Nabil

  • IA en santé : pourquoi le passage à l’échelle reste le véritable défi ? (Marie Morice, Directrice de l’innovation chez Amgen France)

    Les cas d’usage de l’IA dans le secteur de la santé sont désormais bien identifiés. Recherche et développement de médicaments, essais cliniques, processus réglementaires, interactions avec les professionnels de santé, l’IA peut intervenir quasiment à chaque étape de la chaîne de valeur du médicament. Pour autant, comme le souligne Marie Morice, la question centrale n’est pas que celle de l’identification des cas d’usage, mais celle de leur déploiement à grande échelle. »

    « Les cas d’usage de l’IA en santé sont aujourd’hui bien identifiés. Elle peut intervenir à chaque étape de la chaîne de valeur du médicament, de la recherche à la mise à disposition des traitements. Le véritable enjeu n’est donc plus d’identifier où l’utiliser, mais de réussir à la déployer à grande échelle. »

    « Aujourd’hui, les données de santé sont dispersées entre de multiples acteurs. La question clé n’est pas seulement leur existence, mais les conditions d’accès, de gouvernance et d’usage responsable de ces données »

    Le premier des enjeux est celui de la donnée. Qualité, fiabilité et exhaustivité conditionnent la performance des systèmes d’IA. Or les données de santé restent aujourd’hui fragmentées entre hôpitaux, entrepôts de données, registres institutionnels et bases privées. L’accès à ces données, leur gouvernance et leur utilisation responsable posent des questions à la fois techniques, organisationnelles et éthiques. Sans cadre clair sur leur partage et leur exploitation, les promesses de l’IA risquent de rester limitées à des projets pilotes.

    Deuxième condition de passage à l’échelle : la confiance. Des outils perçus comme opaques ou assimilés à des « boîtes noires » peinent à être adoptés par les cliniciens et à être reconnus par les autorités. La fiabilité des résultats, leur explicabilité et leur sécurité sont des prérequis. Sans cela, ni les professionnels de santé ni les régulateurs n’accepteront de s’appuyer sur des solutions d’IA. « Sans preuve de confiance, les cliniciens ne voudront pas l’utiliser et les autorités ne reconnaîtront pas les résultats » précise la directrice de l’innovation.

    L’adoption de l’IA ne repose pas uniquement sur la technologie. Elle implique une montée en compétences de l’ensemble des utilisateurs, bien au-delà de l’industrie pharmaceutique. Professionnels hospitaliers, équipes de recherche, décideurs publics : tous doivent être en mesure de comprendre les limites et les apports de ces outils pour les utiliser de manière appropriée. La formation apparaît comme essentielle pour éviter les usages inadaptés ou les résistances liées à une méconnaissance de l’IA.

    « Au niveau européen, l’approche est très fortement orientée vers la gestion des risques, ce qui est indispensable en santé. Le défi est de trouver le bon équilibre pour que cette prudence ne freine pas la capacité d’innovation »

    La gouvernance et la réglementation constituent un autre point de tension. En Europe, l’approche repose largement sur une gestion des risques, indispensable pour protéger les données des patients et garantir une utilisation éthique. Pour autant, cette prudence peut devenir un frein lorsque les règles peinent à s’adapter à la rapidité des évolutions technologiques. L’enjeu est désormais de trouver un équilibre entre sécurité et capacité d’innovation, dans un contexte où les cycles réglementaires restent plus lents que ceux de l’IA au sein de l’Union européenne.

    Pour les industriels, le rôle n’est pas de promouvoir l’IA de manière abstraite, mais de démontrer sa valeur par des projets concrets, mesurables et partagés. Cette démarche suppose une collaboration entre industriels, autorités, professionnels de santé et acteurs académiques. Des initiatives comme la FIAC s’inscrivent dans cette logique, en associant les autorités dès les premières étapes des projets afin de sécuriser les trajectoires de développement et d’éviter des blocages tardifs.

    Si les dynamiques collaboratives progressent, elles restent encore hétérogènes. La technologie avance rapidement, tandis que les cadres organisationnels et réglementaires évoluent plus lentement. Passer à l’échelle implique donc également de faire évoluer les organisations, les processus et les modes de décision.

    « Associer les autorités dès les premières étapes des projets permet d’éviter les blocages tardifs »

    L’enjeu, pour les prochaines années, sera de transformer les expérimentations en dispositifs durables, capables de s’inscrire dans le système de santé. À cette condition seulement, l’IA pourra passer d’un potentiel largement reconnu à un usage réellement généralisé en santé. L’enjeu final reste toujours le même : améliorer la qualité, la rapidité et l’équité de la prise en charge des patients.

     

  • L’IA en oncologie reste mal comprise par les Français (OpinionWay pour la Fondation ARC)

    • Près de 70 % des Français ignorent que l’IA est utilisée en cancérologie à l’hôpital.
    • Environ 40 % se disent hésitants face à l’IA en oncologie (les moins de 35 ans sont les plus sceptiques, 60 % parlant d’un « gadget »).
    • Malgré tout, l’IA est perçue comme appelée à s’imposer dans le suivi des soins.
    • L’étude souligne la nécessité d’expliquer les usages, les bénéfices et le cadre éthique de l’IA.

    Réalisée à l’occasion de la Journée mondiale contre le cancer, l’étude d’OpinionWay commandée par la Fondation ARC met en évidence un déficit d’information sur l’usage de l’IA en oncologie. Près de sept Français sur dix déclarent ne pas savoir si l’IA est utilisée à l’hôpital, alors que la majorité des établissements y ont déjà recours pour le diagnostic ou le traitement des cancers. Cette méconnaissance concerne aussi des applications déjà opérationnelles. Six Français sur dix ignorent que l’IA permet de détecter certains cancers jusqu’à cinq ans avant l’apparition des symptômes. Plus d’un sur deux ne sait pas qu’elle peut être mobilisée pour simuler la réponse des patients aux traitements via des jumeaux numériques.

    Des perceptions contrastées selon l’âge

    Près de 40 % des Français se disent hésitants face à l’utilisation de l’IA en cancérologie. Les moins de 35 ans se distinguent nettement : 60 % qualifient l’IA de « gadget » dans le diagnostic et le traitement des cancers. À l’inverse, 78 % des personnes âgées de 65 ans et plus se disent convaincues de son potentiel thérapeutique. Pourtant, les attentes sont élevées. Plus des trois quarts des Français estiment que l’IA deviendra incontournable dans le suivi et la personnalisation des soins. Deux tiers considèrent qu’elle peut accélérer l’identification de nouvelles pistes thérapeutiques grâce à l’analyse massive de données.

    Des projets de recherche à l’œuvre (exemples)

    • Radiomique et imagerie médicale : la Fondation ARC soutient des projets mobilisant l’IA pour convertir les images médicales en données analysables, afin d’identifier des marqueurs tumoraux et d’anticiper la réponse aux traitements, en particulier pour les cancers de l’ovaire et du pancréas.
    • Essais cliniques et patients virtuels : d’autres programmes évaluent l’apport de « patients virtuels » pour optimiser les essais cliniques. Portée par le Centre Léon Bérard à Lyon, une initiative examine la faisabilité de ces approches pour compléter des cohortes de patients difficiles à constituer.

    Mieux expliquer l’IA en santé est indispensable

    L’étude met également en lumière un risque de fracture sociale. Parmi les ménages aux revenus inférieurs à 2 000 euros par mois, 63 % se disent inquiets face à l’IA et plus d’un sur deux craint qu’elle ne bénéficie qu’aux plus favorisés. Ce sentiment est nettement moins présent dans les foyers les plus aisés. Si une large majorité des Français se disent prêts à partager leurs données médicales pour faire progresser la recherche, cette adhésion reste conditionnée à des garanties claires en matière de sécurité, d’anonymisation et de transparence. Pour la Fondation ARC, ces résultats soulignent la nécessité de mieux expliquer les usages concrets de l’IA, de rendre visibles ses bénéfices et de poser un cadre éthique lisible afin de renforcer la confiance et l’acceptabilité sociale de ces technologies.

  • De la prévention à l’AMP : le plan fertilité élargit le périmètre de l’action publique avec 16 actions

    Alors qu’un couple sur huit rencontre des difficultés de fertilité, les pouvoirs publics entrent dans une phase de mise en œuvre. Co-présidé par Salomé Berlioux et Samir Hamamah, le comité de pilotage accompagne la ministre dans le déploiement d’un plan autour de 16 actions, à l’interface des choix individuels et du système de soins.

    Un portail national de référence sur la santé reproductive et la fertilité doit être créé, accessible via Santé.fr, avec des contenus validés scientifiquement et adaptés aux âges de la vie. Le plan prévoit aussi l’envoi, à l’ensemble des Français à 29 ans, d’une information ciblée sur la santé sexuelle et reproductive. Elle rappellera que la fertilité concerne femmes et hommes, abordera la contraception et mentionnera l’autoconservation des gamètes sans la présenter comme une réponse systématique. Ce premier axe comprend également le renforcement de l’éducation à la santé reproductive à l’école, une campagne nationale de communication et la prévention des risques environnementaux et comportementaux.

    Dépistage et diagnostic plus précoces

    L’amélioration du parcours de soins passe par l’intégration d’une fiche dédiée à la fertilité dans « Mon bilan prévention » et par de futures recommandations de la Haute Autorité de Santé sur la santé pré-conceptionnelle.
    La généralisation des plateformes PREVENIR doit renforcer le repérage précoce des facteurs de risque liés aux expositions environnementales. Le plan s’inscrit par ailleurs dans la continuité de la stratégie nationale de lutte contre l’endométriose et prévoit un renforcement du repérage du syndrome des ovaires polykystiques.

    30 nouveaux centres d’autoconservation prévus pour réduire les délais d’accès

    Sur la prise en charge, l’objectif affiché est d’atteindre 70 centres d’autoconservation ovocytaire d’ici 2028, via l’ouverture de 30 nouveaux centres en complément des 40 existants. Des travaux portent sur l’ouverture de cette activité aux centres privés à but lucratif afin de réduire les délais. Un système d’information national pour la gestion des dons de gamètes et d’embryons doit améliorer transparence et traçabilité. Le plan prévoit aussi un sondage national sur l’autoconservation, une amélioration de l’information des patients en AMP et une mission d’organisation des parcours au sein des centres, confiée à l’Agence nationale de la performance sanitaire et médico-sociale.

    La fertilité devient une thématique prioritaire dans certains appels à projets, notamment dans le cadre du programme d’équipement prioritaire de santé des femmes. Le plan annonce également un renforcement du suivi épidémiologique de la santé reproductive féminine et masculine.

    En parallèle, un chantier national est lancé dans un contexte d’indicateurs défavorables : mortalité maternelle stagnante, hausse légère de la mortalité infantile, notamment néonatale, depuis 2011, tensions démographiques des professionnels, fragilité de certaines maternités et baisse durable de la natalité.

    Trois experts missionnés, un périmètre élargi

    Les travaux ont été confiés à Loïc Sentilhes, Elsa Kermorvant et Eliette Bruneau. Leur mission : établir un diagnostic complet de l’organisation des soins périnataux, à partir des recommandations scientifiques, des sociétés savantes, de la mission d’information du Sénat (septembre 2024) et du rapport de l’IGAS en cours de finalisation. Le périmètre couvre l’ensemble du parcours : prévention avant et pendant la grossesse, suivi post-natal, organisation des maternités, urgences, néonatologie et prise en charge des publics précaires ou éloignés du système de santé. Les premières conclusions sont attendues d’ici juin 2026, avec l’objectif de concilier sécurité, qualité et équité des soins sur l’ensemble du territoire. Si plusieurs mesures reposent sur des outils d’information ou de suivi (portail national via Santé.fr, système d’information pour les dons de gamètes, plateformes PREVENIR), à ce stade, le plan fertilité ne comporte pas de volet explicitement dédié au numérique en santé.

    Fertilité et santé périnatale : deux priorités de santé publique renforcées

  • Mammographie : l’IA augmente la détection des cancers de 30 % ( – 44 % de charge médicale), reste à résoudre le modèle de déploiement

    • L’essai MASAI (sur 105 000 femmes en Suède) montre +29% de cancers détectés avec l’IA Transpara.
    • L’IA réduit d’environ 44% la charge de lecture des radiologues.
    • Hongrie, Allemagne, US : plusieurs déploiements nationaux d’IA en dépistage rapportent +15 à +30% de détection et une baisse de la charge de travail.
    • Mais l’accès reste limité et souvent associé à un reste à charge, notamment aux États‑Unis.
    • Les auteurs de MASAI appellent à des études de coût‑efficacité et d’impact à long terme, l’enjeu étant désormais l’intégration systémique de l’IA plutôt que sa seule performance technique.

    Les résultats à deux ans de MASAI confirment le bénéfice clinique de l’IA

    L’essai MASAI (pour Mammography Screening with Artificial Intelligence) a comparé chez plus de 105 000 femmes en Suède sur deux stratégies de lecture des mammographies : une double lecture humaine versus une lecture par un radiologue assisté par une IA.

    L’algorithme évalué, Transpara, a été développé par ScreenPoint Medical et appliqué à des mammographies 2D dans un programme de dépistage organisé. Les résultats initiaux, publiés en 2024, ont été complétés par un suivi à deux ans rendu public fin janvier 2026. Ils constituent aujourd’hui la base probante la plus robuste sur l’usage de l’IA en dépistage du cancer du sein.

    Lors de la phase de dépistage, l’ajout de l’IA a permis une augmentation de 29 % de la détection des cancers, dont 24 % pour les cancers invasifs. Le taux de faux positifs est resté identique entre les deux groupes (1,4 %), tout comme le taux de rappel. Le gain opérationnel est marqué : la charge de lecture a diminué de 44 % pour les radiologues. Cet effet est documenté dans des systèmes européens fondés sur la double lecture, mais des stratégies de tri des examens à très faible risque laissent entrevoir des bénéfices similaires dans des contextes à lecteur unique.

    Le suivi à deux ans renforce l’intérêt clinique. Le bras IA présente 12 % de cancers d’intervalle en moins. Les cancers détectés sont plus petits et biologiquement moins agressifs : 16 % de réduction des cancers invasifs et 27 % de baisse des sous-types non luminal A, incluant les cancers triple négatif et HER2-positifs. Ces données suggèrent un effet préventif indirect par une détection plus précoce des formes à évolution rapide dès le dépistage.

    Des résultats cohérents en conditions réelles

    Les conclusions de MASAI s’inscrivent dans un faisceau d’études en vie réelle. En Hongrie, un déploiement national utilisant l’algorithme de Kheiron a montré une hausse de la détection, avec une réduction de plus de 30 % de la charge de travail. En Allemagne, une analyse portant sur plus de 460 000 femmes, avec l’outil Vara, rapporte une augmentation de 17,6 % du taux de détection. Aux États-Unis, une étude de grande ampleur a observé une hausse de 21,6 % de la détection lorsque l’IA de DeepHealth assistait un radiologue unique, avec des résultats constants selon la densité mammaire et l’origine ethnique. Des travaux prospectifs en Suède et en Corée du Sud aboutissent à des constats comparables, sans augmentation des rappels.

    Vers une prévention individualisée du cancer du sein

    Au-delà de la détection, l’IA ouvre un second champ : l’estimation du risque futur à partir d’une mammographie jugée normale. En juin 2025, CLARITY Breast a obtenu une autorisation de novo de la FDA pour prédire le risque de cancer du sein à cinq ans à partir d’images 2D. Environ 16 % des femmes dans la quarantaine, avec une mammographie normale, sont classées à haut risque par l’algorithme.

    Une information cardiovasculaire opportuniste

    Les mammographies peuvent également servir à estimer le risque cardiovasculaire. La détection automatisée des calcifications artérielles mammaires (BAC) s’est révélée associée à une augmentation significative du risque d’événements cardiovasculaires majeurs. Des solutions comme CureMetrix ou Mammo+Heart ont obtenu des autorisations de la FDA sur cette indication, transformant l’examen en outil de dépistage opportuniste à double usage.

    Des obstacles économiques et organisationnels persistants

    Malgré ces résultats, l’accès reste limité, notamment aux USA, où la lecture assistée par IA est principalement proposée par RadNet et souvent associée à un reste à charge pour les patientes. Les outils de prédiction du risque ou d’évaluation cardiovasculaire impliquent également des surcoûts.

    Les auteurs de MASAI appellent à poursuivre les analyses de coût-efficacité et de bénéfices à long terme, dans un contexte de pénurie de radiologues. Si l’amélioration de la survie n’a pas encore été démontrée directement, la baisse des cancers d’intervalle et la détection plus précoce fournissent des arguments indirects solides. L’enjeu est désormais moins technologique que systémique : intégration sans surcoût pour les patientes, protocoles clairs de prise en charge du risque et alignement avec les politiques de dépistage. Au regard du volume annuel de mammographies et du taux estimé de cancers manqués par la lecture humaine seule, la question posée par MASAI n’est plus tant celle de la performance de l’IA que celle du moment choisi pour en faire un standard de pratique.

  • 80 % des risques jugés insuffisamment anticipés par les établissements de santé européens (Rapport Relyens 2026)

    Le rapport prospectif Relyens 2026 repose sur une enquête Ipsos conduite auprès de 924 professionnels (cadres dirigeants et soignants) issus d’établissements publics et privés en France, Allemagne, Italie et Espagne. Objectif : analyser la perception des risques pesant sur les systèmes de santé européens et identifier les leviers de résilience.

    Premier constat : les acteurs anticipent une accumulation de crises économiques, sociales, sanitaires, climatiques et technologiques. À dix ans, 93 % des répondants estiment que l’environnement du système de santé évoluera vers un contexte « turbulent ou orageux », et déjà 25 % à horizon cinq ans.

    Cette projection s’accompagne d’un diagnostic plus préoccupant : 80 % des risques jugés à fort impact (probabilité et gravité notées 4 ou 5 sur 5) sont également considérés comme insuffisamment anticipés.

    Vieillissement, coûts et pénurie de personnel en tête des risques

    À horizon cinq ans, trois risques dominent nettement les préoccupations :

    • Le vieillissement de la population et l’augmentation des maladies chroniques.
    • L’augmentation des coûts de santé.
    • La pénurie de personnel et l’épuisement professionnel;

    Ces risques combinent une probabilité élevée et un impact jugé sévère sur la capacité des établissements à assurer leurs missions. La pénurie de personnel apparaît comme le facteur de vulnérabilité le plus critique : les répondants s’estiment peu préparés à y faire face et n’identifient pas à ce stade de trajectoire de sortie claire. La cartographie des risques élaborée par Relyens et son comité scientifique met en évidence un décalage structurel : certains risques très graves, comme les tensions RH ou l’inflation des coûts, se situent dans des zones de faible préparation, tandis que d’autres, notamment techniques ou réglementaires, bénéficient de dispositifs plus avancés.

    Dirigeants et soignants : des lectures divergentes des risques qui pèsent sur la sécurité des soins

    Les menaces liées à la cybersécurité et à la protection des données ne figurent pas dans le trio de tête en matière de probabilité, mais leur niveau de gravité est jugé élevé par 75 % des répondants. Elles font ainsi partie du « premier cercle » des priorités. Contrairement aux risques RH, ces enjeux apparaissent mieux anticipés : dispositifs de prévention, plans de continuité et cadres réglementaires contribuent à un niveau de préparation jugé plus satisfaisant. Le rapport souligne toutefois que cette perception ne préjuge pas de la capacité réelle à absorber des attaques de grande ampleur.

    La sécurité des patients constitue la conséquence la plus directe de la polycrise. Selon 72 % des répondants, la pénurie de personnel compromet directement la sécurité des soins. Viennent ensuite l’augmentation des coûts de santé (65 %) et les ruptures des chaînes d’approvisionnement (60 %).

    Le rapport montre que les risques cliniques sont rarement isolés : ils résultent de pressions économiques, organisationnelles et humaines qui se propagent jusqu’au lit du patient.

    Les perceptions diffèrent toutefois selon les profils : les dirigeants classent davantage de risques au-dessus du seuil des 60 % que les soignants, ces derniers mettant plus en avant les inégalités d’accès aux soins, les effets du climat ou les ralentissements économiques.

    Europe : mêmes fragilités, mais hiérarchisations différentes des risques sanitaires

    Malgré des contextes nationaux différents, les quatre pays étudiés convergent sur plusieurs vulnérabilités communes : pénurie de personnel, vieillissement démographique, hausse des coûts et montée des risques environnementaux et informationnels. Des variations apparaissent néanmoins dans la hiérarchisation :

    • En France, les inégalités d’accès aux soins et les ruptures d’approvisionnement concentrent les inquiétudes.
    • En Allemagne, la pression migratoire est plus souvent citée.
    • En Italie et en Espagne, la désinformation et la défiance du public occupent une place plus marquée.

    Tous les pays partagent en revanche la perception d’une interdépendance croissante entre risques, susceptible de provoquer des effets domino.

    Trois axes pour renforcer la résilience

    Au-delà du constat, le rapport identifie plusieurs orientations . Les travaux du comité scientifique convergent vers trois axes :

    • Adopter une approche systémique des risques, en dépassant une logique de silos pour anticiper les interdépendances.
    • Renforcer le leadership et les compétences, afin de poser des limites claires lorsque la sécurité des soins ne peut être garantie.
    • Construire des environnements de confiance, tant pour les patients que pour les professionnels, condition de la qualité des soins et de l’attractivité des métiers.

    Le rapport insiste sur la nécessité d’articuler des actions à effet rapide avec une vision à moyen terme, seule capable de structurer durablement les transformations à engager.

  • Au CHU de Nantes, l’IA devient opérationnelle quand elle est pensée pour le déploiement clinique

    Le rapport d’activité Recherche & Innovation 2024-2025 du CHU de Nantes détaille l’intégration de l’IA et des outils numériques, de l’imagerie médicale à la modélisation organisationnelle, avec plusieurs projets dotés de financements publics et industriels.

    L’établissement utilise des données cliniques, biologiques et organisationnelles pour faire de la recherche appliquée. Le rapport parle de plus de 2 400 études cliniques en cours, dont plusieurs mobilisent des outils d’analyse de données, de modélisation ou d’intelligence artificielle.

    Imagerie et jumeaux numériques, redessinent l’évaluation du risque cardiovasculaire

    L’un des domaines où l’IA est déjà structurante concerne l’imagerie médicale. Lancé en 2025, le laboratoire Limao (Laboratoire d’innovation en imagerie médicale nantais) associe le CHU de Nantes, Siemens Healthineers et le GHT 44. Il vise à transformer l’imagerie des pathologies neuro- et cardio-vasculaires par le recours à des outils numériques, incluant l’analyse automatisée d’images et l’aide à l’interprétation.

    Le projet Meditwin constitue un autre exemple d’intégration de l’IA et de modélisation numérique. Meditwin réunit 14 partenaires publics et privés autour de Dassault Systèmes pour développer des jumeaux numériques médicaux. Objectif : simuler l’évolution de maladies ou les réponses à différents traitements en créant des doubles virtuels d’organes ou de patients.

    L’ensemble de ces données permettra de renforcer la modélisation des risques cardiovasculaires

    Car au CHU de Nantes, les travaux portent notamment sur les maladies cardiovasculaires et l’hypercholestérolémie familiale. Les données issues de cohortes cliniques existantes et de nouvelles inclusions alimentent des modèles prédictifs destinés à affiner l’évaluation du risque cardiovasculaire et à adapter les stratégies de prise en charge.

    eCan : 16,8 M€ mobilisés pour appliquer l’IA à la détection des anévrismes intracrâniens

    Le projet eCan, lancé officiellement en juin 2024, développe des outils numériques fondés sur l’IA pour améliorer la détection et le suivi des anévrismes intracrâniens. Après 18 mois consacrés à la construction de flux sécurisés de données d’imagerie issues des hôpitaux du Grand Ouest, les données sont désormais annotées par des radiologues avant d’être utilisées par les chercheurs en IA. Doté d’un budget de 16,8 millions d’euros, dont 5,5 millions financés par l’État via France 2030, eCan réunit neuf partenaires publics et privés.

    Deux outils sont attendus :

    • Une application mobile pour accompagner les patients, actuellement testée,
    • Et un logiciel d’aide au diagnostic en IRM prévu pour 2026.

    L’usage du numérique dépasse le champ strict du diagnostic ou du traitement. L’étude Call-Samu, publiée fin 2024 dans npj Digital Medicine, illustre l’apport des données massives et de la modélisation organisationnelle. En s’appuyant sur près de quatre millions de données issues de cinq Samu des Pays de la Loire, les équipes ont conçu des jumeaux numériques de centres de régulation afin de tester différents scénarios d’organisation et d’améliorer les délais de prise en charge.

    Acculturation, validation clinique et sécurité des données : le cadre posé par le CHU de Nantes

    Pour accompagner ces transformations, le CHU de Nantes a renforcé ses structures de soutien, avec plus de 500 professionnels dédiés à la recherche et à l’innovation. La Fabrique de l’innovation en santé, lancée fin 2024, joue un rôle d’acculturation des équipes aux outils numériques et à l’IA.

    Les priorités affichées portent sur la maîtrise des usages, la validation clinique, la sécurité des données et l’intégration des outils numériques dans les pratiques professionnelles. Plusieurs projets accompagnés sont conçus pour être déployés directement dans le futur hôpital, afin de tester à grande échelle des solutions numériques en conditions réelles.

  • IA conversationnelles : un rapport place leur mésusage en tête des risques technologiques en santé pour 2026

    Le mésusage des IA conversationnelles en santé pourrait s’intensifier dans un contexte de dégradation de l’accès aux soins. La combinaison de facteurs géographiques, économiques et organisationnels (désertification médicale, hausse des coûts, fermetures de structures de proximité) accroît le risque que patients et aidants se tournent vers des chatbots comme substitut. Cette tendance, déjà observée selon ECRI, expose à une diffusion d’informations inexactes et à un contournement des parcours de soins, avec un impact potentiel sur la sécurité des patients et les inégalités de santé.

    Des diagnostics erronés

    Le mésusage des chatbots d’IA en santé arrive en tête du classement 2026 des risques liés aux technologies médicales publié par ECRI (Emergency Care Research Institute), organisation américaine indépendante spécialisée dans la sécurité des patients. Ce classement annuel recense les menaces les plus significatives pour les systèmes de soins, sur la base d’enquêtes d’incidents, de bases de signalement et de tests indépendants de dispositifs médicaux.

    Les outils visés reposent sur des modèles de langage de grande taille (LLM), tels que ChatGPT, Claude, Copilot, Gemini ou Grok. Capables de produire des réponses structurées et plausibles, ces systèmes ne sont ni régulés comme dispositifs médicaux ni validés pour un usage clinique, alors même qu’ils sont utilisés par des patients, des soignants et des personnels de santé. Selon ECRI, plus de 40 millions de personnes consulteraient chaque jour ChatGPT pour des informations de santé.

    ECRI souligne que ces chatbots peuvent apporter une aide ponctuelle, mais qu’ils sont également susceptibles de générer des informations fausses ou trompeuses, avec un risque direct pour les patients. Leur fonctionnement repose sur la prédiction statistique de séquences de mots à partir de données d’entraînement, sans compréhension du contexte médical ou du sens clinique. Les systèmes sont conçus pour répondre systématiquement et avec assurance, y compris lorsque l’information produite est incertaine.

    Les experts d’ECRI rapportent plusieurs exemples d’erreurs parmi lesquels :

    • Diagnostics inexacts.
    • Recommandations d’examens non nécessaires.
    • Promotion de fournitures médicales inadaptées.
    • Ou réponses médicalement incohérentes.

    Dans un test mené par l’organisation, un chatbot a ainsi validé à tort le positionnement d’une électrode de retour d’électrochirurgie sur l’omoplate d’un patient, une pratique exposant à un risque de brûlures.

    ECRI estime que ces usages pourraient devenir plus problématiques à mesure que l’augmentation des coûts de santé et les fermetures d’établissements réduisent l’accès aux professionnels. Dans ce contexte, certains patients pourraient être tentés de recourir aux chatbots comme substitut à un avis médical.

    Au-delà du risque clinique, ECRI alerte sur les effets potentiels en matière d’inégalités de santé. Les biais présents dans les données d’entraînement peuvent influencer les réponses produites et renforcer des stéréotypes ou des écarts existants dans la prise en charge.

    Le rapport formule plusieurs recommandations. Les utilisateurs, patients comme professionnels, sont invités à se former aux limites de ces outils et à vérifier systématiquement les informations obtenues auprès de sources qualifiées. Les établissements de santé sont encouragés à mettre en place des comités de gouvernance de l’IA, à former les cliniciens et à auditer régulièrement les performances des systèmes utilisés.

    Les dix principaux risques technologiques en santé pour 2026

    Outre le mésusage des chatbots d’IA, ECRI identifie neuf autres dangers :

    • Impréparation face à une perte brutale d’accès aux systèmes numériques (« digital darkness »).
    • Produits médicaux de qualité insuffisante ou falsifiés.
    • Défaillances dans la communication des rappels de dispositifs de gestion du diabète à domicile.
    • Mauvaises connexions de seringues ou de tubulures, dans un contexte d’adoption incomplète des standards ENFit et NRFit.
    • Sous-utilisation des technologies de sécurisation du médicament au bloc opératoire.
    • Instructions insuffisantes pour le nettoyage des dispositifs.
    • Risques de cybersécurité liés aux dispositifs médicaux anciens.
    • Implémentations technologiques générant des flux cliniques à risque.
    • Mauvaise qualité de l’eau utilisée pour la stérilisation des instruments.

    Leveraging ECRI’s Top 10 Health Technology Hazards Report: A Strategic Imperative for Healthcare in 2026

  • Etude : l’IA réduit les cancers d’intervalle dans le dépistage organisé (Lancet)

    Dans les programmes de dépistage organisés, la mammographie est relue par deux radiologues afin de limiter les erreurs d’interprétation. Malgré cette double lecture, une limite persiste : les cancers d’intervalle. Ces tumeurs, diagnostiquées entre deux examens pourtant jugés normaux, sont souvent plus volumineuses, plus invasives et de sous-types biologiques plus agressifs.

    Jusqu’ici, l’apport de l’intelligence artificielle dans ce domaine reposait surtout sur des études rétrospectives ou expérimentales. L’essai MASAI apporte pour la première fois des données issues d’un essai randomisé conduit en conditions réelles de dépistage organisé.

    Le plus vaste essai sur le couple IA/dépistage généralisé

    L’essai MASAI a été conduit au sein du programme national suédois de dépistage organisé du cancer du sein. Avec plus de 105 000 femmes âgées de 40 à 74 ans, il s’agit de l’un des plus vastes essais randomisés jamais conduits sur l’intégration de l’IA dans un programme de dépistage. Les participantes ont été randomisées en deux groupes.

    Dans le premier groupe, les mammographies étaient relues selon la procédure habituelle, c’est-à-dire une double lecture par deux radiologues. Dans le second, les examens étaient d’abord analysés par une intelligence artificielle qui triait les images selon leur niveau de suspicion. Les clichés considérés comme à faible risque faisaient l’objet d’une lecture simple par un radiologue, tandis que les images jugées suspectes bénéficiaient d’une double lecture humaine.

    Le critère principal d’évaluation était, dans une analyse de non-infériorité, le taux de cancers d’intervalle, c’est-à-dire les cancers diagnostiqués entre deux mammographies pourtant considérées comme normales. Le suivi s’est déroulé sur deux ans, dans les conditions habituelles du programme de dépistage.

    Les résultats de cette étude ont été publiés le 31 janvier dans le Lancet*.

    Résultats : moins de cancers invasifs et agressifs entre 2 mammographies

    • −12 % de cancers d’intervalle avec l’IA.
    • 81 % des cancers détectés au moment du dépistage avec IA vs 74 % en lecture standard.
    • −16 % de cancers invasifs diagnostiqués entre deux dépistages.
    • −21 % de tumeurs de grande taille (T2+).
    • −27 % de sous-types agressifs.
    • Spécificité inchangée : taux de faux positifs similaire (~1,5 %);
    • −44 % de volume de lecture pour les radiologues observé dans les analyses associées à l’essai.

    Pour les auteurs, l’intérêt de l’IA ne tient pas seulement à une amélioration des performances de lecture. Elle permet surtout de repenser l’organisation du dépistage, en orientant différemment le travail des radiologues : moins de temps consacré aux examens à très faible risque, davantage d’attention portée aux images jugées suspectes par l’algorithme. Dans un contexte où de nombreux programmes européens font face à une pénurie de lecteurs expérimentés, cette dimension organisationnelle est centrale. Les chercheurs soulignent également un autre effet observé dans l’essai : en signalant aux radiologues des images discrètement suspectes, l’IA permet de détecter dès le dépistage des cancers qui, sans cette alerte, auraient été diagnostiqués plusieurs mois plus tard entre deux mammographies.

    Une moindre « pression sur la charge de travail »

    « Déployer largement une mammographie assistée par IA dans les programmes de dépistage pourrait aider à réduire la pression sur la charge de travail des radiologues, tout en aidant à détecter davantage de cancers à un stade précoce, y compris des sous-types agressifs », explique Kristina Lång.

    L’équipe insiste toutefois sur la nécessité d’un déploiement encadré. Les performances observées ont été obtenues dans un cadre précis : un programme national, un protocole défini, un seul système d’IA. Pour les auteurs, l’enjeu est désormais de comprendre comment ces outils se comportent dans d’autres contextes de dépistage, et comment suivre leur impact dans le temps.

    « Introduire l’IA en santé doit se faire avec prudence, en utilisant des outils testés et avec une surveillance continue en place », souligne la chercheuse, afin de documenter la manière dont ces systèmes influencent les programmes de dépistage selon les régions et les pratiques locales.

    * Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial

    Gommers, Jessie et al.

    The Lancet, Volume 407, Issue 10527, 505 – 514

    https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(25)02464-X/abstract

     

  • Suisse : un jeu de données clinique fédéré pour soutenir la recherche en santé

    Grâce à la publication de métadonnées standardisées, chercheurs et cliniciens peuvent désormais identifier précisément quelles données cliniques existent en Suisse et selon quelles modalités y accéder, sans transfert de données individuelles et dans un cadre strict de protection de la vie privée.

    Le Swiss Personalized Health Network (SPHN) annonce la mise à disposition de descriptions standardisées (des métadonnées) pour son Federated Clinical Routine Dataset. Cela represente un corpus couvrant plus de 800 000 patients et plusieurs milliards de données cliniques harmonisées et issues de la pratique de soins courante.

    L’enjeu n’est pas l’ouverture brute des données, mais la possibilité, pour les acteurs de la recherche et de l’innovation, de savoir quelles données existent, où elles se trouvent et dans quelles conditions elles peuvent être mobilisées.

    Le Swiss Personalized Health Network est une infrastructure nationale placée sous la responsabilité de la Swiss Academy of Medical Sciences, en collaboration avec le Swiss Institute of Bioinformatics.
    Son principe repose sur une architecture fédérée : les données au niveau patient restent stockées au sein de chaque hôpital, sans centralisation, tandis que leurs descriptions sont partagées au niveau national.

    Un jeu de données clinique de grande ampleur

    Au 31 décembre 2025, le SPHN Federated Clinical Routine Dataset comprenait :

    • Plus de 800 000 patients ayant consenti à la réutilisation de leurs données à des fins de recherche.
    • 6 hôpitaux universitaires : Bâle, Berne, Genève, Lausanne et Zurich (hôpitaux adultes et pédiatriques).
    • 12,5 milliards de points de données sémantiquement harmonisés couvrant :
      • Données démographiques.
      • Diagnostics et procédures.
      • Médicaments.
      • Examens de laboratoire, dont la microbiologie.
      • Constantes vitales et scores cliniques.
      • Allergies.
      • Données de soins intensifs et d’oncologie.
      • Echantillons biologiques.

    Toutes les données et métadonnées respectent les principes FAIR (Findable, Accessible, Interoperable, Reusable) et sont alignées avec des standards internationaux, dont l’European Health Data Space (EHDS). Les établissements participants convertissent leurs données cliniques selon les schémas SPHN et des terminologies internationales, puis transmettent les métadonnées correspondantes au catalogue central du réseau.

    Ce catalogue de métadonnées SPHN est accessible en ligne : chercheurs, cliniciens et acteurs de l’innovation peuvent y explorer les types de données disponibles en Suisse et obtenir des informations sur les procédures d’accès à des fins de recherche, sans exposition directe des données sensibles.

  • Le Store de confiance Numih : 15 partenaires labellisés en un an et une feuille de route 2026 centrée sur l’accès aux données

    Les usages les plus adoptés concernent l’optimisation des plannings (fort ROI), le suivi du parcours patient, notamment aux urgences, et la gestion des stocks, identifiée comme une priorité pour 2026.

    Pensé comme un point d’entrée, ce store facilite l’accès à des solutions numériques ciblées et interopérables avec les SIH existants. Il s’adresse aux établissements confrontés à des systèmes complexes et interconnectés, pour lesquels le développement spécifique est difficile en raison des enjeux de sécurité, de conformité et de déploiement à grande échelle.

    Les solutions peuvent être concurrentes

    Le store de confiance repose sur un modèle ouvert et non exclusif. Numih France accueille des acteurs publics comme privés, sans logique de verrouillage commercial, afin de préserver la liberté de choix des établissements et de favoriser la diversité des approches. Des soutions peuvent même être concurrentes.  Un an après son lancement, le store référence 15 partenaires, +1 avec récemment DansMaBlouse. Les solutions labellisées couvrent des besoins opérationnels identifiés comme prioritaires par les établissements : à savoir l’optimisation des plannings, l’amélioration des parcours patients, la détection et le scoring des risques cliniques ou liés à l’iatrogénie, l’optimisation du codage PMSI, la gestion des stocks, la reconnaissance vocale, ou encore la transcription assistée par IA.

    Quelques exemples de solutions 

    @Dossier de presse, Numih France : Ensemble, pour le numérique de demain

    Le store joue également un rôle d’accélérateur pour les éditeurs et les startups. Il leur permet de tester leurs intégrations dans un environnement réel, de bénéficier d’un accompagnement technique, et de diffuser plus largement leurs solutions.

    Trois à six mois d’évaluation pour intégrer le store 

    La labellisation des partenaires s’appuie sur un processus, d’une durée généralement comprise entre trois et six mois, intégrant la compatibilité technique avec les SIH, la robustesse des flux de données, et la conformité réglementaire. Environ 50 % des candidatures sont actuellement refusées. Parmi les critères exigés :

    • Cas d’usage réel et pertinent pour le patient ou les professionnels.
    • Niveau de maturité élevé (au moins un site en production).
    • Conformité RGPD et sécurité des flux.
    • Respect des exigences de souveraineté et de valeurs RSE.

    2026 : Numih prépare un catalogue de données et renforce son socle FHIR

    Pour 2026, Numih France se fixe de structurer, documenter et sécuriser l’accès aux données de santé. Cela passe par la création d’un catalogue de données qui recense les jeux de données produits par son SI. En parallèle, Numih poursuit le développement de son serveur FHIR. Ce socle technique vise à limiter les développements spécifiques, à renforcer l’interopérabilité et à soutenir le déploiement de nouveaux usages, notamment ceux intégrant de l’IA. Enfin, le programme prévoit de poursuivre l’élargissement progressif du store en 2026, en labellisant de nouveaux partenaires sur la base de besoins exprimés par les établissements, afin d’enrichir les cas d’usage couverts.

    Hausse des candidatures

    Le nombre de dépôts de dossier a fortement augmenté depuis la visibilité apportée par San Expo et le lancement de la marque MiPih France.

    MiPih prévoit 2 à 3 commissions de labellisation par an, avec une vingtaine de dossiers potentiels pour 2026. L’objectif est de poursuivre l’ouverture du Store. Aucune annonce budgétaire précise n’a encore été faite, mais l’investissement humain est important, avec des équipes quasiment à temps plein dédiées à l’analyse des dossiers et à la mise en œuvre technique.