Nabil

  • IA dans la fonction publique : l’État reprend la main et passe à la vitesse supérieure

    Un usage massif de l’IA, mais une formation encore insuffisante. Selon les chiffres du gouvernement, 89 % des agents publics déclarent utiliser des outils d’intelligence artificielle, alors que seuls 31 % d’entre eux ont bénéficié d’une formation dédiée. Un décalage qui fait écho aux conclusions de la Cour des comptes, laquelle soulignait dès novembre 2025 les difficultés de la France à généraliser les usages de l’IA au sein de l’administration malgré des investissements importants.

    Pour répondre à ce défi, David Amiel, ministre de l’Action et des Comptes publics, a présenté le plan « Notre IA ». Son ambition : structurer les usages de l’intelligence artificielle dans la fonction publique, renforcer la formation des agents et développer une expertise interne afin d’accompagner durablement la transformation des services publics.

    55 % des agents déclarent utiliser des IA informelles : la nécessité de créer des outils dédiés

    L’IA est déjà au cœur de la fonction publique ; toutefois, ses usages sont majoritairement en dehors du cadre formel, entraînant un risque sécuritaire majeur. Ceci encourage le développement d’outils d’IA dédiés à la fonction publique et construits avec elle. Plus de 50 % sont déjà déployés, tel que L’Assistant, un outil conversationnel développé après dix mois d’expérimentation auprès de 10 000 agents.

    Couvrant des usages divers, 58 % des projets concernent la production documentaire, la rédaction, la transcription ou la traduction, tandis que 25 % concernent l’amélioration de la relation avec les usagers. L’idée est d’offrir des outils fluidifiant le travail des agents sans les remplacer, excluant formellement tout projet de prise de décision automatisée concernant les citoyens.

    Face à cette diffusion renforcée des usages, la question de leurs limites et des compétences devient centrale.

    Renforcer la formation : un déploiement massif pour éviter la perte de compétences

    L’internalisation des usages de l’IA est au cœur des préoccupations syndicales, qui mettent en avant les risques pour les métiers. Dans l’attente d’un accord-cadre prévu pour novembre 2026, le ministre se veut rassurant en affichant sa volonté de former les agents et non de les remplacer.

    Soutenue par un guide d’usage de l’IA, la France rattrape son retard sur ses voisins britanniques en proposant à son tour un recueil de bonnes pratiques ainsi qu’un socle commun de connaissances. Ce socle est renforcé par des offres de formation dont 50 000 agents publics ont déjà bénéficié en 2025. Une dynamique qui doit s’accélérer à la rentrée 2026 avec l’intégration de l’IA à la formation continue dans les IRA, futures ISP. Une mesure témoignant de la volonté de faire des cadres non pas simplement des agents formés, mais des agents experts d’ici à 2027, répondant ainsi à un objectif d’excellence nationale.

    L’IA dans la fonction publique : répondre à un enjeu de souveraineté nationale

    L’objectif est de bâtir une IA publique reposant sur des technologies maîtrisées par l’État, telles que des clouds certifiés et des technologies mutualisées. Cette orientation traduit une volonté de réduire la dépendance aux prestataires externes en privilégiant un cadre public plus sécurisé et moins coûteux. « Chaque euro investi dans le recrutement de compétences internes permettra de supprimer durablement 1,5 euro de dépenses de prestations externes », précise David Amiel, engageant ainsi chaque ministère concerné dans une logique de réduction de sa dépendance aux GAFAM.

    Cette stratégie économique nationale est également soutenue par Bercy avec l’annonce, en réponse à ce rapport, de la Direction de l’intelligence artificielle et du numérique (DIAN) des ministères économiques et financiers.

    Cette logique de centralisation et de spécialisation se poursuit avec la création d’ARIANE (Autorité référente pour l’intelligence artificielle et le numérique de l’État), membre de la future « cellule de l’IA ». Cette commission interministérielle est conçue comme un espace de priorisation des projets, d’orientation stratégique et de suivi de la formation. Chaque ministère travaille donc dans un cadre commun tout en pouvant adapter, dans un second temps, l’IA à ses spécificités.

    Notre IA : un pas de plus dans la course à l’IA, vers du quantitatif pour aller vite ou du qualitatif pour aller loin ?

    Malgré une adoption désormais massive de l’intelligence artificielle, les bénéfices perçus par les agents publics demeurent relativement mesurés. Si 55 % d’entre eux estiment que leur productivité s’est légèrement améliorée grâce à ces outils et 18 % qu’elle s’est fortement améliorée, les effets sur le bien-être au travail, l’enrichissement des missions ou encore la diversité des tâches restent limités.

    « Une IA utile, humaine et souveraine pour les services publics » Porté par David Amiel, ministre de l’Action et des Comptes publics, le 16 juin 2026.

    L’IA permet-elle simplement de produire plus rapidement, ou contribue-t-elle réellement à améliorer la qualité du service public ? Une question qui demeure au cœur du plan « Notre IA » et qui guidera l’évaluation de ses résultats dans les années à venir.

     

  • Etude : des cliniciens et une IA co-conçoivent des modèles prédictifs plus performants (Nature)

    Testée sur des cas de traumatisme crânien et d’insuffisance rénale aiguë, cette approche a permis d’identifier des informations médicales pertinentes souvent négligées par les méthodes classiques. Les résultats* ont été publiés le 15 juin 2026 dans npj Digital Medicine.

    Les dossiers médicaux regorgent d’informations susceptibles d’aider à anticiper l’évolution d’un patient. Mais encore faut-il savoir lesquelles retenir. Lorsqu’ils conçoivent un modèle de prédiction, les chercheurs doivent décider quelles informations extraire des notes cliniques, comment les structurer et lesquelles conserver. Des choix souvent déterminants pour les performances finales du modèle.

    Eplucher les dossiers médicaux avec l’IA

    C’est à cette étape de conception que s’attaquent des chercheurs de l’University of California San Francisco, de la National University of Singapore et de Microsoft Research. Ils proposent une approche dans laquelle des cliniciens et des agents d’intelligence artificielle travaillent ensemble pour identifier les informations les plus pertinentes dans les dossiers médicaux et construire des modèles prédictifs plus robustes.

    Concrètement, les chercheurs ont développé HACHI (Human-Agent Collaboration for Human-Informed Modeling), un système conçu pour faire travailler ensemble médecins et intelligence artificielle. Concrètement, les cliniciens identifient les facteurs qu’ils jugent importants pour prédire l’évolution des patients, tandis que l’IA explore les notes médicales à la recherche de nouveaux indices. Au fil de plusieurs allers-retours, les experts peuvent valider, modifier ou écarter les propositions de l’algorithme afin d’affiner progressivement le modèle.

    Un outil prédictif co-construit

    Pour évaluer cette approche, l’équipe l’a appliquée à deux problématiques cliniques. La première visait à prédire la présence d’un traumatisme crânien chez des enfants admis aux urgences après un choc à la tête. Les chercheurs ont analysé les dossiers de 800 patients, dont 400 présentant effectivement un traumatisme crânien. La seconde portait sur le risque de développer une insuffisance rénale aiguë après une chirurgie générale. Cette fois, l’étude reposait sur les dossiers de 1 600 patients, dont la moitié avait présenté cette complication dans les jours suivant l’intervention.

    Les modèles issus de cette collaboration homme–IA ont ensuite été comparés à des outils de prédiction déjà utilisés en pratique. Les auteurs ont également vérifié s’ils conservaient leurs performances lorsqu’ils étaient appliqués à d’autres hôpitaux ou à des données plus récentes.

    Résultats : des modèles affinés en quelques échanges entre l’homme et l’IA

    • 4 cycles d’interaction entre cliniciens et IA ont été nécessaires pour développer le modèle de prédiction du traumatisme crânien.
    • 3 cycles d’interaction entre cliniciens et IA ont été nécessaires pour développer le modèle de prédiction de l’insuffisance rénale aiguë.
    • Le modèle a mieux distingué les enfants présentant réellement un traumatisme crânien de ceux qui n’en présentaient pas (AUC : 0,91 contre 0,75 pour l’outil de référence).
    • Le modèle a mieux distingué les patients qui allaient développer une insuffisance rénale aiguë après leur chirurgie de ceux qui n’allaient pas présenter cette complication (AUC : 0,73 contre 0,64 à 0,66 pour les modèles de référence).
    • Identification de facteurs cliniques absents des modèles de référence, notamment pour le traumatisme crânien et l’insuffisance rénale aiguë.
    • 1 à 2 heures de revue des résultats par cycle ont été nécessaires pour les équipes impliquées dans le projet.

    Les résultats suggèrent que la valeur de l’outil HACHI ne tient pas uniquement à l’utilisation de l’IA, mais à l’organisation du dialogue entre l’algorithme et les experts. Dans les deux cas d’usage, les cliniciens ont joué un rôle déterminant pour corriger des biais, repérer des fuites d’information ou encore identifier des différences entre établissements susceptibles d’affecter les performances des modèles. « Ces études de cas montrent que la supervision humaine est essentielle non seulement pour valider les résultats de l’IA, mais aussi pour orienter le processus de développement des modèles d’une manière que l’agent d’IA ne pourrait pas atteindre seul », soulignent les auteurs.

    En finir avec la « boîte noire »

    Mais cette étude s’inscrit également dans un mouvement plus large visant à développer des outils d’aide à la décision plus simples à comprendre et à auditer. Car un algorithme performant ne suffit pas : pour être utilisé, il doit aussi être compréhensible par les soignants. Selon les chercheurs, « la simplicité et la capacité d’interprétation des modèles obtenus pourraient faciliter une validation prospective plus rapide que celle des modèles complexes de type boîte noire. » Ils rappellent toutefois que les modèles développés avec

    HACHI devront encore être testés dans des études prospectives avant un éventuel déploiement clinique.

    * Human-AI co-design for clinical prediction models.

    Feng, J., Kothari, A., Vossler, P. et al. npj Digit. Med. (2026). https://doi.org/10.1038/s41746-026-02838-5

    https://www.nature.com/articles/s41746-026-02838-5

  • Formation : selon un essai randomisé, s’entraîner avec GPT-5 réduit les performances de 16 points lorsque l’assistant est retiré

    Quand l’assistance devient un enjeu de formation

    Les assistants d’IA sont de plus en plus utilisés comme outils d’apprentissage, qu’il s’agisse d’enseignement, de formation continue ou de montée en compétences en entreprise. Mais favorisent-ils réellement l’acquisition de savoir-faire durables ?

    Une étude apporte des éléments de réponse. Elle examine l’impact de l’entraînement avec un assistant fondé sur GPT-5 sur la capacité à résoudre ensuite des tâches de manière autonome.

    Trois expériences auprès de 1 222 participants

    Les chercheurs ont conduit trois essais randomisés totalisant 1 222 participants.

    Dans l’expérience principale, les participants s’entraînaient sur douze exercices de calcul de fractions. Une partie d’entre eux bénéficiait d’une assistance reposant sur GPT-5, tandis que les autres réalisaient l’entraînement seuls.

    Tous passaient ensuite une même épreuve finale composée de trois exercices, sans assistance. Les participants avaient la possibilité d’abandonner chaque question grâce à un bouton « passer ».

    Une seconde expérience, menée auprès de 667 personnes, ajoutait un prétest afin de renforcer le protocole. Une troisième appliquait le même principe à des exercices de compréhension de texte.

    Des compétences moins transférables sans l’outil

    Les résultats montrent que les participants ayant appris avec l’assistant rencontrent davantage de difficultés lorsque celui-ci disparaît.

    Lors du test final de l’expérience principale, le groupe assisté réussit 57 % des exercices contre 73 % pour le groupe ayant travaillé sans IA. Le taux d’abandon passe parallèlement de 11 % à 20 %.

    La réplication confirme la tendance, même avec un effet plus modéré : 71 % de réussite pour le groupe assisté contre 77 % pour le groupe témoin.

    Dans l’expérience portant sur la compréhension de texte, les écarts sont également marqués : 76 % de réussite contre 89 %, avec un taux d’abandon multiplié par huit.

    Les auteurs avancent l’hypothèse qu’en fournissant rapidement des réponses ou des pistes de résolution, l’assistant réduit l’exposition à l’effort cognitif nécessaire à l’apprentissage. Les utilisateurs acquièrent alors moins d’expérience dans la résolution autonome des difficultés.

    Une question pour les dispositifs de formation

    L’intérêt de l’étude tient à son protocole expérimental, qui permet d’établir un lien causal entre l’assistance reçue pendant l’entraînement et les performances observées ensuite sans aide.

    Les auteurs soulignent toutefois plusieurs limites. Les résultats concernent des tâches simples, observées à très court terme, avec un seul modèle d’IA. De plus, l’effet mesuré est moins important dans l’expérience de réplication. L’étude ne démontre donc pas que toute utilisation de l’IA nuit à l’apprentissage. Elle montre en revanche qu’un entraînement fortement assisté peut produire des compétences moins transférables lorsque l’outil n’est plus disponible.

    Un signal pour l’éducation et les entreprises

    Pour les établissements de formation comme pour les entreprises, ces résultats invitent à distinguer performance assistée et compétence réellement acquise.

    Dans de nombreux contextes professionnels, les assistants génératifs deviennent des outils d’apprentissage implicite. Or une production réalisée avec l’aide de l’IA ne garantit pas que la même tâche pourra être reproduite sans elle.

    Les auteurs suggèrent ainsi d’explorer des modèles d’assistance différents, dans lesquels l’IA accompagne la réflexion, pose des questions ou fournit des indices, plutôt que de proposer directement la solution.

    Au-delà de la performance immédiate, l’enjeu devient alors celui du transfert des compétences : ce que l’utilisateur est encore capable de faire lorsque l’assistant n’est plus là.

  • Emera généralise ICOPE dans son réseau pour détecter les fragilités liées à l’âge et prévenir la perte d’autonomie

    Emera étend le programme ICOPE à l’ensemble de ses établissements

    Le groupe Emera déploie le programme ICOPE (Integrated Care for Older People) dans l’ensemble de son réseau. Développé par l’Organisation mondiale de la Santé et soutenu par l’IHU HealthAge, ce dispositif vise à repérer les premiers signes de fragilité liés au vieillissement afin de mettre en place des interventions adaptées avant l’apparition d’une perte d’autonomie.

    Cette généralisation s’inscrit dans une stratégie de prévention fondée sur le suivi régulier de l’état fonctionnel des résidents. L’objectif est de détecter précocement les évolutions susceptibles d’altérer leur capacité à vivre de manière autonome et d’adapter l’accompagnement en conséquence.

    Six fonctions suivies pour anticiper les situations de fragilité

    Le programme ICOPE repose sur l’évaluation de six fonctions considérées comme déterminantes pour le maintien de l’autonomie : la mémoire, la nutrition, la vision, l’audition, l’état psychologique et la mobilité.

    Contrairement aux approches centrées sur la prise en charge de la dépendance installée, le dispositif vise à identifier les premiers signaux d’alerte. Les évaluations régulières permettent ainsi de repérer rapidement une dégradation de l’une de ces fonctions et de déclencher des actions adaptées.

    Un parcours de suivi structuré

    Le programme s’articule autour de plusieurs étapes successives :

    • l’évaluation des six domaines de santé ;
    • l’identification des éventuelles alertes ;
    • la définition d’un plan d’accompagnement personnalisé ;
    • le suivi régulier des fonctions évaluées ;
    • l’orientation vers les professionnels compétents lorsque la situation le nécessite.

    Une évaluation accessible aux professionnels, aux aidants et aux seniors

    L’un des principes du programme repose sur sa facilité d’utilisation. Les évaluations peuvent être réalisées par les professionnels des établissements, les aidants ou les personnes âgées elles-mêmes. En quelques minutes, l’outil permet d’obtenir une photographie de l’état fonctionnel de la personne et d’identifier d’éventuels facteurs de fragilité. Cette approche vise à placer le senior au centre du suivi de sa santé et à favoriser une surveillance régulière de son évolution.

    Des outils numériques pour accompagner le déploiement

    La généralisation d’ICOPE au sein du groupe s’accompagne de la mise à disposition de ressources dédiées, notamment le passeport ICOPE et l’application mobile ICOPE Monitor. Ces outils permettent de centraliser les évaluations, d’assurer leur suivi dans le temps et de faciliter l’identification des évolutions nécessitant une intervention.

     

  • AI Act : HealthAI identifie cinq priorités pour rendre l’IA en santé opérationnelle en Europe

    Un cadre réglementaire ambitieux confronté à l’épreuve de l’exécution

    L’Union européenne dispose désormais de l’un des cadres réglementaires les plus structurés au monde pour encadrer l’intelligence artificielle. Pour autant, la réussite de l’AI Act dépendra moins de son contenu juridique que de la capacité des États membres à le mettre en œuvre dans des délais compatibles avec les exigences de conformité imposées aux acteurs du secteur.

    C’est le constat formulé par HealthAI dans son rapport Harnessing AI for Health and Economic Competitiveness: Translating the EU AI Act into Action, publié à l’occasion de l’Assemblée mondiale de la santé. L’analyse s’appuie sur 20 consultations de parties prenantes et sur un travail d’étude des politiques publiques mené entre octobre 2025 et avril 2026.

    Le rapport examine la manière dont la Commission européenne ainsi que l’Allemagne, la France, l’Italie et l’Espagne abordent l’articulation entre innovation en IA et conformité réglementaire dans le domaine de la santé.

    « L’Union européenne a associé des cadres réglementaires ambitieux à une architecture politique destinée à la positionner comme un acteur mondial de l’IA. Toutefois, notre analyse met en évidence des lacunes importantes dans la mise en œuvre », indique le Dr Ricardo Baptista Leite, directeur général de HealthAI.

    Des infrastructures de soutien en retard sur les obligations réglementaires

    Parmi les principaux constats, HealthAI relève un décalage entre le calendrier d’application de l’AI Act et celui des programmes européens censés en faciliter l’exécution.

    Le rapport souligne notamment que plusieurs composantes structurantes arriveront après les premières échéances réglementaires. C’est le cas de certains mécanismes liés à l’Espace européen des données de santé, des normes harmonisées ou encore des mesures d’accompagnement prévues dans le cadre de la stratégie « Apply AI » pour le secteur de la santé.

    Selon les auteurs, cette situation crée un risque pour les acteurs qui devront satisfaire à des obligations de conformité avant de disposer de l’ensemble des outils et référentiels nécessaires.

    Une capacité d’évaluation encore limitée

    L’étude identifie également un risque de saturation du système de certification. Si 51 organismes notifiés sont aujourd’hui désignés au titre du règlement européen sur les dispositifs médicaux (MDR), leur reconnaissance dans le cadre de l’AI Act suppose la démonstration de compétences complémentaires en intelligence artificielle et en science des données.

    Cette exigence pourrait ralentir les procédures d’évaluation de conformité pour les dispositifs médicaux intégrant de l’IA, au moment même où les besoins de certification sont appelés à augmenter.

    Des stratégies nationales hétérogènes

    Le rapport met en évidence des approches institutionnelles différentes selon les pays étudiés.

    L’Espagne, l’Allemagne, la France et l’Italie développent chacune leurs propres modèles de gouvernance, avec des architectures administratives et des niveaux de préparation variables. Cette diversité pourrait compliquer l’harmonisation de l’application du règlement au sein du marché européen.

    Autre point de vigilance : aucun des pays analysés n’a encore éprouvé dans la pratique les modèles de supervision partagée entre autorités de l’IA et régulateurs des dispositifs médicaux. Cette absence de retour d’expérience alimente les incertitudes sur les modalités concrètes de contrôle et d’application des règles.

    L’enjeu de l’accès au marché pour les solutions d’IA

    Au-delà des questions de conformité, HealthAI souligne que l’adoption effective des technologies dépend aussi des mécanismes de financement.

    À ce stade, seuls l’Allemagne et la France disposent de dispositifs structurés de remboursement susceptibles de favoriser l’intégration des outils d’IA dans les pratiques cliniques. En Espagne et en Italie, des technologies peuvent obtenir une autorisation réglementaire sans disposer pour autant du cadre budgétaire ou juridique permettant leur diffusion dans les établissements de santé.

    Le rapport rappelle ainsi que l’obtention d’un marquage réglementaire ne garantit pas l’usage réel de la technologie dans les parcours de soins.

    Cinq recommandations pour renforcer la mise en œuvre

    HealthAI formule cinq recommandations destinées aux institutions européennes et aux États membres :

    • Tester les modèles de supervision partagée à travers des exercices communs associant autorités de l’IA et régulateurs des dispositifs médicaux avant l’entrée en vigueur complète des exigences applicables aux systèmes à haut risque ;
    • Harmoniser les mécanismes de remboursement au niveau européen afin que l’approbation réglementaire puisse déboucher sur une adoption clinique, notamment pour les PME ;
    • Clarifier l’articulation entre l’AI Act, l’Espace européen des données de santé et la réglementation des dispositifs médicaux au moyen de feuilles de route et d’outils de coordination ;
    • Développer des dispositifs d’apprentissage entre États membres en s’appuyant sur la Direction générale de la santé (DG SANTE) et l’AI Office ;
    • Intégrer systématiquement les parties prenantes aux décisions relatives à la gouvernance, aux procédures d’évaluation de conformité et aux priorités de contrôle.

    Une phase décisive pour l’IA en santé en Europe

    Réalisé avec le concours de partenaires tels que le World Economic Forum, Friends of Europe, le UNITE Parliamentarians Network for Global Health et l’European Health Forum Gastein, avec le soutien de Roche et Philips, ce rapport intervient à un moment où l’Union européenne entre dans la phase opérationnelle de son cadre réglementaire.

    Pour HealthAI, la question n’est plus de définir les règles de l’IA en santé, mais de s’assurer que les capacités institutionnelles, techniques et financières permettent leur application effective sur le terrain.

     

  • Le BSEM prépare l’intégration des données de santé de l’enfant dans les parcours numériques

    La HAS fixe un parcours standardisé de 45 minutes pour les enfants

    La Haute Autorité de santé a publié un guide consacré au bilan de santé en école maternelle (BSEM), prévu par le code de la santé publique et le code de l’éducation pour les enfants âgés de trois à quatre ans. L’objectif est de préciser les modalités de réalisation de ce rendez-vous de prévention, les critères d’orientation des enfants et les suites à donner lorsqu’une anomalie est repérée.

    Le bilan s’adresse à tous les enfants scolarisés en école maternelle. La tranche d’âge retenue pour sa réalisation s’étend de 3 ans et 9 mois à 4 ans et demi.

    Le BSEM repose sur une approche multidimensionnelle. Il comprend un recueil d’informations concernant la santé de l’enfant, son environnement familial, ses conditions de vie ainsi que son adaptation à la scolarisation et à la vie en collectivité. Il inclut également une évaluation de la croissance, un examen clinique et le repérage d’éventuels écarts de développement neurodéveloppemental ou psycho-affectif.

    Le dispositif prévoit aussi le dépistage des troubles du langage oral, des déficits visuels et auditifs, ainsi que l’identification de situations pouvant relever de la protection de l’enfance. Les équipes de PMI profitent également de ce rendez-vous pour délivrer des messages de prévention sur la nutrition, le sommeil, l’hygiène bucco-dentaire, l’activité physique ou encore l’usage des écrans.

    Des outils numériques déjà présents dans le bilan

    Le guide prévoit également l’intégration des résultats du bilan dans les dispositifs numériques de suivi de la santé de l’enfant.

    La restitution des résultats du bilan est explicitement prévue dans les « espaces numériques sécurisés mis en place par les pouvoirs publics pour le suivi de la santé de l’enfant ».

    Cette orientation s’inscrit dans la continuité du déploiement du carnet de santé numérique et de l’écosystème national des données de santé.

    Le BSEM génère en effet un volume important d’informations structurées : données de croissance, résultats de dépistages visuels et auditifs, repérage des troubles du langage, éléments de neurodéveloppement ou encore orientations vers des professionnels spécialisés.

    Le guide recommande l’utilisation de plusieurs dispositifs technologiques lors du dépistage. C’est notamment le cas du photoscreening pour l’évaluation de la réfraction visuelle, une technique automatisée de photodépistage permettant de repérer certains troubles visuels avant même l’apparition de symptômes.

    Le recours à des outils standardisés comme l’ERTL4 pour le dépistage du langage participe également à une production de données plus homogène et potentiellement exploitable dans des systèmes d’information de santé.

    Un enjeu d’interopérabilité entre PMI, école et ville

    Le guide prévoit plusieurs flux d’information : vers les parents, le médecin traitant, le service de santé scolaire de l’Éducation nationale et les plateformes numériques sécurisées.

    Cette organisation pose des enjeux d’interopérabilité entre les systèmes d’information des PMI, ceux de l’Éducation nationale et les outils utilisés en médecine de ville. À terme, la capacité à partager ces données de manière sécurisée pourrait faciliter le suivi des enfants orientés vers un orthophoniste, un ophtalmologiste ou un médecin spécialiste après le bilan.

    La standardisation nationale du recueil des données ouvre des perspectives pour le développement d’outils d’aide au repérage précoce.

    Même si le guide n’aborde pas l’IA, des algorithmes pourraient, à terme, contribuer à identifier des profils à risque de troubles du neurodéveloppement, de difficultés langagières ou de problèmes sensoriels à partir de données recueillies de façon homogène. La HAS rappelle toutefois que le BSEM demeure un dispositif de repérage et non de diagnostic. Toute décision clinique et toute orientation restent placées sous la responsabilité des professionnels de santé de PMI.

  • BotDesign développe des patients virtuels pour enrichir les essais cliniques et prépare une levée de 1 M€ en 2027

    • BotDesign développe ORIGA, une plateforme capable de générer des données médicales artificielles à partir de données réelles.
    • L’objectif est de compléter les bases de données de santé et de faciliter la conduite des essais cliniques.
    • La technologie peut enrichir des données d’imagerie, des données cliniques et des jeux de données multimodaux.
    • Les performances annoncées permettent de multiplier certaines bases par deux à dix et de reconstituer jusqu’à 45 % des données manquantes.
    • L’entreprise cible désormais les données génétiques (RNA-seq et single-cell) en partenariat avec Unicancer.
    • BotDesign travaille sur des bras contrôles synthétiques pour réduire le recours à certains groupes témoins dans les essais cliniques.
    • Un projet avec Unicancer, soutenu par l’AIS et l’ANR, vise à tester un bras contrôle composé uniquement de données générées par IA.
    • La société prépare une levée de 200 000 €, avant un tour de financement d’environ 1 M€ prévu en 2027.

    ORIGA génère des données médicales artificielles à partir de données réelles

    Face à la difficulté de recruter des patients pour certaines études cliniques, notamment dans les maladies rares ou les populations sous-représentées, BotDesign développe une approche fondée sur la génération de données médicales artificielles.

    La société toulousaine, cofondée par Jean-Louis Fraysse et Olivier Thuillard, a conçu sa plateforme ORIGA en collaboration avec la mathématicienne Stéphanie Allassonnière de l’Université Paris Cité. Les développements en IA sont pilotés par Raphaël Fontaine, responsable de l’équipe data science.

    La technologie s’appuie sur des données réelles afin de produire de nouvelles données synthétiques conservant les mêmes propriétés statistiques. Selon l’entreprise, ORIGA est aujourd’hui capable d’augmenter des données d’imagerie médicale, des données alphanumériques ainsi que des jeux de données multimodaux.

    D’après Jean-Louis Fraysse, certaines bases de données peuvent être multipliées par deux à dix selon les usages. La plateforme est également utilisée pour compléter des bases incomplètes, avec une capacité annoncée de reconstitution pouvant atteindre 45 % des données manquantes dans certains ensembles de recherche clinique ou de soins.

    Un focus sur les données génétiques

    Après une première commercialisation dans le domaine des données cliniques et de l’imagerie médicale, BotDesign concentre désormais une partie de ses travaux sur les données génétiques.

    L’entreprise collabore notamment avec Unicancer sur la génération de données RNA-seq et single-cell. Ces données sont utilisées pour analyser le fonctionnement cellulaire, identifier de nouvelles cibles thérapeutiques et soutenir le développement d’approches de médecine personnalisée.

    Cette évolution représente un défi technique important. Contrairement aux données cliniques traditionnelles, les données génétiques comportent plusieurs milliers, voire dizaines de milliers de variables par patient et reposent sur des interactions biologiques complexes. Raphaël Fontaine considère ce sujet comme l’un des principaux défis actuels du secteur.

    Les développements liés à ces données biologiques se situent actuellement entre les niveaux de maturité technologique TRL 6 et TRL 7. La technologie a déjà été démontrée sur des jeux de données réels dans des conditions proches de l’usage opérationnel, mais des validations scientifiques supplémentaires restent nécessaires avant un déploiement à grande échelle.

    Une validation statistique et médicale des données générées

    Pour évaluer la qualité des données artificielles produites, BotDesign a mis en place plusieurs niveaux de contrôle.

    L’entreprise s’appuie notamment sur la distance de Wasserstein, une métrique statistique utilisée pour mesurer l’écart entre les distributions de données réelles et artificielles. Les analyses sont réalisées à plusieurs échelles : variable par variable, sur l’ensemble de la base de données et au sein des différents sous-groupes de population.

    À cette validation statistique s’ajoute une évaluation par des professionnels de santé et des experts métier. En amont du processus, un comité médical vérifie la représentativité de la base de données utilisée. Après génération, médecins, statisticiens et mathématiciens examinent la cohérence et la vraisemblance des données produites.

    Vers des bras contrôles synthétiques dans les essais cliniques

    Au-delà de l’enrichissement des bases de données, BotDesign souhaite utiliser ces données artificielles pour faire évoluer la conception des essais cliniques.

    L’entreprise travaille avec les autorités de santé afin de réduire le nombre de patients réels nécessaires dans certains groupes contrôles. Cette approche répond notamment à des enjeux éthiques, en particulier dans des pathologies graves où certains patients sont affectés à des groupes placebo ou à des traitements de référence.

    Avec Unicancer, BotDesign participe à un projet soutenu par l’Agence de l’innovation en santé et l’Agence nationale de la recherche. L’objectif est de déployer un bras contrôle prospectif composé exclusivement de données générées par IA, puis d’en comparer les performances statistiques à celles obtenues avec des groupes contrôles conventionnels.

    Financement et marchés visés

    Pour accompagner son développement, BotDesign prévoit une levée intermédiaire de 200 000 euros, avant une opération d’environ 1 million d’euros en 2027 destinée à accélérer les développements technologiques et réglementaires.

    L’entreprise cible plusieurs marchés : la recherche clinique, l’industrie pharmaceutique, les hôpitaux, les entrepôts de données de santé, les maladies rares, mais aussi les secteurs de la santé animale et de la cosmétique.

  • Dépassements d’honoraires : les trois scénarios du HCAAM pour réformer un système aux limites visibles

    Horizon 2040 : 90 % des spécialistes pourraient être concernés par le secteur 2

    Du côté des patients, elle accroît les restes à charge et entretient une certaine opacité tarifaire, les dépassements d’honoraires restant encadrés par la seule notion de « tact et mesure », recommandée par l’OPTAM/OPTAM-ACO, sans notion de valeur absolue.

    Du côté du système de santé, elle fragilise l’attractivité du secteur 1 et renforce un modèle dual dans lequel coexistent des médecins aux tarifs strictement encadrés et d’autres bénéficiant d’une large liberté tarifaire.

    Face à cette dynamique, le HCAAM présente trois scénarios de réforme réalisables sur 15 ans, définissant les conditions d’exercice de la médecine libérale.

    Scénario 1 : Supprimer les dépassements d’honoraires, 60 % des spécialistes du secteur 2 perdants mais une patientèle gagnante

    Proposer la suppression du modèle dual a pour avantage un gain de lisibilité du système de soins ainsi qu’une réduction des disparités entre patients, garantissant pour tous l’accès à des tarifs opposables. Toutefois, ce modèle entraîne une réduction prévisionnelle moyenne de 28 % des honoraires pour les spécialistes.

    Bien que ce modèle prenne en compte un alignement sur des tarifs du secteur 1 à revoir à la hausse de 280 M€, ainsi que la suppression de certaines cotisations, il ne parvient pas à compenser les 4 Md€ de perte d’honoraires.

    Si, pour les 40 % de membres du secteur 2 appliquant des dépassements faibles, ce modèle ne présente pas de perte majeure, les 60 % de spécialistes appliquant des dépassements forts se verront fortement impactés. Certaines filières très spécialisées à forts dépassements moyens seront donc fortement désavantagées ; une opposition des syndicats est donc à anticiper.

    Scénario 2 : Un secteur 2 à la sélectivité renforcée : quels critères choisir pour revoir à la baisse de 28 % les prévisions de 2040 ?

    Réserver le secteur 2 à une minorité de médecins semble être un moyen de revenir à ses fondements. La question ne porte plus sur l’encadrement des dépassements mais bien sur une tentative d’inversion de la proportion sectorielle pour atteindre non pas 90 %, mais 45 % de médecins en secteur 2 d’ici à 2040 par l’imposition de critères :

    • titre hospitalo-universitaire ;
    • année minimale de pratique ;
    • territoire prioritaire choisi.

    Cette réforme non rétroactive, ne s’appliquerait qu’aux nouveaux spécialistes. Ceci ralentit les effets de la réforme mais reste fidèle au critère qualitatif , permettant une meilleure acceptation à prévoir chez les spécialistes.

    Scénario 3 : Encadrer davantage un système pour le conserver : une baisse prévisionnelle de 60 % des dépassements d’honoraires

    Face à l’importance tant numérique que financière du secteur 2, sa réduction semble présenter nombre d’obstacles. Le HCAAM propose une voie médiane entre une sélectivité accrue mais non féroce et un encadrement plus strict des honoraires sans leur disparition.

    • Un minimum d’activité de 10 ans comme critère d’entrée en secteur 2 ;
    • La fin du « tact et mesure », remplacé par un plafond strict.

    Si une baisse de 1,7 Md€ de dépassements d’honoraires est à prévoir pour les jeunes praticiens, celle-ci peut tomber à 0,9 Md€ pour ceux installés depuis plus de 10 ans. Ceci bénéficierait aux patients les plus précaires tout en cherchant à limiter les pertes chez les médecins par une revalorisation des honoraires du secteur 1.

    Derrière les dépassements d’honoraires se cache une question plus large : quel modèle de santé voulons-nous à l’horizon 2040 ?

    C’est une vision à long terme que cherche à éclairer ce rapport en se demandant s’il faut accepter l’existence durable d’un secteur à honoraires largement libres ou maintenir l’ensemble des spécialistes dans un cadre tarifaire commun. Une question dont la réponse peut être plurielle, laissant entrevoir des croisements entre les scénarios proposés.

    Interrogeant l’attractivité du secteur médical, ces réflexions peuvent s’étendre au cadre universitaire. Si la notion de qualité amène jusqu’à aujourd’hui l’acceptation d’études à forte pénibilité dans l’attente d’une plus forte garantie de liberté économique en secteur 2, quelles influences une révision de ce modèle aurait-elle sur le champ de la formation ?

    Une question croisant les problématiques tant médicales qu’universitaires, deux sujets au cœur des débats qui prendront place en 2027.

     

  • G7 2026 : l’industrie pharmaceutique appelle à faire de l’innovation un levier de compétitivité et de croissance

    À l’approche du sommet des dirigeants du G7, qui se tiendra à Évian sous présidence française, la Fédération internationale des fabricants et associations pharmaceutiques et le Leem ont publié un appel commun en faveur d’un renforcement des investissements dans l’innovation pharmaceutique.

    Les deux organisations considèrent que les médicaments et les vaccins innovants constituent des moteurs de croissance économique, de compétitivité et de résilience pour les économies du G7. Elles plaident pour que le secteur des sciences de la vie soit pleinement intégré aux stratégies industrielles et économiques des États membres.

    Trois priorités pour les dirigeants du G7

    L’IFPMA et le Leem identifient trois axes d’action.

    • Le premier consiste à renforcer les investissements dans les médicaments et les vaccins innovants. Les deux organisations estiment que les politiques publiques doivent davantage prendre en compte la valeur sanitaire, économique et sociétale créée par ces innovations afin de soutenir des marchés capables d’attirer et de récompenser les investissements en recherche et développement.
    • La deuxième priorité vise à reconnaître l’industrie pharmaceutique innovante comme un secteur stratégique. Selon les signataires, cette industrie contribue à la création de millions d’emplois qualifiés au sein des pays du G7 et participe à leur résilience économique sur le long terme.
    • Enfin, l’IFPMA et le Leem appellent à préserver le leadership du G7 dans un secteur qu’ils décrivent comme le plus intensif en recherche et développement au niveau mondial. Ils soulignent que la concurrence internationale s’accroît et que cet avantage ne pourra être maintenu sans une stratégie coordonnée en faveur de l’innovation.

    Cet appel intervient dans la continuité du sommet du Business7, organisé récemment à Paris.

    Jean-François Brochard, président du Leem, estime que les dirigeants du G7 ont l’opportunité de faire de la santé une priorité stratégique de leurs politiques économiques. Il souligne que cette ambition passe notamment par des investissements dans l’innovation thérapeutique et par des actions visant à garantir un accès durable aux progrès médicaux.

    Le président du Leem met également en avant plusieurs leviers d’action, parmi lesquels le développement de la recherche clinique, l’amélioration de l’accès à l’innovation, le renforcement de la sécurité d’approvisionnement et l’attractivité industrielle des territoires.

     

     

  • Le NHS déploie Microsoft 365 Copilot auprès de 505 000 agents

    Une généralisation à grande échelle de l’IA générative

    Le NHS England a annoncé le déploiement de Microsoft 365 Copilot auprès de 505 000 cliniciens et personnels de soutien.

    Présentée comme “la plus vaste initiative de ce type dans le secteur de la santé”, l’opération vise à réduire la charge administrative, améliorer l’organisation des établissements et libérer du temps pour les soins. Cette décision s’inscrit dans la stratégie de transformation numérique du système de santé britannique, qui cherche à intégrer l’IA dans les activités quotidiennes des professionnels.

    Un pilote auprès de 30 000 agents à l’origine du déploiement

    La généralisation de l’outil repose sur un programme pilote conduit dans 90 organisations du NHS. Plus de 30 000 agents y ont participé, dans ce qui est présenté comme “le plus grand essai mondial d’IA générative” appliquée aux tâches administratives en santé.

    Selon le NHS England, les résultats font apparaître un gain moyen de 43 minutes par agent et par jour. Rapporté à une année complète, ce gain représente environ cinq semaines de travail récupérées par professionnel.

    200 000 utilisateurs dans les six premiers mois

    Le déploiement s’appuiera sur un programme d’intégration de douze mois. Le NHS prévoit d’équiper 200 000 utilisateurs au cours des six premiers mois avant d’étendre progressivement l’accès au reste des effectifs d’ici octobre 2026.

    Chaque établissement bénéficiera dans un premier temps d’environ 2 000 licences, destinées à amorcer l’adoption de l’outil dans les différents services.

    De multiples usages administratifs ciblés

    Microsoft 365 Copilot sera utilisé pour automatiser ou assister de nombreuses tâches administratives. Les cas d’usage identifiés incluent notamment :

    • la préparation des documents de sortie d’hospitalisation ;
    • la gestion des lits ;
    • la planification des équipes ;
    • la rédaction de comptes rendus de réunions ;
    • la production de documents de direction ;
    • la création de notes de synthèse ;
    • l’analyse de données ;
    • les activités liées aux ressources humaines, aux finances et aux achats.

    Copilot Studio pour développer des agents spécialisés

    Les organisations du NHS disposeront également de Copilot Studio, la plateforme permettant de créer des agents IA adaptés à des besoins spécifiques.

    Ces agents pourront être mobilisés pour automatiser certaines fonctions de support, traiter des réclamations, répondre à des demandes d’accès à l’information ou encore assister les équipes financières dans leurs analyses.

    Le NHS prévoit de développer certains agents au niveau national, tandis que les établissements conserveront la possibilité de créer leurs propres solutions adaptées à leurs contraintes locales.

    Pour encadrer ces développements, la plateforme Agent 365 devra garantir la conformité des agents créés avec les exigences de sécurité et les politiques organisationnelles du NHS.

    Un contrat estimé à 320 millions de livres

    Le NHS England n’a pas communiqué le montant du contrat conclu avec Microsoft. Plusieurs sources du secteur évoquent toutefois un accord pouvant atteindre 320 millions de livres sterling sur trois ans, sans confirmation officielle à ce stade.

    Cette annonce suscite également des réserves du côté des représentants du personnel. Le syndicat Unison a alerté sur le risque d’une utilisation de l’IA à des fins de gestion algorithmique des ressources humaines. L’organisation cite notamment la possibilité d’utiliser des indicateurs tels que la vitesse de saisie des notes cliniques pour évaluer la performance des professionnels.