Un manque de temps amplifié par la charge administrative
Dans un contexte de pénurie de cliniciens en soins ambulatoires, la documentation dans l’EHR occupe plus de la moitié de leur journée de travail, tandis qu’un quart seulement est consacré au face-à-face patient. Cette charge, en hausse continue, affecte surtout les professionnels de soins primaires et s’accompagne d’une augmentation des risques de départ, de baisse d’effort professionnel et de dégradation de la qualité des soins. Face à ce constat, le National Academy of Medicine a réuni fin 2024 des experts pour examiner le potentiel de l’IA dans l’amélioration du bien-être des soignants. Les données multicentriques restaient toutefois rares. L’étude publiée dans JAMA Network Open explore l’impact d’un scribe vocal en situation réelle.
Conduite entre février et octobre 2024, l’étude s’appuie sur une intervention de 30 jours dans 6 organisations américaines, utilisant toutes la même plateforme : l’Abridge ambient AI scribe. Les participants — 263 cliniciens impliqués dans les soins ambulatoires — ont été recrutés par les responsables de santé numérique et formés avec les supports fournis par le fournisseur. La participation était volontaire et sans incitation.
51,9% à 38,8% : chute du burnout modéré chez 186 cliniciens
Les cliniciens enregistraient l’échange avec le patient après consentement verbal, puis retrouvaient une note générée instantanément depuis une interface sécurisée. Ils pouvaient vérifier la transcription, écouter les extraits audio et éditer les sections avant intégration dans l’EHR. Les enregistrements étaient supprimés après un délai court. Sur 186 participants ayant répondu aux questions relatives au burnout, la proportion déclarant un score supérieur ou égal à 3 chute de 51,9 % à 38,8 % après 30 jours, soit une baisse de 13,1 points et un odds ratio de 0,26. Une analyse en sensibilité montre aussi une diminution du burnout sévère, de 18,4 % à 12,2 %.
Plusieurs sous-groupes sont concernés : médecins, professionnels employés en groupe médical, universitaires, cliniciens en pratique depuis 10 à 15 ans, femmes comme hommes. Les spécialités de médecine familiale, pédiatrie, obstétrique-gynécologie et spécialités adultes présentent également une réduction significative.
Temps de documentation hors clinique diminué de 0,90 heure par semaine
Les auteurs rapportent une baisse de 2,64 points (sur 10) du score de charge cognitive liée aux notes, incluant la demande mentale, l’effort et la cadence imposée par la documentation. Le temps de documentation hors clinique diminue en moyenne de 0,90 heure par semaine. Les participants soulignent aussi une amélioration de leur capacité à accorder une attention non divisée aux patients (+2,05 points), à ajouter des patients en urgence dans le planning, et à produire des notes jugées plus compréhensibles pour les patients.
Convergences avec des études antérieures
Les résultats rejoignent les travaux antérieurs menés sur les scribes humains et certaines solutions d’IA, qui mettaient en évidence une diminution de la charge documentaire et une amélioration de l’attention portée au patient. Les comparaisons directes restent toutefois difficiles en raison de l’absence de standardisation des métriques liées à la documentation, que l’AMA recommande désormais d’harmoniser. Les auteurs soulignent plusieurs limites : participation non anonyme, absence de groupe contrôle, risque de biais de sélection, impossibilité d’analyser les non-répondants et absence de données objectives issues de l’EHR sur les gains de temps. Un des centres n’a pas transmis les données de burnout, et toutes les organisations ont conduit l’évaluation dans une logique interne de qualité, non comme un protocole de recherche.
Des systèmes de soins fragilisés par l’augmentation du temps administratif
Le rapport Time to Care analyse l’expérience de plus de 1 000 cliniciens au Royaume-Uni, en France, en Allemagne, en Espagne et en Suède. Il montre que la charge administrative s’impose dans la journée clinique : un quart des professionnels y consacrent au moins deux heures quotidiennes, et 72 % considèrent ce temps excessif. Pour 73 %, cette pression s’étend au-delà des horaires, avec plus de cinq heures hebdomadaires effectuées sans compensation. Les effets sont visibles sur la relation de soin. En moyenne, 82 % des cliniciens estiment que les tâches administratives réduisent le temps disponible pour les patients. Près des deux tiers déclarent que cette contrainte affecte l’échange en consultation. Les patients le perçoivent : un tiers d’entre eux affirme que l’attention du médecin se porte davantage sur l’écran que sur la conversation. Au Royaume-Uni, 30 % signalent avoir identifié des erreurs dans leur dossier.
Burnout et inefficiences : des coûts organisationnels persistants
Un clinicien sur trois rapporte des signes d’épuisement liés à la charge administrative, un phénomène plus marqué en Allemagne (62 %) et au Royaume-Uni (54 %). Les retards s’accumulent : la moitié des professionnels déclarent des arriérés réguliers de notes, et 62 % associent ces tâches au stress. Ces tendances s’inscrivent dans des systèmes où les dépenses administratives représentent entre 10 et 15 % de la dépense de santé, soit 1 à 3 % du PIB européen. L’OCDE estime par ailleurs qu’environ 20 % des dépenses de santé seraient liées à des inefficiences organisationnelles. Les outils numériques existants — dossiers électroniques rigides ou solutions de dictée peu intégrées — n’ont pas réduit cette charge et ajoutent de la complexité.
Une adoption encore limitée mais un intérêt marqué pour les outils d’IA
L’étude montre une forte conscience des solutions d’IA dédiées à la documentation : environ 80 % des cliniciens connaissent ces outils, mais seuls 20 % les utilisent. L’usage régulier concerne 13 % des répondants, tandis qu’un tiers les a testés ponctuellement. Parmi les non-utilisateurs, la moitié souhaite les adopter. Les déterminants d’adoption sont constants : économies de temps (50 %), recommandation de pairs (45 %) et garanties de conformité (40 %). Les attentes diffèrent légèrement selon les pays. Les cliniciens allemands et français citent davantage la protection des données (près de 40 %). Au Royaume-Uni et en Suède, l’intégration fluide dans les systèmes existants domine. En Espagne, l’intérêt repose sur les gains de temps, sous réserve d’une meilleure adéquation réglementaire. Les bénéfices attendus concernent surtout la réduction du temps administratif (68 %), la baisse de la pression hors horaires (49 %), une finalisation plus rapide des comptes rendus (47 %) et une plus grande précision des notes (44 %). Plus d’un tiers évoquent aussi l’impact positif sur la qualité de l’interaction avec les patients.
Des patients favorables à l’usage d’IA dans la consultation
Le rapport intègre les réponses de 5 000 adultes. Près de la moitié décrivent des consultations au cours desquelles le médecin partage son attention entre écrans et conversation, et seul un quart se sent pleinement écouté. Pour 99 %, les médecins devraient consacrer moins de temps aux tâches administratives. Un patient sur quatre déclare avoir identifié des erreurs dans son dossier, et un sur sept estime que ces erreurs ont influencé son parcours de soin. Les attentes vis-à-vis de l’IA convergent avec celles des cliniciens. Six patients sur dix pensent que ces outils offriraient plus de temps d’échange. La moitié y voient un moyen de réduire les erreurs, et plus de 40 % une possibilité d’accélérer les visites. Les bénéfices perçus incluent aussi une diminution du stress des soignants. L’adhésion dépend toutefois de garanties : plus de la moitié demandent une protection renforcée des données et 40 % souhaitent une meilleure transparence sur le fonctionnement des outils. Malgré ces exigences, 83 % se déclarent à l’aise avec des médecins utilisant des solutions d’IA sous réserve de conditions de sécurité adéquates.
Le rapport conclut que l’IA peut contribuer à rééquilibrer la journée clinique en automatisant une part de la documentation, en améliorant la continuité de l’information et en libérant du temps pour l’échange. Les cliniciens et les patients y sont favorables, mais l’adoption dépend du niveau d’intégration, de la gouvernance et du cadre réglementaire. Face à la hausse des coûts, à la demande croissante et à la pression sur les effectifs, la réduction du poids administratif apparaît comme un axe d’action essentiel. Les auteurs appellent les autorités européennes à accélérer l’élaboration des règles encadrant ces outils, afin d’éviter un retard dans leur déploiement et d’améliorer la soutenabilité des systèmes.
Le trouble du binge-eating se caractérise par des épisodes récurrents de suralimentation incontrôlée, affectant 1,5% des femmes et 0,3% des hommes dans le monde. Ce trouble entraîne souvent des complications médicales et psychologiques lourdes. La thérapie cognitivo-comportementale (TCC) est actuellement le traitement recommandé, bien que son coût et son accessibilité restent un frein important. Entre novembre 2021 et octobre 2024, 187 adultes souffrant de ce trouble ont été répartis aléatoirement entre un programme d’auto-assistance guidée en ligne de 12 semaines et une thérapie classique en visioconférence sur 20 semaines. L’objectif était de mesurer la réduction des épisodes de binge-eating à la fin du traitement et 20 semaines après.
Des résultats cliniques équivalents
Les deux groupes ont montré une diminution comparable des épisodes de binge-eating, avec une moyenne de 3 épisodes à la fin de la thérapie en ligne contre 4 dans la thérapie classique, sans différence statistique significative. Cette efficacité se maintient 20 semaines après la fin des soins. Par ailleurs, l’auto-assistance web permet de stabiliser l’indice de masse corporelle, alors que celui-ci a légèrement augmenté dans le groupe classique.
Des avantages organisationnels et économiques
Le programme en ligne offre un format plus court, basé sur des séances vidéo hebdomadaires de 20 minutes, nécessitant moins d’implication directe des thérapeutes, ce qui promet une meilleure accessibilité et des gains financiers. Le modèle pourrait répondre aux défis posés par la pénurie de personnel et les longues listes d’attente en santé mentale. Malgré une relation thérapeutique perçue comme moins forte dans le groupe en ligne, cette différence n’a pas affecté les résultats. L’étude ouvre la voie à une adoption plus large de ces programmes numériques en première intention. Il reste toutefois essentiel de poursuivre la recherche pour optimiser l’adhésion des patients à ces outils et confirmer leur efficacité à long terme.
1,3 milliard d’euros investis de 2018 à 2022 dans une première phase axée sur la recherche, contribuant à structurer un écosystème IA avec pôles d’excellence et infrastructures.
La gestion des fonds en première phase a été jugée lacunaire, avec des moyens dispersés et un suivi insuffisant des crédits alloués.
Plusieurs priorités comme la formation, l’impact sur l’emploi, l’éthique et l’inclusivité restent incomplètement couvertes malgré les avancées.
Le budget de la deuxième phase (2023-2025) a été réduit d’un tiers à 1,1 milliard d’euros, avec seulement 35% des crédits consommés à mi-2025.
La France est désormais 5ᵉ au Global AI Index 2025 et 3ᵉ mondiale en recherche et formation en IA, avec plus de 4 000 chercheurs et 1 000 startups IA actives.
Les startups IA ont levé près de 2 milliards d’euros en 2024, faisant de la France le premier pays européen pour les investissements étrangers en IA.
L’adoption de l’IA reste limitée hors des spécialistes, notamment dans les entreprises, administrations et formations, avec des dispositifs de soutien jugés modestes.
La troisième phase lancée en 2025 vise à massifier l’usage en entreprise, avec nécessité d’un pilotage renforcé, d’une meilleure coordination interministérielle et partenariats publics-privés.
Cinq axes prioritaires : ancrer formation-recherche, renforcer calcul, transférer vers industrie, IA de confiance et frugale, efficacité de l’action publique.
Recommandations appliquées à la santé :
Renforcer le pilotage intersectoriel pour coordonner les actions entre acteurs publics, privés et académiques.
Améliorer les infrastructures de calcul dédiées à la recherche en santé numérique.
Soutenir l’innovation industrielle autour des solutions d’IA appliquées à la santé.
Accompagner les établissements de santé dans l’intégration opérationnelle de l’IA, en tenant compte des exigences éthiques et réglementaires.
Structurer l’adoption de l’IA dans les processus hospitaliers, aujourd’hui encore limitée.
Accélérer l’adaptation des formations initiales pour intégrer l’IA dans les pratiques médicales, le diagnostic, la prévention et le suivi des pathologies.
Renouveler les contenus pédagogiques pour médecins et professionnels de santé afin d’accompagner les transformations des métiers.
Clarifier et consolider la gouvernance des données de santé, en préservant souveraineté, qualité et protection des données.
Faciliter la mise en relation entre développeurs d’IA et détenteurs de données dans un cadre sécurisé et conforme.
1,3 milliard d’euros investis : une première phase centrée sur la recherche, mais aux moyens dispersés
La Cour des comptes analyse d’abord la période 2018-2022, qui a posé les bases de la politique publique d’IA. Axée sur la recherche, cette phase s’appuie sur 1,3 Md€ de moyens hétérogènes dont le suivi a été jugé lacunaire. Elle a contribué à structurer un écosystème, avec des pôles d’excellence, des infrastructures de calcul et l’essor de startups. Cependant, plusieurs priorités identifiées dès le rapport Villani de 2018 restent incomplètement couvertes comme :
La formation.
L’impacts sur l’emploi.
Les enjeux éthiques.
L’inclusivité et l’écologie.
Les avancées sont limitées dans la transformation de l’action publique, la défense, la sécurité et la diffusion de l’IA dans l’économie.
Un recentrage budgétaire en 2023-2025 : 1,1 milliard d’euros pour massifier l’IA
La deuxième phase (2023-2025), annoncée en 2021, visait la massification des usages. Elle a été réorientée face à la montée inattendue de l’IA générative. Le budget programmé (1,1 Md€) a diminué d’un tiers et seulement 35 % des crédits avaient été consommés au 30 juin 2025. La gouvernance reste complexe malgré quelques coordinations avec France 2030. La Cour note toutefois des avancées :
La France passe à la 5ᵉ place du Global AI Index en 2025 et au 3ᵉ rang mondial en recherche et formation.
Plus de 4 000 chercheurs travaillent désormais sur l’IA.
Plus de 1 000 startups IA actives en 2025
La dynamique sur l’IA générative est marquée : d’un seul acteur en 2023, l’écosystème compte une dizaine de nouveaux entrants et plus de 1 000 startups actives ont levé près de 2 Md€ en 2024. La France devient premier pays européen pour les investissements étrangers en IA et accueille des centres de recherche de leaders mondiaux. Les capacités de calcul ont été renforcées, notamment avec un supercalculateur de nouvelle génération. Les initiatives sur la confiance et la frugalité progressent, tout comme la présence de la France dans les enceintes internationales, illustrée par le Sommet pour l’action sur l’IA à Paris (février 2025).
Diffusion encore limitée dans les formations et les établissements
Mais la Cour relève que l’adoption de l’IA au-delà des spécialistes reste limitée : entreprises, administrations, étudiants et citoyens ne sont pas suffisamment accompagnés. Les dispositifs de soutien à la demande en solutions IA sont jugés modestes. La transformation publique est jugée en retard, et les chantiers de formation initiale et continue demeurent ouverts. Les actions auprès des territoires restent marginales.
Troisième phase : réussir le changement d’échelle
Lancée début 2025, la troisième phase vise à accélérer l’usage de l’IA dans les entreprises. Selon la Cour, l’IA est devenue une technologie à usage général qui nécessite un changement d’échelle et plusieurs préalables : meilleure prise en compte des contraintes budgétaires, évaluation des résultats, renforcement du pilotage interministériel, complémentarité accrue avec l’UE, les territoires et le secteur privé.
Cinq axes de consolidation doivent être poursuivis :
Renforcer les capacités de calcul via de nouveaux partenariats ;
Amplifier les transferts vers l’industrie ;
Mettre l’IA au service du bien commun en renforçant confiance et sécurité ;
Répondre aux enjeux de frugalité, énergie et soutenabilité.
Cinq défis à replacer au cœur de la stratégie
La Cour des comptes recommande d’ancrer durablement l’excellence de la formation et de la recherche en IA, de mieux articuler les politiques publiques avec les infrastructures informatique et énergétique, ainsi que d’accélérer la transformation et l’efficacité de l’action publique dans le secteur de la santé. D’autres priorités incluent le renforcement de la sécurité des données, le développement de clouds souverains en e-santé, et la préparation des professionnels aux évolutions du marché du travail liées à l’IA. Le rapport insiste sur la nécessité d’une évaluation approfondie des résultats des phases précédentes et la mise en œuvre de nouveaux programmes concertés avec l’Union européenne et les acteurs institutionnels concernés.
Les cinq défis encore insuffisamment abordés :
Adapter les formations et anticiper les mutations du marché du travail ;
Accélérer l’adoption par les entreprises ;
Investir dans la donnée, son accès, sa qualité et le stockage souverain ;
Construire une ambition réaliste sur les composants et les infrastructures ;
Faire de l’IA un levier d’efficacité de l’action publique.
Dix recommandations pour une politique publique renouvelée
La Cour des comptes formule dix recommandations, dont :
La création d’un secrétariat général dédié pour renforcer le pilotage et coordonner État, territoires, UE et secteur privé ;
Une stratégie pérenne pour la formation, la recherche et l’innovation ;
L’accroissement coordonné des capacités de calcul ;
Un soutien renforcé à la filière industrielle, y compris via la commande publique ;
La poursuite des engagements en matière d’IA de confiance et de frugalité ;
L’adaptation des formations et de la formation continue ;
L’accélération de l’adoption par les entreprises, avec diffusion des cas d’usage ;
Le renforcement de l’accès à la donnée et de sa protection ;
Une articulation renforcée avec les politiques sur les composants et l’énergie ;
La transformation des administrations via l’IA et des mécanismes incitatifs.
IA et santé : des investissements structurants, mais un pilotage à consolider
La stratégie nationale pour l’IA place la santé parmi les secteurs les plus concernés par les usages de l’IA. Par exemple le cluster PRAIRIE-PSAI, au sein de l’Université Paris Sciences et Lettres, se concentre sur la santé, la société et les humanités digitales. Son budget s’élève à 75 millions d’euros, incluant des apports privés issus d’entreprises comme GE Healthcare. Le programme encourage la coopération entre chercheurs, ingénieurs et acteurs du secteur, tandis que certains pôles IA nouent des partenariats industriels et hospitaliers pour développer des projets translationnels. Le rapport insiste sur l’adaptation des formations pour intégrer les usages de l’IA dans les pratiques médicales, la prévention, le diagnostic, le suivi des pathologies ou encore le développement de thérapies. Il souligne aussi la nécessité de revoir les contenus pédagogiques destinés aux médecins et autres professionnels de santé pour accompagner les transformations liées à l’IA. Le dispositif Compétences et métiers d’avenir vise l’évolution des compétences dans les secteurs jugés prioritaires, comme la santé.
L’intégration de l’IA dans les processus hospitaliers est identifiée comme un chantier encore peu structuré. Le rapport prévoit un accompagnement des établissements et des professionnels pour accélérer une adoption conforme aux normes éthiques et réglementaires. La formation continue et l’adaptation des pratiques face aux évolutions technologiques sont mises en avant.
Le rapport appelle aussi à renforcer l’intégration du secteur santé dans la politique publique de l’IA en s’appuyant sur un réseau d’acteurs publics, privés et académiques. Parmi les recommandations figurent le pilotage intersectoriel, l’amélioration des infrastructures de calcul au service de la recherche en santé numérique et le soutien à l’innovation industrielle autour des solutions d’IA. Il insiste également sur l’accompagnement des transformations professionnelles et sur l’anticipation des compétences nécessaires pour répondre aux évolutions rapides du secteur.
Les technologies médicales regroupent dispositifs médicaux, diagnostics in vitro et outils numériques mobilisés tout au long du parcours de soins. Plus de 2 millions de technologies sont classées dans plus de 7 000 groupes génériques, utilisées à l’hôpital, en soins de ville ou à domicile. Elles comprennent consommables, implants, équipements d’imagerie, fauteuils roulants, tests génétiques ou applications de santé.
Réglementation : un encadrement intégral fondé sur le risque
Le secteur est désormais régi par deux règlements européens :
Règlement 2017/746/EU sur les IVD, qui classe les tests en quatre catégories (A à D). Les catégories C et D représentent 30% des solutions, soumises à un contrôle renforcé via les organismes notifiés.
Règlement 2017/745 sur les dispositifs médicaux, en vigueur depuis 2021, qui classe les dispositifs en quatre classes (I, IIa, IIb, III) selon leur impact potentiel sur la santé.
Ce système détermine les obligations pré- et post-commercialisation et la surveillance continue.
Les dépôts medtech triplent en vingt ans et surpassent pharmacie et biotech
Les produits affichent un cycle moyen de 18 à 24 mois. Le taux d’investissement mondial en R&D atteint environ 8% du chiffre d’affaires. En 2024 :
15 701 demandes de brevets ont été déposées dans le domaine du medtech auprès de l’EPO, soit 7,9% de toutes les demandes.
40,5% proviennent de pays EPO, 38,2% des États-Unis.
Le taux de délivrance atteint 70,1%, nettement supérieur à ceux observés en pharmacie (36%) et en biotechnologie (22%). Sur vingt ans, les dépôts medtech ont triplé, contrairement aux deux autres secteurs, restés stables.
Montée en puissance en Europe :
Les solutions numériques progressent grâce à la convergence technologique, aux données en vie réelle et aux besoins organisationnels.
Allemagne
59 DiGA remboursées.
Plus d’1 million de prescriptions depuis 2020.
85% d’utilisation et 234 millions d’euros de dépenses d’assurance maladie.
Large répartition des solutions par indications.
France
Le financement national de la télésurveillance repose sur 25 codes marque et 50 codes génériques.
Le dispositif PECAN couvre trois solutions en oncologie, rééducation et physiothérapie.
Belgique
Lancement officiel du remboursement des solutions m-health en 2025 ; huit solutions prises en charge.
L’étude souligne qu’un cadre politique stabilisé, la régulation adaptée et l’investissement dans l’innovation conditionnent la poursuite du déploiement numérique.
930 000 emplois et un tissu majoritairement composé de PME
Le secteur mobilise plus de 930 000 salariés. Les pays les plus représentés sont :
Allemagne : 212 100
Italie : 117 607
Royaume-Uni : 117 200
France : 84 000
Suisse : 71 700
Le secteur représente 0,34% de l’emploi européen et génère une valeur ajoutée estimée à 183 000 € par poste. Le poids des PME (90%), souvent des structures de moins de 50 salariés, caractérise un tissu industriel dense et dispersé.
Dépenses et poids économique
Les dépenses de santé représentent 10% du PIB européen, dont 7,7% pour les technologies médicales, soit moins de 1% du PIB. Les dépenses medtech par habitant atteignent 319 euros en moyenne, avec des écarts de 5% à 12% selon les pays. Les dispositifs médicaux représentent 7,1% de la dépense, les diagnostics in vitro 0,6%.
Un marché européen de 170 milliards d’euros
Estimé à 170 milliards d’euros en 2024, le marché medtech européen est le second mondial (26,4% du marché global), derrière les États-Unis. Les cinq premiers marchés sont :
Allemagne (25,2%)
France (12,8%)
Royaume-Uni (11,9%)
Italie (11,7%)
Espagne (6,1%)
Le marché croît en moyenne de 6% par an depuis dix ans, avec une forte volatilité lors de la crise économique de 2009 et durant la pandémie. Pour le segment IVD, la croissance moyenne est de 4,3% depuis dix ans, avec un pic de 40% en 2021 lié à la COVID-19 avant un retour à un niveau plus habituel.
Commerce extérieur : un excédent réduit mais positif
L’Europe affiche un excédent commercial de 5 milliards d’euros en 2024, diminué par une hausse des importations. Principaux partenaires à l’export :
États-Unis (41,1%)
Chine (10,3%)
Japon (5%)
Mexique (2,4%)
À l’import, les États-Unis représentent 46% du marché, suivis de la Chine (14,7%). L’Irlande, l’Allemagne, les Pays-Bas et la Suisse demeurent les pays les plus excédentaires.
L’association réunit les industriels du dispositif médical, du diagnostic, de la santé numérique et les associations nationales. Elle produit chaque année ce rapport, fondé sur des données consolidées provenant de l’EPO, Eurostat, Fitch Solutions, EFPIA, OMS et enquêtes internes.
Les participants à l’atelier soulignent la nécessité de passer d’un modèle curatif à une approche fondée sur la prévention personnalisée, permise par l’IA. L’objectif consiste à exploiter des données hétérogènes — imagerie, biologie, génomique, données comportementales issues des objets connectés — afin de modéliser des trajectoires individuelles de santé. Cette stratégie vise à quantifier les risques personnels et à proposer des interventions adaptées avant l’apparition des symptômes. Les exemples internationaux cités lors de l’atelier illustrent cette dynamique :
Le NHS britannique déploie des systèmes d’IA pour renforcer le dépistage,
L’Allemagne a instauré un cadre de remboursement pour les applications de santé prescrites,
Tandis que l’Estonie s’appuie sur un dossier médical unifié pour développer une médecine prédictive nationale.
Axe 1 — Industrialiser les bilans prédictifs multi-sources
L’ambition est d’intégrer dans la pratique de routine des analyses avancées interprétées par l’IA.
Chaîner les données pour détecter les signaux faibles : Les contributeurs appellent à créer les conditions permettant de relier imagerie, biologie et questionnaires de vie. Les algorithmes doivent faciliter l’identification de signaux précoces et de corrélations difficiles à repérer manuellement.
Étendre les usages de la pharmacogénétique : L’analyse pharmacogénétique générale permettrait d’anticiper la réponse d’un individu aux traitements préventifs ou curatifs et d’ajuster les prescriptions.
Intégrer génome et épigénome : L’accès à l’analyse du génome actionnable et à l’évaluation de l’épigénome fournirait des informations complémentaires pour évaluer les risques et orienter les plans de prévention.
Axe 2 — Co-construire des parcours de prévention personnalisés
Une fois les risques identifiés, l’IA doit devenir un outil d’aide à la décision et de suivi pour structurer des parcours individualisés.
Une application ciblée pour les 45-65 ans : Les participants proposent de développer une application permettant d’intégrer un questionnaire de vie et un bilan sanguin, puis de restituer une estimation de risque simplifiée ainsi que des recommandations adaptées.
Exploiter le phénotypage digital : Les données passives issues des smartphones et objets connectés — mobilité, voix — pourraient enrichir la modélisation des risques et aider au repérage précoce de maladies neurodégénératives.
Labelliser les IA conversationnelles : Face à l’usage croissant des IA génératives par les citoyens, une procédure de labellisation est recommandée pour sécuriser les conseils de prévention délivrés par ces outils.
Axe 3 — Rééquilibrer, dans les territoiers, l’accès aux soins grâce à l’IA
Dans les zones sous-denses, l’IA est considérée comme un levier pour optimiser l’orientation et la pertinence des prises en charge.
Déployer des outils de triage en première ligne : L’atelier suggère d’équiper les pharmaciens d’applications de télé-expertise intégrant des algorithmes, notamment pour analyser des lésions cutanées avant transmission à un dermatologue.
Mobiliser des LLM pour la gestion amont des rendez-vous : Des modèles de langage pourraient qualifier la demande du patient via questionnaire et orienter vers le professionnel adéquat afin d’alléger les cabinets.
Standardiser les questionnaires pré-consultation : L’analyse automatisée de questionnaires transmis avant la visite médicale offrirait au praticien une synthèse structurée, accélérant le diagnostic et la consultation.
Prérequis techniques et éthiques
Plusieurs conditions sont jugées indispensables par les participants :
Interopérabilité et souveraineté : décloisonner Mon Espace Santé, le SNDS et les logiciels hospitaliers, tout en garantissant une maîtrise nationale des infrastructures et des modèles.
Validation et transparence : assurer une évaluation clinique rigoureuse des modèles et prévenir les biais.
Engagement par la preuve : démontrer au citoyen l’utilité du partage de données, notamment via l’implication des associations de patients.
Trois chantiers prioritaires identifiés
Piloter “Bilan Prédictif 2030” : un projet intégrant pharmacogénétique générale et bilan sanguin interprété par une IA labellisée, ciblant les 45-65 ans, avec évaluation coût-efficacité.
Structurer un agrégateur de données dans Mon Espace Santé : définir des standards d’interopérabilité pour intégrer données d’applications, objets connectés et plateformes privées.
Créer un cadre de financement pour le triage par IA : soutenir le remboursement des actes réalisés en première ligne, sous condition de validation par la HAS.
Vers un système de santé préventif et piloté par la donnée
Les échanges font émerger une ambition commune : déployer une IA maîtrisée afin de passer d’un système centré sur la maladie déclarée à une stratégie d’anticipation. Un second atelier prévu lors de la 8ᵉ édition du Sommet AI for Health, dans le cadre d’Adopt AI les 25-26 novembre, doit préciser le plan d’action.
L’examen d’un frottis sanguin au microscope reste un geste essentiel en hématologie : il permet de repérer des signes d’infection, d’anémie ou de dépister des cancers comme les leucémies. Mais cette lecture dépend de l’expérience des spécialistes et du matériel utilisé, ce qui peut entraîner des variations d’un laboratoire à l’autre. Jusqu’ici, la plupart des outils d’IA apprenaient surtout à distinguer des catégories bien définies de cellules. Une approche efficace pour des tâches simples, mais peu adaptée pour repérer des formes vraiment atypiques, pour s’adapter à d’autres microscopes ou pour signaler lorsque le modèle manque d’information. Les chercheurs explorent désormais des méthodes capables de comprendre plus finement l’apparence réelle des cellules.
Apprendre à quoi ressemblent réellement les cellules sanguines
Les chercheurs ont donc conçu CytoDiffusion, un modèle d’IA générative capable d’apprendre directement l’apparence des cellules sanguines en produisant lui-même des images très proches de celles observées au microscope. Contrairement aux algorithmes classiques, qui apprennent essentiellement à séparer des catégories prédéfinies, ce modèle apprend à quoi ressemblent réellement les cellules sanguines en générant lui-même des images très proches de celles observées au microscope. Pour l’entraîner, l’équipe s’est appuyé sur un vaste jeu de données constitué à l’hôpital Addenbrooke de Cambridge : plus de 500 000 images de cellules extraites de frottis sanguins, dont un sous-ensemble a été annoté par des hématologues avec un système indiquant également leur niveau de confiance. Plusieurs bases d’images publiques issues d’autres centres ont complété cet ensemble et permis de tester le modèle dans des conditions très différentes (autres microscopes, autres caméras, autres colorations).
CytoDiffusion a ensuite été comparé à 2 modèles d’IA couramment utilisés en imagerie médicale. Les auteurs ne se sont pas limités à mesurer son taux de réussite : ils ont évalué aussi sa capacité à gérer l’incertitude, à repérer les images vraiment atypiques ou les cellules rares, et à rester performant même quand très peu d’exemples sont disponibles. Il s’est aussi penché sur les images explicatives générées par l’IA, qui montrent très concrètement quelles parties de la cellule ont guidé son verdict.
Résultats : très performant pour repérer les cellules anormales rares
Les images générées ressemblent énormément aux vraies. Dix hématologues ont tenté de distinguer de vraies images de celles générées par l’IA, parmi 2 880 clichés. Ils n’ont obtenu que 52 % de bonnes réponses — pratiquement le hasard.
Pour classer les cellules, l’IA fait aussi bien ou mieux que les modèles actuels. Sur plusieurs jeux d’images, ses performances sont au niveau des meilleurs algorithmes utilisés aujourd’hui. En conditions difficiles, avec très peu d’images en entrée, elle atteint 96 % de précision moyenne, contre 92 % pour les modèles classiques.
Le modèle sait indiquer quand il n’est pas sûr. Quand sa confiance baisse, le risque d’erreur augmente effectivement — ce qui n’est pas toujours le cas des autres IA.
Il détecte bien mieux les cellules anormales. Exposé à des cellules qu’il n’avait jamais vues (comme les blasts), CytoDiffusion en repère 90 %. Un modèle comparable n’en détecte que 28 %.
Il reste fiable même si les images viennent d’un autre microscope. Testé sur des images issues d’autres appareils ou colorations, il conserve jusqu’à 85 % de précision, contre environ 74 % pour un modèle classique.
Il montre clairement ce qui a guidé sa décision. Ses cartes explicatives mettent en avant les zones pertinentes de la cellule (noyau, granulations, cytoplasme), ce qui correspond à l’analyse des hématologues.
Une automatisation utile pour le triage des images
Un frottis sanguin contient des milliers de cellules — bien trop pour être examinées intégralement par un humain. « On ne peut pas tout regarder, ce n’est pas possible », prévient Simon Deltadahl, premier auteur de l’étude. « Notre modèle peut automatiser ce travail, traiter les cas courants et signaler les cellules inhabituelles à vérifier. »
Les résultats obtenus montrent qu’en effet CytoDiffusion pourrait devenir un outil de triage : les cas simples, identifiés avec une forte confiance, pourraient être traités rapidement, tandis que les images incertaines ou atypiques seraient confiées à un hématologue. La capacité du modèle à indiquer ses limites est un élément clé pour une collaboration sûre entre IA et spécialistes. « Quand nous avons vérifié sa précision, le système était légèrement meilleur que les humains », explique Simon Deltadahl. « Mais ce qui l’a vraiment distingué, c’est sa capacité à savoir quand il était incertain. Notre modèle ne se trompe jamais en étant sûr de lui — ce qui, parfois, arrive aux humains. »
La gestion de l’incertitude, un critère majeur
L’étude plaide également pour un changement de culture dans l’évaluation des IA médicales. Les auteurs écrivent qu’« une évaluation complète des modèles d’imagerie médicale devrait reposer sur plusieurs critères complémentaires », insistant sur la nécessité d’intégrer la robustesse, la gestion de l’incertitude et la détection d’anomalies dans les validations cliniques. À plus long terme, ils imaginent des modèles capables d’explorer plus finement la diversité réelle des cellules sanguines et de contribuer à une IA plus équitable en santé. Leur ambition est d’atteindre « une fidélité, une souplesse et une conscience métacognitive dépassant celles des humains » dans l’analyse des morphologies cellulaires. Reste à voir comment ces performances se traduiront dans les laboratoires, où les conditions d’imagerie et les pratiques varient considérablement.
* Deep generative classification of blood cell morphology.
Les résultats sont agrégés et présentés sans données individuelles par territoire (France, régions, départements) par catégorie d’établissement et par statut juridique (public, privé sans but lucratif, privé commercial). La base comporte les données des trois derniers exercices comptables achevés : 2022, 2023 et 2024. Elle est présentée sous trois approches :
Ensemble : avec une catégorisation par type d’établissement ;
La base établissement : par type de public (PA, PH, PA/PH), par catégorie d’ESMS et par région ;
La base dossier : par région ou statut juridique, tous publics et types d’établissements confondus.
Les données de la base sont exploitées au travers d’une dizaine d’indicateurs financiers, en particulier :
Le taux de capacité d’autofinancement (CAF) : capacité d’autofinancement / total des recettes ;
Le taux de marge brute d’exploitation (MBE) : excédent brut d’exploitation (EBE) / total des recettes ;
Le taux de résultat net : résultat net / total des recettes.
La restitution s’effectue par tableau statistique et par histogramme. Les résultats statistiques sont présentés autour de la médiane, du premier et du dernier déciles (D1 et D9), du premier quartile Q1 (valeur en-dessous de laquelle se situent 25% des établissements ayant les indicateurs financiers les plus faibles) et du 3ème quartile Q3 (valeur au-dessus de laquelle se situent 25% des établissements ayant les indicateurs les plus élevés).
Zoom sur la situation financière des Ehpad
Concernant une catégorie d’établissement, par exemple les Ehpad, les données du portail permettent de les présenter selon différents critères. Cela permet d’illustrer les ressources du portail et les restitutions possibles en fonction des statistiques financières.
Les situations financières inégales selon le caractère lucratif ou non des Ehpad
Le taux de MBE, qui est un indicateur de la santé financière, diffère selon le statut juridique : l’extraction de données correspondante qui figure dans le tableau joint établit un taux d’EBE médian pour tous les Ehpad de 2,4% en 2024, mais de 4,3% pour le privé commercial, de 1,9% pour le privé non lucratif et de 1,8% pour le public.
Ehpad : taux de MBE selon le statut juridique
Base établissement / Statut juridique
Année :
2023
Indicateur :
Taux de marge brute d’exploitation
Type de public :
PA
Statut juridique
Nb
D1
Q1
Médiane
Q3
D9
Total – Périmètre sélectionné
6548
-8.2 %
-2.7 %
2.4 %
6.9 %
11.1 %
France – Privé commercial
1688
-11.5 %
-2.1 %
4.3 %
9.4 %
13.6 %
France – Privé non lucratif
2217
-7.5 %
-2.7 %
1.9 %
6.3 %
10.2 %
France – Public
2643
-7.5 %
-2.8 %
1.8 %
5.8 %
9.7 %
Privé commercial
1688
-11.5 %
-2.1 %
4.3 %
9.4 %
13.6 %
Privé non lucratif
2217
-7.5 %
-2.7 %
1.9 %
6.3 %
10.2 %
Public
2643
-7.5 %
-2.8 %
1.8 %
5.8 %
9.7 %
Les disparités régionales
Le même ratio financier de taux de MBE selon les régions fait ressortir une médiane assez uniforme autour de la valeur moyenne de 3,4% ; la dispersion des résultats permet de discerner les situations particulières, comme en Corse ou en Guadeloupe.
Ehpad : taux de MBE par région
Base établissement / Région
Année :
2024
Indicateur :
Taux de marge brute d’exploitation
Type de public :
PA
Région
Nb
D1
Q1
Médiane
Q3
D9
France
6144
-7.3 %
-1.3 %
3.4 %
8.0 %
11.8 %
Total – Périmètre sélectionné
6144
-7.3 %
-1.3 %
3.4 %
8.0 %
11.8 %
Auvergne-Rhône-Alpes
819
-7.7 %
-1.7 %
2.8 %
7.0 %
10.7 %
Bourgogne-Franche-Comté
317
-9.3 %
-2.1 %
2.9 %
7.1 %
11.5 %
Bretagne
389
-4.9 %
-1.0 %
2.3 %
6.2 %
9.5 %
Centre-Val-de-Loire
226
-5.5 %
0.1 %
5.9 %
10.6 %
14.8 %
Collectivité de Corse
27
-25.5 %
-6.2 %
2.1 %
5.4 %
13.4 %
Collectivités d’Outre-Mer
1
NC
NC
NC
NC
NC
Grand-Est
473
-5.9 %
-1.2 %
3.8 %
8.1 %
11.6 %
Guadeloupe
15
-13.6 %
-5.0 %
2.8 %
8.9 %
11.3 %
Hauts-de-France
459
-7.5 %
-1.6 %
3.1 %
7.4 %
11.2 %
Île-de-France
643
-10.8 %
-2.3 %
3.9 %
8.8 %
13.0 %
La Réunion
15
-3.1 %
0.2 %
4.4 %
9.7 %
11.8 %
Martinique
8
-6.4 %
2.0 %
4.3 %
5.9 %
7.3 %
Normandie
312
-5.6 %
-0.8 %
3.1 %
7.7 %
11.0 %
Nouvelle-Aquitaine
773
-7.2 %
-1.4 %
3.4 %
7.9 %
11.4 %
Occitanie
683
-4.0 %
0.5 %
4.8 %
8.6 %
11.9 %
Pays-de-la-Loire
460
-5.8 %
-0.1 %
4.3 %
9.1 %
12.3 %
Provence-Alpes-Côte d’Azur
524
-11.3 %
-3.2 %
3.1 %
8.1 %
12.1 %
Les Ehpad en difficultés
Les établissements dont le taux de déficit net est supérieur à 3% des recettes sont considérés par la CNSA comme étant en difficultés. En 2024, 30% des Ehpad étaient dans cette situation, en amélioration par rapport à 2023 (33%). Cela apparaît clairement dans le tableau à la lecture du premier quartile, dans lequel 25% des établissements avaient en moyenne un déficit d’au moins 4,6% et 10% d’au moins 10,2% de leurs recettes.
Ehpad : taux de résultat net 2024
Base établissement / Région
Année :
2024
Indicateur :
Taux de résultat net
Type de public :
PA
Région
Nb
D1
Q1
Médiane
Q3
D9
France
6144
-10.2 %
-4.6 %
-0.2 %
3.0 %
7.0 %
Total – Périmètre sélectionné
6144
-10.2 %
-4.6 %
-0.2 %
3.0 %
7.0 %
Auvergne-Rhône-Alpes
819
-9.9 %
-4.9 %
-0.7 %
2.4 %
6.7 %
Bourgogne-Franche-Comté
317
-13.2 %
-5.8 %
-1.4 %
2.0 %
6.7 %
Bretagne
389
-6.3 %
-3.5 %
-0.3 %
2.5 %
5.6 %
Centre-Val-de-Loire
226
-8.3 %
-3.4 %
0.0 %
4.4 %
8.2 %
Collectivité de Corse
27
-23.3 %
-9.9 %
0.2 %
4.0 %
8.9 %
Collectivités d’Outre-Mer
1
NC
NC
NC
NC
NC
Grand-Est
473
-8.4 %
-4.7 %
-0.3 %
2.9 %
6.0 %
Guadeloupe
15
-4.6 %
-2.2 %
0.1 %
1.9 %
6.4 %
Hauts-de-France
459
-10.4 %
-4.9 %
-0.7 %
3.5 %
7.5 %
Île-de-France
643
-14.6 %
-6.2 %
-0.3 %
3.4 %
8.3 %
La Réunion
15
-8.0 %
-4.9 %
-0.4 %
2.9 %
4.8 %
Martinique
8
-0.8 %
0.5 %
1.5 %
3.3 %
4.9 %
Normandie
312
-8.7 %
-4.6 %
-0.7 %
2.8 %
8.2 %
Nouvelle-Aquitaine
773
-9.9 %
-4.2 %
-0.4 %
2.8 %
6.6 %
Occitanie
683
-7.3 %
-2.8 %
0.2 %
3.3 %
6.7 %
Pays-de-la-Loire
460
-7.8 %
-3.8 %
0.0 %
2.3 %
5.5 %
Provence-Alpes-Côte d’Azur
524
-14.4 %
-5.5 %
0.2 %
3.8 %
8.3 %
La même méthode d’analyse s’applique à toutes les catégories d’établissements ou services médicosociaux.
L’IA dépasse 94% de précision pour prédire le diabète en soins primaires
La multiplication des données de santé, issues de la biologie, de l’imagerie et des capteurs, ouvre de nouvelles perspectives pour la prédiction du diabète. L’IA exploite ces flux d’informations pour identifier précocement les patients à risque et ajuster les stratégies de prévention. En août 2024, une synthèse publiée dans The Lancet Diabetes & Endocrinology décrit le potentiel des réseaux neuronaux et des techniques d’apprentissage profond dans la détection du diabète de type 1 et de type 2. En soins primaires, les modèles d’IA prévoient la survenue d’un diabète avec une précision supérieure à 94 %, dépassant les modèles statistiques traditionnels. Des études chinoises et américaines ont testé de nouvelles modalités de dépistage à partir d’images de la langue, du visage ou de signaux biométriques tels que la photopléthysmographie et l’électrocardiogramme. Le modèle DiabDeep, développé à l’Université de Princeton, a atteint une exactitude de 96,3 % pour distinguer patients diabétiques et non diabétiques. En 2024, une étude canadienne publiée dans Scientific Reports a exploré l’analyse de la voix par IA, révélant des variations corrélées à la glycémie.
L’IA affine la classification du diabète en 5 sous‑types et 7 profils DT1
L’intelligence artificielle permet également une stratification plus fine des formes de diabète et du prédiabète. Des approches de clustering et d’apprentissage supervisé relient profils biocliniques, dynamiques glycémique et risques, avec des perspectives de traitements ciblés. Une cohorte suédoise de 8 980 patients récemment diagnostiqués a permis, dès 2018, d’identifier cinq clusters à partir d’anticorps anti‑GAD, âge, IMC, HbA1c et HOMA. L’algorithme a distingué SAID, SIDD, SIRD, MORD et MARD, avec des trajectoires et risques de complications différenciés dès le diagnostic. Cette classification propose une orientation thérapeutique plus précise que la répartition binaire, en intégrant auto‑immunité, déficit insulinique, résistance à l’insuline, obésité et âge.
Prédiction des valeurs, personnalisation du traitement, assistance nutritionnelle : de nouveaux outils pour la prise en charge du diabète
Ces études permettent de développer des solutions d’IA et d’améliorer la prise en charge du diabète en intégrant capteurs, algorithmes prédictifs et outils de suivi à distance. Les technologies modifient la pratique médicale et l’autonomie des patients. La gestion du diabète implique un contrôle constant de la glycémie et une administration adaptée de l’insuline. Les algorithmes d’IA optimisent ces paramètres par l’analyse continue de données issues de dispositifs connectés, ce qui facilite la régulation et la prévention des complications.
Cibles des solutions d’IA appliquées au diabète :
Diminution du temps hors cible : Des modèles issus des systèmes de surveillance continue du glucose (CGM) et dossiers médicaux prédisent les variations glycémiques jusqu’à 3 heures, avec bonne sensibilité et spécificité pour l’hypoglycémie. L’intégration au suivi permet ajustements proactifs des doses, planification de l’activité et gestion des repas.
Pancréas artificiel et prédiction : Les systèmes associent pompe, CGM et algorithme pour maintenir la glycémie dans la cible. Les AID ajustent la basale toutes les 5–10 minutes, appliquent des corrections et suspendent en cas de risque d’hypoglycémie. Un CGM avancé alerte jusqu’à 1 heure avant. Un pancréas bionique basé sur le poids supprime la saisie des glucides et, à 13 semaines, réduit l’HbA1c de 0,6 point et augmente le temps dans la cible d’environ 11%.
Alimentation, activité, glycémie : La reconnaissance d’images automatise le comptage des glucides. Le coaching avec IA adapte conseils nutritionnels, rappels et observance. Les applications combinent glycémie et habitudes de vie pour des recommandations personnalisées, avec chatbots nutritionnels pour des menus adaptés.
Détection des anomalies en temps réel (ex : rétinopathie diabétique) : Les dispositifs connectés analysent en continu les données, déclenchent des alertes et soutiennent le triage. Des systèmes diagnostiquent précocement la rétinopathie par analyse d’images rétiniennes.
Néphropathie diabétique : Des modèles combinant données cliniques et imagerie rétinienne dépassent les scores rénaux classiques. Une étude multicentrique 2024 sur >26 000 images ultra grand‑angle montre une meilleure détection, y compris avec images de moindre qualité.
DTx et IA : de nouvelles approches pour le suivi personnalisé du diabète
Plusieurs entreprises proposent des thérapies digitales dédiées à la prise en charge du diabète. Ces solutions, mêlent données issues des capteurs, algorithmes prédictifs et outils de télésuivi, pour renforcer l’autonomie des patients et améliorer les modèles de soins.
Les thérapies digitales (DTx) s’imposent progressivement dans la gestion du diabète. Ces DTx associent montres connectées, capteurs et applications mobiles pour accompagner les patients diabétiques de type 1 ou 2 dans le suivi de leur glycémie. Certaines entreprises exploitent les bénéfices de l’intelligence artificielle afin d’anticiper les fluctuations glycémiques. C’est le cas de l’application Hillo, qui synchronise les données issues de la pompe à insuline, du capteur de glycémie et du traqueur d’activité. D’autres, comme Oviva (DTx développé par Oviva AG) utilise l’IA pour fournir des recommandations d’alimentation personnalisées et adaptées aux patients diabétiques.
Autre solution SPUR, d’Observia, un outil numérique fondé sur les sciences comportementales qui permet d’évaluer l’adhésion thérapeutique des patients. Il établit des profils comportementaux à partir de quatre dimensions et treize facteurs influençant l’observance. Cette approche prédictive aide à identifier les risques de non-adhérence et à formuler des recommandations personnalisées. SPUR est utilisé en recherche, en clinique et dans l’amélioration de l’expérience patient.
De l’autosurveillance au dépistage : l’IA redessine le suivi du diabète
Les outils d’autosurveillance constituent la catégorie la plus représentée après les DTx. Des solutions recensées permettent de digitaliser le carnet d’autosurveillance traditionnel. Des acteurs comme Cubesoft avec DiabetoLog ou Beato proposent des interfaces combinant carnet de bord, glucomètre et suivi des apports en glucides. Ces dispositifs favorisent un suivi autonome du diabète. En complément, sept solutions de télésurveillance permettent un encadrement à distance supervisé par des équipes médicales. Teladoc Health, via son outil Livongo, intègre accompagnement personnalisé et recommandations thérapeutiques. Medtronic utilise l’IA pour anticiper les déséquilibres glycémiques. La prévention des complications et le diagnostic précoce sont des usages appliqués au diabète. Des dispositifs dotés de fonctions de mesure et d’analyse contribuent par exemple à détecter les complications et pathologies associées, notamment dans les maladies oculaires. E-ophtalmo déploie une plateforme de télé-expertise dédiée au dépistage de la rétinopathie diabétique, pathologie fréquente chez les patients de longue durée. Aussi, Odysight (Tilak Healthcare) permet de suivre, via une application mobile, le suivi des maladies rétiniennes. La technologie intègre des tests visuels (acuité, grille d’Amsler) et un algorithme qui mesure par exemple la distance oeil-écran. Le système alerte les médecins et ophtalmologues en cas de baisse visuelle. Un tableau de bord permet de suivre l’évolution.
Solutions pour : le dépistage et l’imagerie rétinienne
La solution EviRed avec l’AP‑HP–Fondation Rothschild pour optimiser le tri et la priorisation des patients en ophtalmologie
Le dépistage assisté par IA structure un flux de lecture standardisé et rapide des imageries rétiniennes, avec des algorithmes entraînés sur photographies fond d’œil, ultra grand champ et OCT‑A. Des établissements hospitaliers français, dont Lariboisière (AP‑HP), la Fondation Rothschild, la Pitié‑Salpêtrière et le CHU de Bordeaux, se positionnent sur des projets combinant classification, tri et prédiction d’évolution de la rétinopathie diabétique, afin d’orienter le suivi et d’optimiser les rendez‑vous en ophtalmologie.
EviRed, dans sa déclinaison projet conduite avec des équipes de l’AP‑HP et de la Fondation Rothschild, fusionne caractéristiques visuelles multi‑modalités et données cliniques pour produire une évaluation de risque évolutif. L’usage attendu en service vise un tri plus efficace des patients, une priorisation adaptée aux profils à risque, une réduction des visites non nécessaires et une aide à la décision pour les praticiens. Les sites mentionnés ancrent le projet dans des conditions réelles de soins avec des volumes d’images validées et un objectif de déploiement territorial.
OphtAI déploie une détection IA de la rétinopathie diabétique et d’autres atteintes rétiniennes, avec des références au CHU de Brest et à la Clinique Honoré Cave. L’ambition porte sur un dépistage plus précoce, une diminution des coûts d’un diagnostic manuel et une accélération de l’analyse, afin d’augmenter la capacité de prise en charge. L’assistance à la décision complète la chaîne du dépistage au suivi. Les bénéfices observés dans cette catégorie concernent l’augmentation de la capacité de screening et la réduction du temps d’analyse, l’anticipation de l’évolution des lésions et le tri par niveau de risque. La continuité domicile‑hôpital progresse via la télésurveillance visuelle (Odysight) tandis que des projets de très haute résolution (RetiCell) et des estimations de risque cardio‑vasculaire à partir d’images rétiniennes (THEIA/CLAiR) élargissent les usages au‑delà de l’ophtalmologie stricto sensu.
Solutions pour : les boucles hybrides et l’insulinothérapie
Les solutions connectées Medtronic et Axodiab optimisent la gestion du diabète
Les systèmes d’administration d’insuline couplés au suivi glycémique en continu automatisent une partie des décisions grâce à des algorithmes adaptatifs. L’objectif est de personnaliser la délivrance d’insuline, de lisser les fluctuations glycémiques et de réduire la charge mentale liée à l’autogestion, tout en facilitant la coordination entre patient, équipe d’éducation thérapeutique et spécialistes.
La MiniMed 780G de Medtronic combine pompe, CGM et algorithme SmartGuard pour ajuster l’insuline toutes les cinq minutes avec une cible paramétrable jusqu’à 100 mg/dL. Des bénéfices attendus incluent un temps dans la cible, moins d’hyper et d’hypoglycémies, ainsi qu’un allègement du quotidien pour les patients et leurs aidants.
Axodiab, orientée vers les professionnels en diabétologie, soutient la gestion des patients DT2 sous schéma basal‑bolus, avec une collaboration au CHU de Reims pour l’interprétation experte à distance. La solution vise une organisation plus structurée des parcours multi‑injections et une articulation plus fluide entre équipes de terrain et expertise spécialisée. Les bénéfices résident dans l’automatisation sécurisée et la personnalisation thérapeutique, traduites par des gains d’indicateurs glycémiques et une réduction de l’effort cognitif sur la gestion quotidienne. L’intégration aux dispositifs connectés et la remontée de données en temps quasi réel favorisent les ajustements rapides et la continuité de prise en charge entre ville et hôpital.
Solutions pour : les thérapies numériques et l’observance
SPUR et Smart Reports améliorent l’adhésion et l’autogestion thérapeutique en diabétologie
Les solutions numériques thérapeutiques et les outils d’observance se concentrent sur l’éducation, l’accompagnement et la personnalisation des recommandations, appuyés par des moteurs ML/NLP et l’intégration de données cliniques et comportementales. L’enjeu est d’améliorer l’adhésion, de rendre les messages médicaux actionnables, et de fournir aux soignants des informations exploitables dans le temps contraint de la consultation.
SPUR d’Observia propose un profilage de l’adhérence à partir de quatre dimensions et treize facteurs, afin d’estimer le risque de non‑adhérence et de générer des recommandations ciblées pour réduire les abandons et améliorer l’alignement entre prescriptions et comportements quotidiens.
Smart Reports de Medicus AI interprète des résultats de laboratoire et fournit des explications adaptées au patient grâce à un moteur cardio‑métabolique et à une intégration via API/SDK côté laboratoire. Les effets recherchés couvrent une meilleure compréhension, et un engagement plus fort. Les bénéfices de la catégorie portent sur la réduction des coûts de non‑adhérence, l’amélioration de l’autogestion et la traduction de données techniques en informations utilisables. Les portails cliniciens et les rapports structurés facilitent la décision et resserrent la relation soignant‑patient.
Solutions pour : la télésurveillance et le suivi à domicile
Odysight permet un suivi à domicile avec alertes patient‑médecin et dashboard
La télésurveillance rend possible un suivi fréquent et standardisé des paramètres fonctionnels ou des trajectoires cliniques, avec alertes et tableaux de bord pour les équipes. Elle vise une détection précoce des dégradations et une meilleure préparation des rendez‑vous.
Odysight propose des tests visuels à domicile pour pathologies rétiniennes, avec contrôle automatisé de la distance œil‑écran et de la luminosité, notifications vers le patient et l’ophtalmologiste, et un tableau de bord médical. Une étude citée (TIL‑002) documente la concordance des mesures avec les standards ETDRS, et la solution est présentée en classe I.
SOPHIA Weight Trajectory Predictor, développé autour de cohortes du CHU de Lille et de validations multi‑sites, calcule une courbe personnalisée de perte de poids sur soixante mois après chirurgie bariatrique à partir de sept variables préopératoires. L’outil accessible en ligne soutient la préparation et le suivi, en ciblant les écarts de trajectoire qui signalent un besoin d’ajustement clinique. Les bénéfices de la catégorie incluent un passage d’actes ponctuels à une observation continue, un repérage plus précoce des signaux faibles et une priorisation plus fine des ressources. La coordination domicile‑hôpital gagne en efficacité grâce aux notifications automatisées et à la visualisation de tendances utilisables en consultation.
Solutions pour : la prévention et le dépistage populationnels
Colive Voice analyse la voix pour repérer le DT2
Les approches de prévention et de dépistage à large échelle exploitent des modalités non invasives ou peu contraignantes, afin d’identifier précocement des sujets à risque métabolique et cardio‑vasculaire. L’objectif est de réduire les barrières d’accès, le coût unitaire de dépistage et les délais d’orientation vers le diagnostic et le soin.
Colive Voice s’appuie sur des biomarqueurs vocaux et des algorithmes d’apprentissage pour un dépistage du DT2 non invasif, avec un ancrage au Luxembourg Institute of Health. L’usage visé concerne des populations larges et des contextes où l’accessibilité des examens classiques est limitée, pour une première stratification des risques.
THEIA/CLAiR, déployé au Middlemore Eye Hospital (Auckland), automatise, en quelques secondes, l’analyse rétinienne pour signes de diabète et propose une estimation du risque cardio‑vasculaire à cinq ans. Les effets attendus incluent une hausse de la capacité de screening et une réduction des coûts de main‑d’œuvre, avec un positionnement à l’interface entre ophtalmologie et prévention cardio‑métabolique. Les bénéfices de la catégorie se matérialisent par des trajectoires de soins plus courtes entre repérage et confirmation diagnostique, un tri précoce des individus à haut risque et une meilleure allocation des capacités cliniques. La complémentarité avec les chaînes d’imagerie et de télésurveillance renforce l’efficacité populationnelle des parcours.
Selon le baromètre mené auprès de 608 professionnels de santé de la communauté PulseLife, 56% utilisent une IA généraliste dans leur activité, dont 62% des médecins et 65% dans les déserts médicaux. L’usage est devenu fréquent : 81% y recourent chaque semaine, 23% quotidiennement, 27% dans les zones sous-dotées. Cette adoption reste contrainte. L’enquête montre que 67% des répondants ont déjà obtenu des réponses fausses ou incomplètes et 94% se disent insatisfaits. “Les soignants ne sont pas naïfs : ils utilisent les IA génératives comme ChatGPT parce qu’il n’existe pas encore d’alternative clinique fiable”, souligne le Dr Grégoire Pigné, fondateur de PulseLife.
l’IA générative s’impose faute de mieux
Les inquiétudes se concentrent sur l’absence de validation scientifique (57%), le manque de cadre légal et éthique (39%), le risque de dépendance (31%) et le manque de transparence (31%). Seuls 19% n’expriment aucune réserve. Les professionnels identifient plusieurs critères prioritaires pour des outils dédiés à la médecine :
mise à jour continue et performance éprouvée (68%) ;
validation par des experts médicaux (66%) ;
transparence des sources et explicabilité (65%) ;
conformité RGPD et sécurisation de l’hébergement des données (56%).
Ils attendent également une intégration fluide dans leurs logiciels métiers et privilégient des solutions européennes, perçues comme plus adaptées aux enjeux de souveraineté et de protection des données. “Les professionnels de santé veulent des IA fiables, traçables et souveraines”, insiste le Dr Pigné.
Un impact croissant sur la relation patient-soignant
L’essor de l’autodiagnostic ressort nettement : 80% des médecins reçoivent des patients ayant consulté une IA avant leur rendez-vous, et 90% jugent ces autodiagnostics erronés ou incomplets. Les professionnels doivent alors consacrer du temps à expliquer, corriger et rassurer, ce qui peut allonger les consultations et retarder certains diagnostics.
Méthodologie
L’enquête a été menée du 15 septembre au 1er octobre 2025 via un questionnaire numérique diffusé auprès de la communauté PulseLife. Elle repose sur un échantillon de 608 professionnels de santé représentatifs de la population médicale française : 54% de médecins, 18% d’infirmiers et IPA, 6% de pharmaciens, 4% d’aides-soignants et 18% d’autres professions. Les questions portaient sur les usages actuels, les réticences, les attentes et les effets de l’autodiagnostic des patients.
