Automatisation, tri, planning : l’IA s’installe dans les rouages hospitaliers
C’est ce que montre une étude menée par PwC EU Services EEIG et Open Evidence pour la Direction générale de la santé et de la sécurité alimentaire (DG SANTE), sur la période janvier 2024 – mai 2025. L’intelligence artificielle commence à alléger certaines charges dans les établissements hospitaliers. Elle optimise le tri des patients, réduit les rendez-vous manqués et accélère l’analyse d’imagerie et d’anatomopathologie. Mais les usages les plus répandus concernent des outils à faible risque : automatisation de la documentation, gestion des plannings, ou encore prédiction des flux de patients. Les solutions génératives, comme les modèles de langage (LLM), suscitent un intérêt pour les tâches administratives, mais leur utilisation reste limitée dans les décisions cliniques en raison des hallucinations possibles et d’un déficit de confiance.
Des freins systémiques identifiés
Le rapport, fondé sur une méthodologie mixte (revue de littérature, entretiens, ateliers, études de cas, enquêtes), identifie quatre grandes catégories de freins au déploiement de l’IA dans les systèmes de santé européens :
Technologiques et liés aux données : interopérabilité, infrastructure IT, évaluation des performances locales, maintenance post-déploiement ;
Réglementaires et juridiques : complexité du cadre européen (AI Act, MDR, EHDS, PLD…), responsabilités, sécurité des données ;
Organisationnels et économiques : faibles mécanismes de financement, manque de stratégie, évaluation de la valeur ajoutée en conditions réelles ;
Sociaux et culturels : faible littératie numérique en santé, défiance, impact sur la relation soignant-patient.
À cela s’ajoute une complexité réglementaire croissante. Les établissements doivent composer avec le MDR, l’IVDR, le RGPD, l’AI Act, l’EHDS, entre autres cadres, ce qui freine la mise en œuvre à grande échelle au sein de l’Union européenne. Malgré un portefeuille de plus de 500 outils d’IA ayant obtenu un marquage CE ou une autorisation de la FDA, les hôpitaux européens n’en déploient qu’une poignée. Le suivi post-déploiement reste rare, et l’alignement avec les processus locaux conditionne largement l’adhésion des professionnels de santé. Ces derniers expriment un intérêt pour l’IA, mais rappellent qu’elle n’a d’utilité que si elle s’intègre aux flux de travail existants et répond à des besoins spécifiques à leur environnement.
Des exemples internationaux à suivre
Certains usages d’IA sont déjà prêts à être déployés à large échelle, selon les professionnels interrogés : automatisation de tâches administratives, optimisation des flux patients, aide à la décision clinique. L’étude distingue ces cas d’usage « à court terme » des applications plus complexes (médecine personnalisée, diagnostic prédictif), envisageables à moyen ou long terme.
En Norvège, un hôpital a réduit de 100 jours les temps d’attente cumulés grâce à une IA de triage.
Aux États-Unis, un outil d’IA a fait chuter le temps d’affectation des lits aux urgences de 30 %.
Au Royaume-Uni, un outil de prédiction des rendez-vous manqués a permis de dégager 1 900 créneaux de consultation en 6 mois.
Des cas d’usage réussis aux États-Unis, en Israël et au Japon montrent l’importance d’une convergence entre financements, maturité numérique et régulation adaptée. Ces pays démontrent que l’efficacité de l’IA en santé repose autant sur l’écosystème que sur la technologie elle-même. En France, l’année 2025 marque un tournant, porté par une feuille de route nationale sur l’IA en santé, un financement dédié à la formation des soignants et le lancement de programmes comme IMPACT IA. Ces initiatives visent à créer un environnement propice à l’innovation responsable, en alignant les incitations financières avec les bénéfices cliniques et opérationnels.
L’étude alerte sur un décalage entre textes et terrain
l’UE doit renforcer l’accompagnement réglementaire de l’IA
L’étude souligne que l’adoption des textes européens majeurs encadrant l’IA (AI Act, EHDS, nouvelle directive PLD) est récente, et que leur appropriation reste incomplète parmi les parties prenantes. La nécessité d’un accompagnement à la conformité est jugée cruciale. Un atelier réglementaire a mis en lumière plusieurs lacunes : manque de clarté sur la classification des dispositifs d’IA, difficultés de mise en œuvre de l’AI Act dans les hôpitaux, et absence d’indicateurs de suivi harmonisés.
Face à ces constats, le rapport recommande d’agir rapidement sur plusieurs leviers : normalisation des données, formation des cliniciens, expérimentations en vie réelle et financement aligné. L’Union européenne prévoit la création de centres d’excellence en IA, de catalogues partagés d’outils validés, et le renforcement des cadres de test, de déploiement et de suivi. Sans cela, elle risque de perdre du terrain face aux initiatives internationales plus agiles. L’avenir se dessine comme celui d’un « hôpital augmenté », où l’IA vient en support des compétences humaines.
L’étude propose plusieurs actions prioritaires :
Harmoniser les standards de gouvernance des données et d’interopérabilité ;
Créer des centres d’excellence en IA appliquée à la santé ;
Mettre en place des mécanismes de financement pérennes et adaptés ;
Tester les solutions à l’échelle locale, avec évaluation de la valeur en conditions réelles ;
Développer un catalogue européen des solutions d’IA en santé ;
Établir un cadre de suivi basé sur des indicateurs clairs, à construire.
L’ANAP recommande de cartographier les usages d’IA en santé pour anticiper les risques éthiques, juridiques et organisationnels dès la phase de conception.
Les SIA classés comme « haut risque », notamment les dispositifs médicaux basés sur l’IA, doivent être certifiés par un organisme notifié tiers avant déploiement.
Le fournisseur d’un SIA est responsable de sa conformité, mais l’établissement, en tant que déployeur, doit assurer un contrôle humain effectif et une supervision continue.
Les données d’entraînement doivent être pertinentes, représentatives et conformes au RGPD, en particulier pour les systèmes en apprentissage continu.
La transparence est obligatoire : les patients doivent être informés lorsqu’ils interagissent avec un chatbot ou un système d’IA dans leur parcours de soins (Article L4001-3 CSP).
Les fournisseurs doivent produire une documentation technique complète et un résumé du modèle d’IA accessible aux professionnels de santé.
De l’expérimentation à l’échelle : les clés du déploiement de l’IA en santé dévoilées à Montrouge
Le 14 octobre 2025, à l’occasion de la première Journée nationale Perf.IA organisée par l’Agence nationale de la performance sanitaire et médico-sociale (Anap), un millier de professionnels – directions d’établissement, experts numériques, représentants d’agences et d’industriels – se sont réunis pour préparer le passage à l’échelle des usages de l’intelligence artificielle en santé. Cette journée s’inscrit dans la feuille de route ministérielle pour l’IA en santé, dans laquelle l’Anap est chargée de structurer les usages sur le terrain. Douze ateliers et près de soixante interventions ont permis de couvrir les principaux domaines d’application : ressources humaines, finances, consultations médicales, secteur médico-social. Les échanges ont mis en lumière un changement d’échelle : les professionnels sont prêts à aller au-delà de l’expérimentation, à condition d’être accompagnés.
Un nouveau guide pour comprendre et appliquer l’IA Act
Parmi les ressources dévoilées à cette occasion, l’Anap a présenté un guide opérationnel rédigé avec l’Afnor pour aider les établissements à se conformer au règlement européen IA Act. Entré en vigueur partiellement depuis août 2025, ce règlement impose des exigences strictes pour tout système d’IA à haut risque – notamment les logiciels considérés comme dispositifs médicaux. Le guide détaille les obligations qui pèsent à la fois sur les fournisseurs et sur les établissements utilisateurs, qualifiés de « déployeurs » par le règlement. Pour ces derniers, il ne s’agit plus seulement de vérifier la conformité du marquage CE, mais aussi de garantir la présence d’un contrôle humain, de documenter les incidents, de former les utilisateurs et d’informer les patients en cas d’interaction avec un système automatisé.
Un cadre juridique à respecter dès 2026
Les exigences de l’IA Act seront progressivement appliquées d’ici à 2027, mais dès août 2026, les établissements devront être en mesure de démontrer leur conformité pour tout nouveau système à haut risque (hors dispositifs déjà réglementés). Pour les dispositifs médicaux intégrant de l’IA, la double certification (règlement DM et IA Act) sera obligatoire à partir de 2027. Le guide de l’Anap liste également les cas d’usage selon leur niveau de risque et les obligations associées : de la simple transparence pour un chatbot administratif, à la certification complète pour une IA d’aide au diagnostic ou à la prescription. Un tableau récapitulatif permet aux établissements de construire leur propre plan de mise en conformité, incluant un état des lieux des systèmes en place, leur niveau de risque, la vérification des obligations des fournisseurs, et l’adaptation de leurs pratiques internes.
« Les professionnels de santé sont prêts à franchir une nouvelle étape avec l’intelligence artificielle. Ce que nous voyons aujourd’hui, c’est une volonté collective de passer de l’expérimentation à la généralisation », a déclaré Stéphane Pardoux, directeur général de l’Anap. Anaëlle Valdois, directrice de la performance des usages du numérique et de l’IA, a insisté sur la nécessité d’un cadre lisible : « Les professionnels ont besoin de s’en saisir pour garantir un usage serein et pertinent des technologies ».
Le message est clair : à un an de l’entrée en application des principales obligations de l’IA Act, la mobilisation collective est non seulement attendue, mais désormais encadrée. Le guide de l’Anap constitue un outil de référence pour préparer les établissements à cette nouvelle étape réglementaire.
Les HCL structurent leur transformation 2035 autour de l’IA et de la donnée
Dans leur projet stratégique « Construire la santé de demain – HCL 2035 », les Hospices Civils de Lyon (HCL) font de l’intelligence artificielle (IA) et de la donnée deux piliers de leur transformation. L’établissement, qui regroupe 13 hôpitaux publics et 24 000 professionnels, a conçu deux programmes : « Piloter et innover avec la donnée » et « Mobiliser l’intelligence artificielle au service de l’innovation, des soins et de la transformation des HCL ». Ces initiatives s’inscrivent dans la continuité de la stratégie nationale portée par le Ministère de la Santé sur l’usage secondaire des données de santé.
Registres, cohortes, IA : les HCL misent sur des données hospitalières qualifiées
Le programme sur les données vise à structurer les données hospitalières sous forme de registres épidémiologiques et de cohortes, afin d’anticiper les épidémies et surveiller les évolutions sanitaires. Il prévoit également la production de données de qualité pour entraîner des modèles d’IA, en vue d’outils d’aide au diagnostic, à la décision et au pilotage en temps réel des activités hospitalières et parcours de soins. L’objectif est de renforcer la capacité à piloter les établissements sur la base d’analyses fiables et actualisées, en développant des outils prédictifs.
Optimiser les plannings et les flux aux urgences
L’IA sera intégrée à différents niveaux : via l’acquisition de solutions existantes ou par co-développement avec des partenaires académiques et industriels. Au-delà des usages cliniques, l’IA est également perçue comme levier d’amélioration des conditions de travail, en automatisant certaines tâches pour dégager du temps. Les HCL ont lancé des expérimentations autour de la synthèse automatisée du dossier patient et de la transcription des consultations, en lien avec la plateforme Easily. D’autres projets sélectionnés par la DGOS dans le cadre d’un appel à manifestation d’intérêt seront mis en œuvre prochainement : comme l’optimisation des plannings et la prédiction des flux aux urgences.
Des jumeaux numériques pour anticiper les traitements et personnaliser les soins
Les HCL développent également des jumeaux numériques, répliques virtuelles de patients permettant de simuler l’évolution d’une pathologie ou les effets d’un traitement. Ces innovations s’accompagnent d’une volonté de renforcer les coopérations entre acteurs du territoire et d’intervenir « hors les murs », au plus près des lieux de vie, pour améliorer l’accès à la recherche et aux soins.
Marie Boyer prend la tête de la nouvelle Direction des usages des Données et de l’IA
La Direction des usages des Données et de l’Intelligence Artificielle (DDIA), rattachée directement à la direction générale des HCL et dirigée par Marie Boyer, est chargée de coordonner ces travaux. Elle fédère les communautés de chercheurs, d’innovateurs et les équipes opérationnelles pour définir la feuille de route de l’établissement. Elle veille également à un usage raisonné et conforme aux exigences éthiques, réglementaires, économiques et environnementales. La DDIA jouera un rôle central dans les interactions avec les partenaires et les groupes de travail nationaux. Deux ingénieurs ont récemment été recrutés pour accompagner les projets liés à l’IA.
Les HCL finaliseront un entrepôt de données interopérable avec trois CHU d’ici fin 2025
À la fin 2025, les HCL finaliseront leur nouvelle infrastructure d’entrepôt de données de santé (EDS), dans le cadre du projet HOURAA, lancé en décembre 2023 et soutenu par France 2030. Cette plateforme regroupera les données de plus d’un million de patients et sera interopérable avec les EDS des CHU de Grenoble, Clermont-Ferrand et Saint-Étienne. L’objectif est de permettre un changement d’échelle dans l’exploitation des données pour la recherche, la qualité des soins et l’évaluation de la performance hospitalière. Un comité scientifique et éthique a été mis en place, ainsi qu’une plateforme d’information destinée aux patients et usagers, garantissant transparence et conformité réglementaire. Marie Boyer souligne la nécessité de « diffuser une culture de la donnée », tant auprès des chercheurs que des professionnels, pour améliorer la qualité et la réutilisation des données produites.
42 % des Français souffrent de douleurs chroniques
À l’occasion de la Journée mondiale de lutte contre la douleur, la fondation Analgesia dévoile les résultats du premier Baromètre de la douleur 2025, mené avec l’Observatoire français de la douleur et des antalgiques (OFDA) et OpinionWay. L’enquête révèle qu’en France, 42 % des adultes, soit environ 23,1 millions de personnes, vivent avec une douleur chronique. Les douleurs musculosquelettiques arrivent en tête (36 %), suivies des douleurs orofaciales (33 %), abdominales (15 %) et neuropathiques (12 %). Près de la moitié des personnes concernées déclarent une douleur intense (supérieure à 6 sur 10).
Une prise en charge jugée largement insuffisante
Depuis la dernière mesure nationale en 2008, qui faisait état d’un tiers d’adultes touchés, la prévalence a significativement augmenté. Or, les dispositifs de prise en charge restent à la traîne. Le baromètre indique que 36 % des patients présentent un handicap fonctionnel modéré à sévère, et deux tiers rapportent une absence d’amélioration, voire une aggravation, de leurs symptômes sur les six derniers mois.
Seul un patient sur trois se déclare satisfait de sa prise en charge. Pourtant, les recommandations de la HAS encouragent une approche pluriprofessionnelle. En réalité, la douleur est le plus souvent prise en charge uniquement par le médecin traitant, tandis que l’accès aux structures spécialisées reste limité.
Des professionnels peu formés, des structures saturées
Le manque de formation des médecins est également pointé. L’algologie, discipline dédiée à la douleur chronique, n’est pas reconnue comme une spécialité médicale à part entière. Le Dr Marc Lévêque, neurochirurgien à l’hôpital Clairval de Marseille, déplore les faibles moyens alloués à ce domaine, malgré une demande croissante. Les 270 centres spécialisés existants sont saturés. Moins d’un tiers des patients déclarent y avoir eu accès. Cette situation pousse 87 % des personnes concernées à se tourner vers l’automédication, parfois risquée : 16 % utilisent des opioïdes sans prescription médicale.
Des recommandations pour sortir de l’impasse
Face à ce constat, la fondation Analgesia appelle à plusieurs mesures : un renforcement de la formation des médecins généralistes, un soutien à la recherche en douleur — “en berne depuis des décennies” selon le Pr Authier —, et la reconnaissance de la douleur comme grande cause nationale. Le baromètre, construit à partir de l’enquête PREVADOL réalisée en janvier-février 2025, appelle à une mobilisation urgente des pouvoirs publics.
Source : Baromètre de la douleur 2025 – Fondation Analgesia / OFDA / OpinionWay – 11 940 répondants représentatifs de la population adulte française.
💰 1 milliard € mobilisés pour le programme “Appliquer l’IA”.
🎓 58 M€ alloués au projet pilote “AI in Science” pour la formation et la recherche.
💻 600 M€ investis via Horizon Europe pour les supercalculateurs européens.
🔬 Plus de 3 milliards € visés en investissements annuels dans la recherche en IA d’ici 2027.
📅 Présentation de la stratégie pour une “union des données” : fin octobre 2025.
La Commission déploie deux plans d’investissement pour renforcer la compétitivité européenne
La Commission européenne a annoncé le lancement de deux stratégies complémentaires pour accélérer l’adoption de l’intelligence artificielle (IA) dans les secteurs économiques stratégiques et dans le domaine scientifique.
La première composante du plan européen, baptisée “Appliquer l’IA” (“Apply AI”), cible les principaux leviers économiques : santé, pharmacie, énergie, mobilité, agroalimentaire, industrie manufacturière et services publics. La Commission européenne mobilise un budget d’environ 1 milliard d’euros pour soutenir les projets d’intégration de l’intelligence artificielle dans ces domaines. L’approche privilégie des applications concrètes grâce à des centres de dépistage avancé pour la santé, au développement de modèles frontières et d’IA agentique, et à un appui spécifique aux PME.
Le dispositif vise à accélérer la mise sur le marché des innovations en reliant infrastructures, données et sites d’essai. Il permettra aussi de renforcer les compétences de la main-d’œuvre et de soutenir la création d’une initiative “Frontier AI”. La Commission prévoit la transformation des pôles d’innovation numérique en centres d’expérience IA et la création d’une alliance “Appliquer l’IA” associant partenaires publics, privés et société civile. Un observatoire assurera le suivi sectoriel des usages. Enfin, un service d’assistance à la législation accompagnera les acteurs dans l’application du règlement européen sur l’IA.
600 M€ pour ouvrir les supercalculateurs aux chercheurs et start-ups
58 M€ pour former les talents européens de demain
Le programme “AI in Science” vient compléter cette approche industrielle. Il s’appuie sur la plateforme RAISE (Resource for AI Science in Europe), conçue comme un institut virtuel pour mutualiser ressources et expertises. Selon la Commission européenne, 58 millions d’euros sont alloués à un projet pilote pour former et attirer des chercheurs en IA via des réseaux d’excellence et des programmes doctoraux. Le plan prévoit aussi un accès élargi aux supercalculateurs européens grâce à un investissement de 600 millions d’euros via Horizon Europe, afin d’accompagner les besoins en calcul des chercheurs et des start-ups. L’objectif est de doubler les investissements annuels en IA dans Horizon Europe et de dépasser la barre des 3 milliards d’euros pour la recherche scientifique.
Le JRC pilotera l’analyse et la structuration des données
Un volet spécifique est dédié aux données : leur identification, structuration et mise à disposition pour l’entraînement des modèles d’intelligence artificielle dans la recherche. Le Centre commun de recherche (Joint Research Centre, JRC) de la Commission assurera les études d’impact et les analyses techniques associées.
Vers une union européenne des données et une gouvernance commune
La mise en œuvre de ces deux stratégies culminera fin octobre 2025 avec la présentation d’une stratégie européenne pour une “union des données”. Celle‑ci doit aligner les politiques de gestion des données sur les besoins identifiés dans l’industrie, la recherche et le secteur public. Un sommet européen sur l’IA et la science se tiendra les 3 et 4 novembre 2025 à Copenhague. Coorganisé avec la présidence danoise, il marquera le lancement officiel du projet pilote RAISE et l’annonce d’engagements du secteur privé.
Ces annonces prolongent le plan d’action pour le continent de l’IA, lancé en avril 2025, et visent à positionner l’Union européenne comme un acteur central du développement et de l’usage de l’intelligence artificielle dans un cadre réglementaire harmonisé et éthique.
🧪 Cette combinaison de traitements rend les cellules cancéreuses plus visibles au système immunitaire, avec environ 50% de « signaux » en plus observés au laboratoire.
🚀 C’est prometteur pour mieux cibler des tumeurs dites « froides », mais il faudra encore des validations par des équipes externes et des essais cliniques.
27B de paramètres, 57 M de cellules : un socle pour le single‑cell
Entraîné sur 57 millions de cellules, le modèle Cell2Sentence‑Scale 27B a permis de détecter une synergie entre silmitasertib et faible interféron, validée in vitro avec une hausse de 50 % de l’expression de MHC‑I.
En pratique, l’objectif est de rendre plus visibles pour le système immunitaire des tumeurs dites « froides », qui échappent aux défenses de l’organisme, en augmentant des signaux de surface appelés MHC‑I. Les chercheurs ont demandé au modèle d’identifier un médicament jouant le rôle d’« amplificateur conditionnel » des MHC‑I, actif uniquement lorsqu’un faible niveau d’interféron est présent, une situation fréquente chez les patients.
Pour y parvenir, l’équipe a simulé l’effet de plus de 4 000 médicaments dans deux contextes :
Un contexte « immuno‑positif » proche des échantillons patients avec interféron faible.
Et un contexte « neutre » sans environnement immunitaire, afin de cibler une action spécifique au premier cadre.
Une piste prometteuse pour « réveiller » des tumeurs froides avec une augmentation d’environ 50% des marqueurs.
Le modèle a mis en avant le silmitasertib, inhibiteur de l’enzyme CK2, avec un effet net d’augmentation des MHC‑I en présence de bas niveaux d’interféron, et peu ou pas d’effet dans le contexte neutre. Les tests sur cellules humaines ont confirmé cette prédiction : silmitasertib seul n’a pas d’effet notable, un faible interféron a un effet modeste, tandis que la combinaison des deux aboutit à une hausse d’environ 50% de la présentation d’antigènes, rendant les cellules tumorales plus visibles.
Cette approche fournit une piste expérimentale validée pour « réchauffer » des tumeurs froides et potentiellement améliorer la réponse à l’immunothérapie, tout en restant à un stade préclinique qui nécessitera des étapes de validation par les pairs et des essais cliniques. Le modèle est mis à disposition de la communauté scientifique, ouvrant la voie à d’autres tests et à l’exploration de nouvelles prédictions dans des contextes immunitaires variés, avec l’espoir d’accélérer l’identification de combinaisons thérapeutiques pertinentes.
Vers des preuves robustes : tracer chaque version de modèle et chaque jeu de données
Les auteurs recommandent aux équipes R&D de privilégier des criblages in silico multi‑contexte, articulés avec des critères immunologiques transposables à la clinique. Ils appellent également à documenter rigoureusement la traçabilité des modèles et jeux de données utilisés, dans une logique de transparence et de reproductibilité.
La mise à disposition des poids et des pipelines d’entraînement sur Hugging Face et GitHub vise à favoriser les évaluations externes, la réplication des résultats et leur extension à d’autres indications.
Un tableau de bord pour objectiver l’accès aux soins
Lancé dans le cadre de la convention médicale 2024, l’Observatoire de l’accès aux soins de l’Assurance Maladie est désormais accessible en ligne via le portail Data ameli. Il permet un suivi régulier de huit indicateurs liés à la démographie médicale, au suivi des patients, à la répartition des professionnels de santé et aux dispositifs de soutien à la pratique. Ce tableau de bord a été conçu pour mesurer les avancées des engagements conventionnels pour améliorer l’accès aux soins sur l’ensemble du territoire. Il s’appuie sur les données du SNDS, des bases internes de l’Assurance Maladie et du ministère de la Santé.
Suivi de huit engagements conventionnels
Les données publiées concernent notamment :
La part de patients en affection de longue durée (ALD) sans médecin traitant, en baisse : 4,3 % fin 2024 contre 5,6 % fin 2022 ;
Le nombre de primo-installations en médecine générale, en repli de 9,8 % en 2024, avant une légère reprise au 1er semestre 2025 (+3,1 %) ;
Le volume d’installations en zones sous-dotées, qui atteint un point bas : 579 sur les 12 derniers mois (-1,7 %) ;
L’évolution de la patientèle moyenne médecin traitant, en hausse constante : 1 033 patients en 2024 contre 898 en 2017 ;
Le développement des contrats d’assistants médicaux : 8 558 signés à fin juin 2025, soit 15 % des généralistes éligibles ;
La progression de la file active des spécialistes, très modérée (+6,3 % entre 2016 et 2025) ;
L’adhésion à l’Optam par les spécialistes de secteur 2 : 51,7 % en 2024 contre 42,9 % en 2017 ;
La couverture territoriale du SAS (service d’accès aux soins) et de la PDSA, suivie localement.
Des données en accès libre, actualisées régulièrement
L’Observatoire propose 16 jeux de données interopérables, téléchargeables, avec jusqu’à 10 ans d’historique. L’analyse peut être affinée par région ou département, permettant un usage en commissions paritaires locales. La fréquence de mise à jour est trimestrielle ou semestrielle, selon les indicateurs. Deux indicateurs complémentaires (délai d’accès aux spécialistes, accès pour les personnes en situation de handicap) feront l’objet de travaux spécifiques avec des partenaires extérieurs.
PERF EHPAD étendu, Masterclass, benchmark : des outils opérationnels dès fin 2025 pour renforcer les achats dans le médico-social
La feuille de route 2025-2027 pour les achats dans le secteur médico-social, publiée par la Direction générale de la cohésion sociale (DGCS), vise à professionnaliser la fonction achat, tout en favorisant la performance économique, la durabilité et l’innovation. Le premier axe stratégique concerne le pilotage de la performance. Il prévoit l’adaptation du module achat de « PERF EHPAD » à l’ensemble du secteur et la création d’une Masterclass dédiée à l’achat médico-social (livrables attendus respectivement en décembre 2025 et mai 2026). Des dispositifs de sensibilisation et de formation sont également programmés, incluant un autodiagnostic, un guide pas-à-pas pour les acheteurs, et un rappel pratique sur le cadre juridique des achats, dès novembre 2025.
Pour encourager les pratiques collectives, la feuille de route propose de publier un annuaire des acteurs de la mutualisation, un référentiel de dix actions gagnantes, ainsi qu’un benchmark des établissements engagés dans ces démarches. Ces documents seront publiés en novembre 2025. Les centrales d’achat sont incitées à proposer des marchés spécifiques au médico-social et à négocier des tarifs préférentiels sur la période 2025-2027.
Des fiches pratiques par famille d’achat, des modèles organisationnels pour les acheteurs, des tableaux de bord types, ainsi qu’un guide sur la gestion des fournisseurs stratégiques complètent les outils à venir. Ces livrables sont échelonnés entre décembre 2025 et septembre 2026. L’ANAP développera une plateforme de partage de bonnes pratiques, accessible en ligne, avec des contenus enrichis par des webinaires et événements tout au long de la période. Ce dispositif vise à encourager la coopération inter-établissements.
Plateforme de seconde main, formation, guides, autodiagnostic logistique et achats durables au programme 2025-2026
Le second axe de la feuille de route cible la logistique. Deux priorités sont affichées :
promouvoir un autodiagnostic de maturité logistique
et améliorer le dimensionnement des surfaces de stockage via l’outil « Repères dimensionnels pour EHPAD ».
Des actions de communication sont prévues à cet effet dès décembre 2025.
Enfin, le troisième axe porte sur les pratiques d’achat durables et innovantes. Il inclut l’intégration d’une plateforme d’achat de seconde main entre établissements de santé, la création de modules de formation aux achats responsables, et la production de guides de bonnes pratiques. Ces actions seront déployées courant 2026, avec le soutien de la DGCS et en lien avec un comité de pilotage. La feuille de route s’inscrit dans une logique d’outillage progressif du secteur, articulée autour de livrables et d’une animation continue. La stratégie de la DGCS repose sur la montée en compétences des acteurs, l’accès facilité à des outils communs, et la diffusion des initiatives innovantes à travers le territoire.
ChatGPT et TCC : des écarts aux normes professionnelles
Des chercheurs américains révèlent que les chatbots, comme ChatGPT, enfreignent des normes éthiques majeures en santé mentale. Ils appellent à l’instauration de régulations pour encadrer leur utilisation. Leur étude* a été présentée lors de la conférence co-organisée par l’AAAI (Association for the Advancement of Artificial Intelligence) et par l’ACM (Association for Computing Machinery), sur l’intelligence artificielle, l’éthique et la société, le 22 octobre 2025.
Quand les TCC sont guidées par IA Avec la pénurie de professionnels en santé mentale, de plus en plus de personnes se tournent vers des chatbots d’IA pour obtenir un soutien psychologique. Toutefois, cette tendance soulève des préoccupations éthiques importantes. L’étude de l’Université Brown analyse les risques liés à l’utilisation de ces technologies et leur capacité à respecter les normes professionnelles dans le cadre de soins psychologiques. Les chercheurs ont examiné les interactions entre des pairs aidants, des individus formés pour soutenir psychologiquement leurs pairs, et des chatbots d’IA comme GPT-4, Claude et Llama. Ces pairs aidants, formés à la thérapie cognitivo-comportementale (TCC), ont utilisé ces chatbots pour soutenir des utilisateurs confrontés à des problématiques de santé mentale. Les échanges ont ensuite été évalués par des psychologues cliniciens pour identifier les violations éthiques.
Résultats : 15 risques éthiques regroupés en 5 catégories
Une adaptation contextuelle insuffisante : Les chatbots offrent des recommandations trop standardisées et génériques, sans prendre en compte les spécificités de chaque utilisateur. Par exemple, un chatbot a suggéré une approche commune de gestion du stress sans tenir compte des circonstances particulières d’un utilisateur en situation de crise. Ce manque d’adaptation va à l’encontre des normes professionnelles qui exigent des soins personnalisés.
Une collaboration thérapeutique déficiente : Les chatbots prennent souvent trop de place dans la conversation, au détriment d’une véritable collaboration avec l’utilisateur. Par exemple, dans une interaction, un chatbot a imposé un programme de TCC sans considérer l’acceptation ou les préférences de l’utilisateur, ce qui va à l’encontre des principes de respect et d’écoute active des thérapeutes.
Une empathie trompeuse : Les chatbots emploient des phrases telles que « Je vous comprends » ou « Je suis là pour vous », créant une illusion d’empathie sans véritable connexion émotionnelle. Cette approche enfreint les normes de l’American Psychological Association (APA), qui soulignent l’importance d’une relation authentique entre thérapeute et patient.
Une discrimination injuste : Les chatbots ont montré des biais dans leurs réponses en fonction du genre, de la culture ou de la religion. Par exemple, un chatbot a fourni des conseils inappropriés à un utilisateur d’une communauté spécifique, démontrant un manque de sensibilité culturelle. Ce manquement va à l’encontre des standards de non-discrimination en psychologie.
Une gestion de crise insuffisante : Face à des situations de crise, telles que des idées suicidaires, les chatbots ont échoué à orienter correctement les utilisateurs vers des ressources appropriées. Dans un cas, un chatbot a fourni une réponse insuffisante à un utilisateur exprimant des pensées suicidaires, ce qui va à l’encontre des normes de sécurité et de traitement d’urgence en santé mentale.
Un vide réglementaire préoccupant
« Bien que les professionnels de santé puissent eux-mêmes faire face à des risques éthiques, les chatbots d’IA ne sont pas soumis aux mêmes mécanismes de responsabilité professionnelle, ce qui accentue le danger pour les utilisateurs vulnérables », explique l’un des auteurs de l’étude, le Dr John Smith, psychologue clinicien à l’Université Brown.
Le besoin de « protocoles éthiques solides » Les chercheurs appellent à l’instauration de régulations claires pour encadrer l’usage des chatbots en santé mentale. « Il est crucial d’établir des protocoles éthiques solides pour protéger les utilisateurs et garantir une qualité de soins équivalente à celle des psychothérapies humaines », souligne le Dr Sarah Johnson, co-auteur de l’étude. Selon les chercheurs, un dialogue urgent doit être engagé entre les professionnels de santé, les régulateurs et les développeurs de ces technologies afin de définir de telles normes de sécurité et de responsabilité.
* How LLM Counselors Violate Ethical Standards in Mental Health Practice: A Practitioner-Informed Framework
Iftikhar, Z., Xiao, A., Ransom, S., Huang, J., & Suresh, H.
Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 8(2), 1311-1323.
Un parcours de soins entre médecine de ville, hôpital et santé publique
Le parcours de soins d’un patient atteint d’une maladie infectieuse regroupe l’ensemble des étapes médicales, sociales et administratives qu’il traverse, depuis l’apparition des premiers symptômes jusqu’à la guérison ou la stabilisation de son état. Ce parcours est complexe, car il implique la coordination de plusieurs acteurs de santé : médecins généralistes, infectiologues, laboratoires, hôpitaux, ainsi que les services de santé publique.
Une gestion clinique modulée par la gravité, la transmission et les co-morbidités
Qu’il s’agisse de pathologies comme la grippe, COVID-19, tuberculose, hépatites B/C, infections nosocomiales, méningite, paludisme, VIH ou bien tropicales comme la dengue ou le chikungunya, la prise en charge varie selon le type d’infection, sa gravité, son mode de transmission, mais aussi le contexte épidémiologique et le patient lui-même (adultes, enfants, avec ou sans co-morbidité, etc.).
@Health & Tech Intelligence
Le parcours commence par l’apparition des premiers symptômes, et un diagnostic clinique, complété par des examens biologiques pour identifier l’agent pathogène. Ensuite, un traitement adapté est mis en place, pouvant aller de l’antibiothérapie ambulatoire à une hospitalisation en service spécialisé, notamment en cas d’infections graves ou contagieuses. Ce parcours doit également intégrer la prévention de la transmission, le suivi du patient, l’éducation thérapeutique, et dans certains cas, la déclaration de la maladie auprès des autorités sanitaires. L’amélioration et la fluidité du parcours détermine en partie efficacité de la prise en charge.
@Health & Tech Intelligence
Comment l’IA accompagne chaque étape du parcours infectieux ?
L’intelligence artificielle renforce la détection précoce des épidémies en croisant données génomiques, signaux environnementaux et contenus en ligne. Elle améliore les capacités de prédiction et de réaction des systèmes de santé. Grâce à des outils comme le machine learning, l’IA traite de grands volumes de données pour anticiper les risques (moustiques, choléra, mutations virales) et adapter les réponses sanitaires.
Systèmes d’alerte précoce et réseaux sociaux : des plateformes telles que HealthMap exploitent l’IA pour agréger automatiquement les signaux épidémiques provenant de la presse, des réseaux sociaux ou des bases de données scientifiques. Ce système a permis, par exemple, la détection de la grippe H1N1 au Mexique. Les publications sur les réseaux sociaux, traitées en temps réel, peuvent également fournir des signaux faibles (hausse de mentions de symptômes grippaux) qui alertent les autorités sanitaires sur une zone géographique donnée. L’IA y joue un rôle de filtre et de classification, permettant de distinguer les contenus pertinents.
Biologie synthétique, diagnostics et développement de traitements : L’IA soutient la détection rapide et la caractérisation des agents infectieux en s’appuyant sur l’analyse d’images médicales (scanner, IRM) ou d’expression génétique. Les réseaux neuronaux convolutifs (CNN), les SVM ou encore les algorithmes k-nearest neighbors sont utilisés pour identifier le statut infectieux, estimer la sévérité ou encore évaluer la réponse au traitement. En recherche pharmaceutique, l’IA automatise le criblage de milliers de molécules, ce qui facilite la redécouverte de médicaments ou l’identification de nouveaux candidats. Les modèles de type graph neural networks exploitent des données issues de criblages phénotypiques pour prédire les interactions médicament-cible.
Apports à la recherche en biologie des infections : Les algorithmes appliqués à des données biologiques volumineuses (protéines, acides nucléiques, glycannes) révèlent des mécanismes sous-jacents aux interactions hôte-pathogène. Des outils comme Vaxign-ML sont mobilisés dans le cadre de la rétro-vaccinologie pour identifier des antigènes et optimiser la conception de vaccins. L’IA facilite également l’analyse d’images issues de la microscopie, ce qui permet de détecter des pathogènes intracellulaires, d’identifier les structures virales ou bactériennes, et de guider la formulation d’hypothèses biologiques à partir de données intégrées.
IA et maladies infectieuses : des outils mobilisés à chaque étape du parcours de soins
Du repérage des foyers épidémiques à la prévention des complications, des outils d’IA comme Bluedot, TREWS ou ZINC s’intègrent progressivement dans les pratiques hospitalières et la recherche pour renforcer la réactivité, la précision des diagnostics et l’efficacité des traitements. À chaque étape, l’intelligence artificielle (IA) trouve des applications qui améliorent la prise en charge. Cet article synthétique retrace les grandes étapes du parcours patient (de la prévention au suivi post-traitement) en illustrant, pour chacune, les apports de l’IA par quelques exemples.
Anticiper les risques : vaccination et surveillance épidémique : En amont des soins, certaines plateformes optimisent les stratégies de prévention. MedDataSuite (Hopsiia), une suite logicielle intégrant plusieurs modules d’IA, permet d’améliorer la gestion hospitalière : anticipation des besoins en lits, optimisation des flux d’urgence et appui à la planification des campagnes de vaccination. L’objectif est de renforcer la coordination logistique en période de tension sanitaire. Pour détecter les premiers signaux d’une épidémie, Bluedot croise des millions de sources d’information : bases de données médicales, articles scientifiques, réseaux sociaux et bulletins de santé publique. Ce système a identifié l’émergence du COVID-19 plusieurs jours avant l’alerte officielle de l’OMS, illustrant le potentiel de ces outils dans la veille épidémiologique en temps réel.
Intervenir tôt : symptômes et diagnostic rapide : Lorsque les premiers symptômes apparaissent, le recours à l’IA permet d’accélérer la détection de situations critiques. Le système TREWS (Targeted Real-time Early Warning System), utilisé en milieu hospitalier, analyse en continu les données cliniques des patients pour identifier les signes précoces d’un choc septique. Il alerte les médecins avant l’apparition de complications, améliorant ainsi les délais d’intervention. La précision du diagnostic est renforcée grâce à des projets comme Diagnostic in Vitro, une collaboration entre bioMérieuxet l’institut Mila. Ce partenariat développe des modèles d’IA appliqués à l’analyse génomique, en particulier pour détecter les résistances aux antibiotiques. En parallèle, la plateforme PhénoMATRIX automatise l’analyse des cultures bactériennes en laboratoire, ce qui réduit les délais de traitement et fiabilise les résultats.
Cibler les traitements : antibiotiques et personnalisation : Face à la progression des résistances bactériennes, l’intelligence artificielle s’attaque également au développement de nouveaux traitements. La solution Antibiotics-AI explore, grâce au machine learning, des millions de composés chimiques pour prédire leur potentiel antibactérien. Ce modèle accélère le processus de découverte de nouvelles classes d’antibiotiques, un enjeu pour contrer l’antibiorésistance.
Suivre les patients : prévention des complications infectieuses : Une fois le traitement engagé, la surveillance reste essentielle. ZINC, logiciel de suivi en temps réel des infections associées aux soins, détecte et suit plus de 20 types d’infections nosocomiales, notamment celles liées à des pathogènes multirésistants. Il s’appuie sur les résultats d’antibiogrammes pour alerter les équipes soignantes et limiter les risques de propagation en milieu hospitalier. MedDataSuite intervient également en aval pour prévenir d’éventuelles complications post-traitement, en croisant les données administratives et cliniques afin d’identifier les patients à risque de rechute ou d’événements indésirables.
Ces solutions illustrent la diversité des usages possibles de l’IA tout au long du parcours patient. Leur intégration dans la pratique clinique repose sur une logique d’assistance : elles analysent, priorisent, alertent ou automatisent, mais ne remplacent pas le jugement médical. Leur efficacité dépend enfin de leur intégration dans des environnements numériques sécurisés, compatibles avec les exigences de confidentialité des données de santé.
@Health & Tech Intelligence
Médecine de ville vs. hôpital : deux approches de l’IA pour prévenir et traiter les infections
Alors que la médecine de ville mobilise l’IA pour améliorer le dépistage, le suivi et la prévention individualisée, l’hôpital s’appuie sur des systèmes plus complexes pour anticiper les complications, optimiser les traitements et contenir les infections nosocomiales.
Médecine de ville : soutien à la pratique quotidienne et prévention personnalisée
Les médecins généralistes peuvent utiliser des outils intégrés à leur logiciel pour obtenir, dès la première consultation, une liste de diagnostics probables selon les symptômes saisis. Cela limite les examens inutiles et les retards face aux infections graves. La télésurveillance repose sur des objets connectés couplés à des algorithmes d’alerte. Ces dispositifs assurent le suivi à distance des patients chroniques ou fragiles et préviennent le médecin en cas de signe d’infection. Certains logiciels détectent une hausse locale des cas grippaux et incitent à rappeler les patients à risque pour la vaccination. Les outils d’aide à la prescription proposent des alertes sur l’indication d’un antibiotique ou suggèrent un test avant traitement. Ils tiennent compte des recommandations officielles et du contexte local. Des applications mobiles, utilisées par les patients, rappellent les prises, recueillent des données et envoient des synthèses au médecin. Certaines incluent un chatbot médical capable de répondre à des questions simples ou de signaler une anomalie.
Hôpital : analyse de masse, décisions critiques et lutte contre les infections nosocomiales
À l’hôpital, l’IA répond à une logique plus “industrielle”. Aux urgences, des algorithmes de tri classent les patients selon leur niveau de risque, à partir des constantes vitales et du langage clinique. En réanimation, des modèles prédictifs repèrent une aggravation plusieurs heures avant les signes cliniques, ce qui permet d’adapter les traitements plus tôt. Des outils comme Nosotech surveillent les infections nosocomiales. Ils croisent les données de laboratoire, de pharmacie et des dossiers patients pour détecter des cas groupés ou émergents. Ces alertes déclenchent des actions ciblées et produisent des rapports en temps réel. Certains systèmes estiment le risque individuel d’infection dès l’admission. L’IA appuie aussi les diagnostics spécialisés. En imagerie, elle signale des anomalies critiques sur des examens lourds. En virologie, elle identifie des mutations résistantes. En infectiologie, elle aide à construire des traitements complexes par simulation de combinaisons d’antibiotiques. D’autres algorithmes prévoient les flux de patients infectieux pour adapter les ressources pendant une épidémie. Certains ajustent les blocs opératoires selon le contexte infectieux. Enfin, des assistants intégrés au dossier patient rédigent automatiquement les comptes rendus et codent les diagnostics.
@Health & Tech Intelligence
Maladies infectieuses : six solutions d’IA au service du parcours de soins de Clara
Récit d’un parcours médical (fictif) soutenu par l’intelligence artificielle. Que change la technologie pour le patient ?
Voici l’histoire pédagogique de Clara, 38 ans, enseignante à Marseille, dont le parcours patient en maladies infectieuses est éclairé par les applications d’intelligence artificielle (IA). Chaque étape met en scène l’action concrète de ces outils, en médecine de ville et à l’hôpital, pour montrer leur impact sur la sécurité, la rapidité et la pertinence des soins.
Étape 1 : Retour de voyage et risque infectieux, Bluedot détecte un cluster avant les premiers cas déclarés
Détection précoce des épidémies : Clara rentre d’un séjour à Singapour. Elle ne le sait pas encore, mais Bluedot, une plateforme mondiale d’IA, scanne en temps réel des centaines de milliers de sources (rapports sanitaires, articles, réseaux sociaux, données de voyages). Quelques jours après son retour, Bluedot identifie un cluster de fièvres inexpliquées à Singapour, détectant ainsi un foyer infectieux émergent. Un signal d’alerte est transmis au système de santé français : « Risque d’importation d’un agent infectieux nouveau dans la région Sud. »
📌Impact en ville : Alerte précoce pour les médecins généralistes et autorités sanitaires, permettant une surveillance renforcée des voyageurs récents.
📌Impact à l’hôpital : Activation des protocoles de vigilance et préparation des services d’infectiologie.
Étape 2 : Premiers symptômes, une alerte oriente l’attention du médecin
Quelques jours plus tard, Clara présente de la fièvre, des courbatures et une toux sèche. Elle consulte son médecin traitant, qui, grâce à l’alerte Bluedot, est attentif aux signes d’infection tropicale. Des prélèvements sont réalisés et envoyés au laboratoire.
Étape 3 : Diagnostic en quelques heures : l’IA identifie le pathogène et les résistances
À l’hôpital, le Projet Diagnostic in Vitro (bioMérieux & Mila) prend le relais : son IA analyse des prélèvements de Clara. En quelques heures, elle identifie précisément le pathogène en cause — une souche grippale atypique, résistante à certains antiviraux — et détecte la présence de gènes de résistance aux antibiotiques. Le système PhénoMATRIX complète le diagnostic en analysant les cultures bactériennes associées, vérifiant si une surinfection est à craindre.
📌Impact à l’hôpital : Diagnostic ultra-rapide, précision accrue, adaptation immédiate du traitement.
📌Impact en ville : Transmission des résultats au médecin traitant en temps réel pour assurer la continuité des soins.
Étape 4 : l’IA propose un antibiotique adapté à la résistance détectée
Face à la résistance détectée, l’IA Antibiotics-AI est sollicitée. Elle analyse des millions de molécules pour identifier rapidement un nouvel antibiotique prometteur, capable de contourner la résistance. Les médecins hospitaliers reçoivent une recommandation personnalisée pour Clara, validée par les infectiologues. Parallèlement, TREWS (système de surveillance hospitalière) analyse en continu les données cliniques de Clara : fréquence cardiaque, pression artérielle, température, saturation en oxygène. Dès qu’un signe précurseur de choc septique est détecté — avant même que Clara ne ressente une aggravation —, TREWS alerte l’équipe soignante, permettant une intervention rapide et évitant une dégradation majeure.
📌Impact à l’hôpital : Sécurité renforcée, réactivité optimale, personnalisation du traitement.
📌Impact en ville : Transparence du parcours, transmission des recommandations thérapeutiques au médecin traitant pour le suivi.
Étape 5 : Séjour hospitalier sous surveillance IA, Clara évite les complications grâce à ZINC
Clara est hospitalisée quelques jours. ZINC, le logiciel de surveillance des infections nosocomiales, surveille en temps réel tous les patients du service. Il détecte automatiquement toute infection associée aux soins, y compris les pathogènes multirésistants, et alerte les équipes en cas de risque. Grâce à ZINC, Clara bénéficie d’un environnement sécurisé, avec un risque minimal de contracter une infection supplémentaire. MedDataSuite optimise la gestion de son séjour : attribution du bon lit, coordination des examens, gestion des rendez-vous de suivi. La plateforme permet aussi de tracker en temps réel tout événement indésirable, garantissant une prise en charge fluide et sécurisée.
📌Impact à l’hôpital : Prévention active des complications, gestion efficace des ressources, traçabilité du parcours.
📌Impact en ville : Transmission des comptes-rendus et des recommandations de suivi au médecin traitant.
Étape 6 : Sortie et suivi
Clara sort de l’hôpital avec un plan de suivi personnalisé, élaboré grâce aux données consolidées par MedDataSuite. Son médecin traitant reçoit un dossier complet, incluant les résultats des analyses génomiques (Projet Diagnostic in Vitro), les recommandations thérapeutiques (Antibiotics-AI), et les consignes de surveillance (ZINC, TREWS). Un rendez-vous de contrôle est planifié, avec alerte automatique en cas de réapparition de symptômes.
Résumé du parcours : de la détection à la prévention, l’IA tisse un fil continu entre ville et hôpital
Bluedot : Détection précoce des risques épidémiques, alerte les professionnels de santé.
Projet Diagnostic in Vitro & PhénoMATRIX : Diagnostic ultra-rapide et précis, détection de la résistance.
Antibiotics-AI (MIT) : Proposition de traitements innovants face aux résistances.
TREWS (Bayesian Health) : Surveillance en temps réel, détection précoce des complications graves.
ZINC (Lumed) : Prévention et gestion des infections nosocomiales.
MedDataSuite (Hopsiia) : Optimisation et sécurité du parcours hospitalier, coordination ville-hôpital.
Clara a bénéficié d’un parcours sécurisé, personnalisé et efficace, grâce à l’intégration de ces solutions d’IA tout au long de son histoire médicale. Chaque outil a joué un rôle pour anticiper, diagnostiquer, traiter et prévenir les complications, tout en assurant une continuité des soins entre la ville et l’hôpital. Cette synergie illustre comment l’IA transforme la prise en charge des maladies infectieuses.
