique :

      • Le degré d’innovation par rapport aux pratiques classiques de développement clinique ;

      • le caractère novateur du design proposé, de l’usage des données ou des outils technologiques.

    • Faisabilité et solidité du projet :

      • La réalisme du calendrier et du plan d’action ;

      • la cohérence des moyens humains, techniques et financiers mobilisés ;

      • la qualité de la gouvernance et de la coordination entre partenaires (notamment si consortium).

    • Impact attendu :

      • Le potentiel de diffusion des nouvelles approches dans le secteur de la santé ;

      • l’apport concret à l’accélération de l’évaluation des technologies de santé.

    • Qualité du consortium (si applicable) :

      • La complémentarité des compétences entre les membres ;

      • l’implication des utilisateurs finaux (patients, professionnels de santé).

    • L’ouverture des résultats :

      • Les projets sélectionnés doivent s’engager à partager les résultats des expérimentations méthodologiques, au service de l’intérêt collectif.

  • Label européen de qualité des données de santé : le projet Quantum publie deux documents clés validés par la Commission européenne

    Un label pour guider l’usage des données de santé

    Porté par un consortium de 36 partenaires européens, parmi lesquels le Health data hub (HDH)pour la France et Gesundheit Österreich GmbH (GÖG) pour l’Autriche, le projet Quantum vise à poser les bases d’un label européen de qualité pour les ensembles de données de santé. Ce futur label doit permettre aux chercheurs, institutions publiques, industriels, cliniciens et autres utilisateurs de données de s’orienter plus facilement vers les jeux de données les plus fiables et pertinents, en fonction de leurs usages.

    L’ambition ne s’arrête pas à la certification : il s’agit aussi de favoriser la transparence, d’améliorer l’interopérabilité et de stimuler l’innovation en instaurant un langage commun sur la qualité des données.

    Des spécifications structurantes validées par la Commission européenne :

    En février 2025, le projet a franchi une première étape majeure : la validation des livrables du “Work Package 1” par la Commission européenne, qui pose les fondements techniques du label.

    Deux documents clés ont été publiés :

    • Le rapport D1.1 propose un cadre de définition structuré de la qualité et de l’utilité des données, basé sur 12 dimensions clés (complétude, actualité, exactitude, standardisation, accessibilité, etc.). Ce référentiel est le fruit d’un travail rigoureux de revue de littérature, d’analyse comparative des bonnes pratiques et de consultations d’experts à travers l’Europe.

    • Le rapport D1.2 introduit un modèle de maturité des détenteurs de données, permettant aux institutions de s’autoévaluer et de faire progresser leur niveau de maîtrise dans la gestion de la qualité des données. Le modèle repose sur 10 dimensions et 5 niveaux de maturité, et offre une grille d’analyse évolutive et itérative dans le temps.

    Un processus progressif, ancré dans la réalité du terrain

    Pour tester la robustesse et la pertinence de ces outils, un premier pilote a été mené fin 2024 auprès de six détenteurs de données, permettant d’en affiner l’usage et les modalités d’évaluation. Fort de ces premiers retours, le projet entre désormais dans une nouvelle phase : une expérimentation à moyenne échelle est prévue d’avril à décembre 2025, avec l’objectif de simuler des déploiements plus larges dans divers pays membres.

    L’approche choisie par Quantum est délibérément collaborative, évolutive et pragmatique. Plutôt que d’imposer un standard rigide, le label se veut un outil d’accompagnement vers l’amélioration continue, en tenant compte des écarts de maturité entre les acteurs et de la diversité des systèmes de santé européens. Et l’intérêt d’un tel projet dépasse les seuls enjeux techniques. À l’heure où l’Europe cherche à renforcer sa souveraineté numérique et à encadrer l’exploitation des données sensibles, notamment dans les domaines de la santé, un label européen pourrait constituer un jalon structurant dans la mise en œuvre de l’Espace européen des données de santé (EHDS).

    En valorisant les producteurs de données engagés dans une démarche de qualité, le label QUANTUM permettrait aussi de sécuriser les usages secondaires des données (recherche, IA, santé publique, etc.), en garantissant la traçabilité, la reproductibilité et l’éthique des analyses. Il renforcerait la confiance des utilisateurs comme des citoyens dans les infrastructures numériques de santé.

    Prochaine étape : les retours de la réunion annuelle du consortium à Rome

    Les partenaires du projet se sont retrouvés du 8 au 10 avril 2025 à Rome, à l’occasion de la réunion annuelle du consortium Quantum, pour faire le point sur les résultats obtenus et tracer les perspectives de la suite du projet. Cette rencontre a également marqué la présentation officielle des spécifications techniques du label, ainsi que les enseignements tirés du pilote mené en 2024. Les retours de cet événement devraient être publiés prochainement et nourriront les prochaines étapes de co-construction du label, avec pour objectif une adoption progressive par les détenteurs de données dans toute l’Union européenne.

  • IA & PUI : cartographie des 31 solutions disponibles en France

    L’intelligence artificielle au service des opérations et de la prescription en PUI

    Après plusieurs années marquées par des expérimentations isolées, l’intelligence artificielle s’impose progressivement dans les pharmacies à usage intérieur (PUI), portée à la fois par l’essor de start-ups spécialisées et par l’engagement de certains établissements pionniers. L’émergence de nouveaux besoins cliniques et logistiques a favorisé le développement de solutions technologiques capables d’augmenter la performance opérationnelle, de renforcer la sécurité des traitements et d’accompagner les décisions thérapeutiques.

    Parmi les différentes approches mobilisées, les technologies d’IA comme le machine learning, le deep learning ou le traitement automatique du langage naturel se distinguent par leur capacité à répondre à des problématiques très concrètes au sein des PUI : anticipation des besoins en médicaments, détection des erreurs de prescription, simulation personnalisée de traitements, ou encore codage automatisé des actes.

    Il ressort que la pharmacie clinique est aujourd’hui l’axe le plus riche en innovations, avec une concentration notable de solutions d’aide à la décision, souvent à l’interface entre analyse pharmaceutique, personnalisation des soins et sécurité médicamenteuse.

    Dans cet article, Health & Tech Intelligence propose un panorama représentatif des principales solutions d’IA déployées au sein des PUI françaises, en mettant l’accent sur les types d’intelligences artificielles mobilisées et leur rôle dans la transformation des pratiques pharmaceutiques hospitalières.

    Deux tiers des solutions utilisent le Machine learning :

    Machine learning (23 solutions) :

    Dans les pharmacies à usage intérieur (PUI), plusieurs solutions exploitent des algorithmes de machine learning pour anticiper les besoins, améliorer la gestion logistique, automatiser certaines analyses cliniques et renforcer la sécurité des traitements.

    2 solutions optimisent la gestion des stocks : Opta Stock et Tracelink Product Availability utilisent le machine learning pour prédire la demande, ajuster les niveaux de stock et prévenir les ruptures, tout en sécurisant l’approvisionnement en médicaments.

    Plusieurs solutions se concentrent sur la détection des risques iatrogènes et la sécurisation de la prescription : PharmIA, ABiMed, Medication Shield, PharmaTrac, Synapse et ConcilIA mobilisent des modèles d’apprentissage automatique pour identifier les prescriptions à risque, automatiser la pharmacovigilance ou détecter les interactions médicamenteuses, parfois en lien avec des données administratives, cliniques ou comportementales.

    D’autres solutions s’attachent à la détection d’anomalies économiques ou organisationnelles : ControlCheck, Bimedoc, Vidal Sentinel et DrugOptimal exploitent le machine learning pour surveiller les anomalies d’achat, identifier les incohérences dans les traitements ou optimiser les dépenses hospitalières.

    Dans le domaine de l’analyse en temps réel des soins et de la dispensation, DrugCam mobilise également cette technologie pour suivre visuellement l’administration des médicaments et réduire les erreurs humaines.

    Enfin, des solutions comme AiCure, Buoy Health, Oculus, One, Medisen, PharmaClass, Posos et ExactCure intègrent le machine learning dans des modules spécifiques : reconnaissance de comportements, personnalisation des traitements, priorisation des prescriptions, ou encore interprétation croisée des données médicales et pharmaceutiques

    11 solutions utilisant le deep learning :

    Le deep learning permet une approche plus poussée des données non structurées ou complexes, en particulier pour la reconnaissance visuelle, la modélisation personnalisée ou l’analyse de documents médicaux. En pharmacie hospitalière, ces technologies s’avèrent particulièrement utiles dans les domaines de la simulation thérapeutique, de la validation des prescriptions, et de la compréhension automatique du langage médical.

    1 solution propose une simulation thérapeutique avancée : ExactCure s’appuie sur des réseaux de neurones pour créer des jumeaux numériques capables de simuler l’effet des traitements sur chaque patient, en fonction de ses caractéristiques physiologiques.

    2 solutions cliniques exploitent le deep learning pour améliorer la sécurité médicamenteuse : PharmIA et DrugCam intègrent des modèles neuronaux pour interpréter en continu les prescriptions ou les processus de préparation, afin de détecter les erreurs d’administration ou les incompatibilités thérapeutiques.

    D’autres solutions s’appuient sur le deep learning pour automatiser l’analyse de documents cliniques : ReLyfe applique cette technologie à l’extraction d’entités médicamenteuses à partir de textes complexes, tandis que FlauBERT et CamemBERT, développés par Everteam, sont des modèles de langage profonds spécifiquement entraînés sur le corpus médical français.

    Des outils comme AiCure, Oculus et One mobilisent également le deep learning dans des contextes de vision par ordinateur, de reconnaissance comportementale ou de prédiction clinique, selon des cas d’usage allant de la validation des prises de médicaments à l’analyse multi-modale de données patient.

    Enfin, Bimedoc combine plusieurs couches d’apprentissage profond dans ses modules de vérification des prescriptions et d’aide à la décision pharmaceutique, apportant une couche d’intelligence adaptative à l’analyse pharmaceutique quotidienne.

    14 solutions qui utilisent le traitement du langage naturel (NLP) :

    Le traitement du langage naturel (NLP) est largement utilisé en pharmacie à usage intérieur (PUI) pour transformer le texte libre en données structurées et exploitables. Cette technologie permet d’automatiser le codage médical, d’interpréter les prescriptions et d’enrichir l’analyse pharmaceutique en temps réel à partir de sources documentaires variées.

    3 solutions se consacrent au codage médical automatisé : Dimbox, Intelligence for Health et Sancare exploitent le NLP pour extraire les diagnostics, les actes médicaux et les informations contextuelles à partir des comptes rendus hospitaliers, facilitant ainsi le codage structuré pour les systèmes de facturation et d’analyse.

    2 solutions sont centrées sur l’analyse sémantique des documents cliniques : Posos et ReLyfe utilisent le NLP pour interpréter les prescriptions, détecter les risques médicamenteux, croiser les pathologies avec les traitements prescrits et assister les pharmaciens dans la validation thérapeutique.

    1 solution, PharmaClass, s’appuie également sur le NLP pour renforcer ses moteurs de règles cliniques : l’outil enrichit l’analyse pharmaceutique en contextualisant les prescriptions à partir du langage médical utilisé dans les dossiers patients.

    Bimedoc complète cette famille en intégrant des fonctions de lecture automatique des prescriptions, d’assistance rédactionnelle et de détection de doublons ou d’incohérences sémantiques dans les traitements. D’autres solutions utilisent le NLP dans des approches transversales ou exploratoires. DrugOptimal et Buoy Health s’en servent pour extraire des informations cliniques à partir d’échanges médicaux, notamment dans des contextes de triage ou d’accompagnement à la décision. Enfin, FlauBERT et CamemBERT, modèles de langage spécialisés développés par Everteam, sont des fondations NLP entraînées sur des corpus biomédicaux français. Ces modèles alimentent des solutions d’analyse sémantique de plus en plus précises, compatibles avec les exigences de la pharmacie hospitalière francophone.

    IA symbolique / par règles (15 solutions) :

    Les systèmes à base de règles permettent d’automatiser des raisonnements explicites, basés sur des référentiels cliniques, pharmacologiques ou réglementaires. Leur force réside dans leur capacité à produire des décisions traçables, ce qui en fait des outils particulièrement adaptés aux enjeux de sécurité, de conformité et de justification en pharmacie hospitalière.

    Plusieurs solutions renforcent la sécurité des prescriptions : PharmaClass, Vidal Expert, Vidal Sentinel, DrugCam et Medication Shield exploitent des moteurs à règles pour détecter les contre-indications, les interactions médicamenteuses, les erreurs d’administration ou les redondances thérapeutiques. Ces outils apportent aux pharmaciens hospitaliers des alertes contextualisées à partir de bases de connaissances validées.

    Dans le champ de la conformité des achats et de la régulation budgétaire, ControlCheck mobilise un moteur de règles métier pour identifier les écarts de prix, les anomalies dans les processus d’approvisionnement, et assurer la conformité avec les politiques d’achat hospitalières.

    2 autres solutions s’attachent à l’analyse structurée des traitements : Posos et Serialized Product Intelligence utilisent des bases de données pharmacologiques et thérapeutiques pour comparer les ordonnances aux référentiels existants, renforçant ainsi la qualité de la validation pharmaceutique.

    Des solutions comme ConcilIA, développée au CHU de Reims, appliquent également des règles de décision pour automatiser la conciliation médicamenteuse à l’entrée ou à la sortie du patient, un enjeu majeur de sécurité dans les transitions de soins.

    Enfin, Bimedoc repose lui aussi sur une architecture hybride, combinant des règles cliniques validées avec des modules intelligents, afin de fournir une assistance robuste aux pharmaciens dans l’analyse, la rédaction et la validation des prescriptions hospitalières.

    Cartographie des solutions d’IA disponibles pour les PUI en France :

     

  • Cartographie des acteurs de la pharmacie à usage intérieur

    Une structuration institutionnelle forte au niveau national

    La pharmacie hospitalière ne se limite plus à la simple gestion du médicament. Elle s’affirme aujourd’hui comme une discipline médicale à part entière, au service de la qualité des soins et de la sécurité thérapeutique. Cette mutation s’accompagne d’une structuration renforcée des acteurs à tous les niveaux, et d’une reconnaissance croissante du rôle stratégique des pharmaciens hospitaliers au sein des établissements.

    À l’échelle nationale, plusieurs institutions fixent le cadre réglementaire et stratégique de la pharmacie hospitalière. Le ministère de la Santé et de l’Accès aux soins est l’organe pilote des politiques de santé publique. Il définit les missions des PUI, oriente leur organisation dans le cadre des groupements hospitaliers de territoire (GHT), et impulse les grandes réformes structurelles du système hospitalier.

    L’Agence nationale de sécurité du médicament et des produits de santé (ANSM) intervient quant à elle comme autorité de contrôle. Elle veille à la qualité et à la sécurité des médicaments, y compris dans leur utilisation hospitalière, et autorise certaines préparations stériles réalisées en interne.

    La Haute autorité de santé (HAS) complète ce dispositif en publiant les référentiels de bonnes pratiques. Elle contribue à la certification des établissements de santé et soutient la mise en œuvre de la pharmacie clinique par ses recommandations.

    Enfin, l’Ordre national des pharmaciens, via sa section H (Hôpital), encadre spécifiquement les pharmaciens exerçant en établissements de santé. Il garantit la conformité des pratiques professionnelles, la déontologie et le respect des qualifications requises.

    Un maillage régional en appui des pratiques hospitalières :

    Le niveau régional joue un rôle de plus en plus structurant dans la coordination de la pharmacie hospitalière. Les agences régionales de santé (ARS), en tant que bras armé de l’État en région, sont responsables de l’autorisation des PUI. Elles supervisent les réorganisations territoriales induites par les GHT et veillent à l’harmonisation des pratiques pharmaceutiques sur leur territoire.

    Elles s’appuient notamment sur les observatoires du médicament, des dispositifs médicaux et de l’innovation thérapeutique (Omedit), les réseaux régionaux comme les réseaux régionaux de vigilances et d’appui (RREVA), qui accompagnent les établissements dans l’optimisation de l’usage des produits de santé. Ces structures produisent des outils d’aide à la décision, organisent des formations et favorisent l’analyse des pratiques, en particulier dans des domaines sensibles comme les antibiotiques, les anticancéreux ou les médicaments coûteux.

    Des dynamiques locales portées par les établissements et les GHT :

    Sur le terrain, ce sont les PUI elles-mêmes qui assurent la gestion quotidienne des médicaments et dispositifs médicaux. Présentes dans chaque établissement de santé, elles sont chargées de la dispensation, de la préparation et parfois de la fabrication de traitements, en lien étroit avec les services de soins.

    La réforme des GHT a accéléré la dynamique de mutualisation entre établissements. De nombreuses PUI sont aujourd’hui organisées en plateformes communes, pilotées par un pharmacien coordonnateur. Cette mutualisation permet d’optimiser les achats, de rationaliser les stocks, mais aussi de mieux structurer l’activité de pharmacie clinique, en lien avec les parcours patients.

    Les pharmaciens hospitaliers eux-mêmes voient leurs rôles évoluer. Au-delà de leurs missions logistiques, ils s’impliquent désormais dans l’analyse pharmaceutique, la conciliation médicamenteuse, la validation des prescriptions ou encore la participation aux RCP (réunions de concertation pluridisciplinaire). Des spécialités émergent et se renforcent, notamment en oncologie, infectiologie, gériatrie, nutrition ou hygiène.

    Un tissu professionnel actif, entre défense, formation et recherche

    La vitalité de la pharmacie hospitalière française repose aussi sur un socle professionnel solide. Le SNPHPU, principal syndicat des pharmaciens hospitaliers publics, défend la profession auprès des tutelles et accompagne les évolutions statutaires. Il joue un rôle important dans les débats sur les moyens alloués aux PUI et la reconnaissance des missions cliniques.

    Sur le versant scientifique et académique, la Société française de pharmacie clinique (SFPC) est la référence. Elle contribue au développement de la pharmacie clinique en organisant chaque année un congrès majeur, en animant des groupes de travail et en publiant des travaux sur la sécurité des soins médicamenteux.

    D’autres structures, comme le Groupe d’évaluation et de recherche sur la protection en atmosphère contrôlée (Gerpac) pour les pratiques de reconstitution ou les réseaux spécialisés par thématique (cancérologie, gériatrie, soins critiques), participent à la montée en compétence des équipes. Par ailleurs, la formation continue est portée par des universités, des centres de simulation, et un nombre croissant de DU (diplômes universitaires) dédiés à la pharmacie clinique.

    Cartographie des acteurs de la pharmacie à usage intérieur :

    Cartographie des acteurs de la pharmacie à usage intérieur
    Cartographie des acteurs de la pharmacie à usage intérieur