Plus de 1 000 patients de l’essai STAMPEDE analysés par ArteraAI
Développé par la société américaine Artera, ArteraAI Prostate repose sur une intelligence artificielle multimodale (MMAI) capable d’analyser à la fois les données cliniques et les images numériques issues de biopsies. L’objectif : prédire l’évolution à long terme de la maladie et orienter le choix thérapeutique, notamment l’intérêt d’un traitement hormonal.
En analysant les lames histologiques et les données cliniques de milliers de patients, l’algorithme a été validé dans plusieurs essais de phase 3, dont les résultats de l’étude STAMPEDE, présentés à l’ASCO 2025. Cette étude avait montré un bénéfice en survie à ajouter l’abiratérone au traitement standard, mais au prix d’effets indésirables supplémentaires. Grâce aux analyses d’ArteraAI sur les images de plus de 1 000 patients de l’essai, les chercheurs ont pu identifier les patients les plus susceptibles de bénéficier de l’abiratérone, par rapport à ceux répondant déjà au traitement standard (hormonothérapie et radiothérapie).
Vers une généralisation en anatomopathologie numérique
L’autorisation de la FDA qualifie ArteraAI Prostate en tant que dispositif médical (SaMD) utilisable dès le diagnostic dans les laboratoires de pathologie agréés aux États-Unis. Elle entraîne également la création d’une nouvelle catégorie de produits réglementaires, dédiée aux outils d’analyse de risque basés sur l’IA pour l’anatomopathologie numérique. Pour Andre Esteva, PDG et cofondateur d’Artera, cette validation « marque un tournant dans l’intégration de l’IA dans la prise en charge du cancer ». L’entreprise avait déjà obtenu le statut de Breakthrough Device de la FDA pour cette solution.
Optimisation des flux de travail en anatomopathologie grâce à l’IA
Outre son application en clinique, le logiciel pourrait alléger la charge de travail des pathologistes, notamment dans les régions en tension sur l’accès aux services spécialisés. Des organisations comme TruCore, axées sur la pathologie numérique, voient également dans cet outil un levier pour accélérer les délais d’analyse, améliorer les flux de travail et renforcer la qualité des soins. Selon son fondateur, le Dr Adam Cole, « l’intégration de ce type de solution permet de mieux personnaliser l’interprétation et de gagner en efficacité à grande échelle ».
Repérage précoce des troubles cognitifs liés au cancer
Un outil numérique interactif est désormais accessible aux patients atteints de cancer pour repérer plus tôt les troubles cognitifs liés aux traitements, grâce au Cogitoscope, un projet soutenu par l’appel à projets PAIR. Déployé depuis août 2025 aux Hospices Civils de Lyon, le Cogitoscope est un agent conversationnel conçu pour accompagner les patients confrontés aux troubles cognitifs liés au cancer, aussi appelés « brouillard cognitif » (CRCI). Ces troubles concernent entre 40 % et 72 % des patients sous traitement et peuvent persister jusqu’à cinq ans après le diagnostic, impactant vie personnelle et professionnelle.
Un chatbot conçu avec les patients : IA et expertise médicale réunies dans un outil d’accompagnement personnalisé
Le Cogitoscope est le fruit d’une collaboration entre professionnels de santé, chercheurs en neurosciences, experts en intelligence artificielle et une patiente partenaire. Il est co-porté notamment par le Dr Laurence Have, le Pr Sophie Jacquin-Courtois, Karen Reilly (CRNL), Lydie Catalano (IA Médical) et Laurie Panse. Son développement a été financé via l’appel à projets PAIR 2023, coorganisé par les Hospices Civils de Lyon et la Métropole de Lyon, dans le cadre d’une stratégie territoriale de soutien à l’innovation en santé.
Le chatbot s’adresse aux patients, mais aussi à leurs proches et aux professionnels de santé. Sans se substituer à une évaluation clinique, il propose des réponses personnalisées à partir de plaintes quotidiennes fréquentes : troubles de la concentration, oublis répétés, difficultés à faire deux choses à la fois, etc. Il fournit des informations validées sur ces symptômes et des pistes pour mieux y faire face.
Détection, orientation, adaptation
L’outil est conçu pour intervenir dès les premières étapes du parcours de soins, avec pour objectif de faciliter la reconnaissance des troubles et d’orienter les patients vers des stratégies de compensation adaptées. Il s’appuie sur une interface interactive, accessible à tout moment.
Pour les soignants, le Cogitoscope permet de sensibiliser à une prise en charge systématique des troubles cognitifs dès les premières consultations. Il facilite également l’orientation vers des parcours adaptés et le repérage des facteurs de vulnérabilité cognitive. Le dispositif pourrait, à terme, être élargi à d’autres pathologies générant des troubles similaires : COVID long, maladies auto-immunes ou neurologiques. Il ouvre également la voie à une meilleure quantification du phénomène à travers la collecte de données partagées avec les patients et leurs aidants.
Une technologie open source identifie les atteintes rénales silencieuses chez les patients diabétiques
Une équipe internationale met au point une technologie d’imagerie multiplexée couplée à un logiciel open source, capable de détecter des signatures pathologiques rénales avant tout signe clinique chez des patients diabétiques atteints de néphropathie, bien avant l’apparition de signes cliniques
La néphropathie diabétique est la principale cause d’insuffisance rénale chronique. Selon la Fédération internationale du diabète , 537 millions d’adultes vivent avec un diabète, dont 30 % développeront une atteinte rénale. Diabète et néphropathie diabétique ont causé plus de 2 millions de décès chaque année selon l’OMS. Les méthodes actuelles – histopathologie conventionnelle et biomarqueurs urinaires – souffrent de limites :
Sensibilité inférieure à 60 % aux stades précoces.
Délais d’analyse de plusieurs jours.
Accès restreint dans les pays à faibles ressources.
46 chercheurs développent PathoPlex, une technologie de rupture
Sous la coordination de l’Université de Zurich, 46 chercheurs de six pays (Suisse, Allemagne, Autriche, Royaume-Uni, États-Unis, Canada) ont conçu PathoPlex. Cette approche associe :
Une imagerie multiplexée de plus de 140 protéines à 80 nm/pixel.
Un logiciel open source (spatiomic) pour intégrer les données protéiques et révéler des signatures pathologiques.
L’étude méthodologique, publiée dans Nature le 14 août 2025, a inclus des preuves de concept précliniques sur modèles animaux ainsi que des analyses translationnelles sur 38 biopsies de patients atteints de néphropathie diabétique et 18 cas de diabète de type 2 sans lésions histologiques
PathoPlex a permis :
De cartographier plus de 140 protéines dans 40 échantillons humains.
De détecter des signes précoces de stress rénal avant les manifestations cliniques.
Accessible grâce à des anticorps commerciaux et à des microscopes standards, PathoPlex ouvre la voie à un diagnostic plus rapide et prédictif. Outre la néphrologie, la technologie pourrait générer des atlas protéiques intégrés pour l’oncologie, les maladies neurodégénératives et inflammatoires.
Décrypter les résultats d’examens et les rendre intelligibles pour les patients fait partie du rôle du médecin. Aux Etats-Unis, une loi de 2016 (21st Century Cures Act), en impose la communication immédiate. Cette volonté d’amélioration de la transparence oblige donc les cliniciens à choisir les bons mots pour ne pas accroitre l’anxiété des patients. Afin que cela n’augmente pas trop la charge de travail et l’épuisement professionnel des médecins, des outils comme l’IA sont envisagés.
C’est pourquoi des chercheurs de l’université de Stanford ont souhaité évaluer l’acceptabilité clinique des outils d’IA générative pour la communication patient-médecin. Les médecins sont-ils prêts à déléguer une partie de cette tâche à une IA ?
Pour répondre à cette question, les chercheurs ont développé un outil intégré au dossier médical électronique pour générer des brouillons de commentaires de résultats. C’est Claude 3.5 Sonnet (Anthropic) qui a été sélectionné comme modèle de langage pour ce pilote « en raison de son temps de réponse supérieur, de sa fidélité aux instructions de prompt et de sa capacité à générer des commentaires ressemblant à ceux des cliniciens », précisent les auteurs de l’étude. Au total, 244 médecins de soins primaires ont utilisé l’outil au moins une fois. Ils ont été invités à participer par vagues successives de 4 semaines, puis à répondre après 4 ou 8 semaines à une enquête. But de l’opération : mesurer la facilité d’utilisation, l’utilité et le gain de temps perçu.
Résultats : un outil qui pousse à la communication
84,9 % des médecins ont trouvé l’outil facile à utiliser.
L’IA a été particulièrement appréciée pour les résultats de laboratoire (72 %) et d’imagerie (63 %).
58,1 % ont déclaré utiliser fréquemment l’outil
53,8 % ont estimé qu’il était prêt à être largement mis en œuvre
41,9 % ont déclaré être motivés à envoyer plus fréquemment des commentaires sur les résultats aux patients.
72% estiment que les explications sont améliorées grâce à l’IA
Le gain de temps était d’un peu plus d’une minute par commentaire.
Ces résultats démontrent « l’utilité d’un outil d’IA générative pour rédiger des explications sur les résultats des tests, en soulignant sa facilité d’utilisation, son efficacité améliorée et la meilleure qualité des explications. » Autre aspect non négligeable : en facilitant ainsi le travail des cliniciens, ces derniers sont plus enclins à faire un retour à leurs patients.
Les médecins gardent la main
Il est important de souligner par ailleurs que les brouillons rédigés par l’IA ne sont pas envoyés directement au patient. « Chacun est examiné et, si nécessaire, modifié, avant que le médecin n’envoie la note,” précisent les chercheurs. Ainsi, le médecin garde le contrôle final sur la communication médicale et valide l’exactitude. Il peut aussi adapter le ton et le contenu selon sa relation avec le patient. C’est donc bien un outil d’assistance plutôt qu’un système automatisé de communication directe avec les patients.
Cependant, dans les réponses libres, les cliniciens ont fait des commentaires négatifs liés à l’exactitude et à l’exhaustivité du contenu. Ils ont donc formulé des suggestions pour optimiser l’outil comme inclure davantage d’informations contextuelles sur les patients issues des notes de consultation récentes. Ils suggèrent aussi des pistes pour améliorer l’intégration dans le flux de travail, en mettant, par exemple, à jour les brouillons de manière séquentielle pour les résultats publiés au fil du temps.
*Clinician Perspectives on AI-Generated Drafts of Patient Test Result Explanations.
Shah SJ, Nair A, Murtagh K, et al. JAMA Netw Open. 2025;8(8):e2528794. doi:10.1001/jamanetworkopen.2025.28794
Applications, bornes, pharmacies : la SFD met en garde contre les dépistages sans supervision
Alors que les solutions se multiplient pour détecter les cancers cutanés, la Société Française de Dermatologie (SFD) tire la sonnette d’alarme. Elle alerte sur l’usage de ces outils en dehors de tout cadre médical, notamment dans des lieux publics ou via des applications non validées scientifiquement. Ces dérives préoccupent la communauté dermatologique qui appelle à une régulation urgente.
La SFD constate que certaines pratiques de dépistage, proposées en libre-service, échappent à toute supervision dermatologique. Elles sont parfois accessibles dans des pharmacies ou centres commerciaux, et fonctionnent sans intégration dans un parcours de soins coordonné. Les risques pour les patients sont multiples : mésusage des outils, diagnostics erronés, fausse sécurité, recommandations non accompagnées, ou encore anxiété injustifiée. Le Professeur Saskia Oro, présidente de la SFD, rappelle que la technologie « doit rester au service du soin » et souligne la nécessité de préserver l’examen clinique complet réalisé par un dermatologue.
La SFD en appelle directement aux autorités pour instaurer un cadre clair et concerté.
Pour éviter de faux diagnostics, la SFD demande une évaluation indépendante des dispositifs d’IA en dermatologie
7 recommandations pour un usage sécurisé
Pour encadrer le recours à l’intelligence artificielle dans le dépistage des cancers cutanés, la Société Française de Dermatologie émet sept recommandations :
Intégrer les solutions numériques dans un réseau territorial impliquant des dermatologues.
Encadrer les plateformes d’IA et de téléexpertise par des règles claires et opposables.
Former les professionnels non spécialistes à l’utilisation raisonnée de ces outils.
Recruter davantage de dermatologues pour assurer un maillage territorial.
Améliorer la lisibilité du parcours dermatologique pour les patients.
Évaluer les dispositifs numériques via des instances indépendantes.
Actualiser les règles déontologiques à l’ère du numérique.
L’organisation insiste sur l’importance de remettre l’expertise médicale au cœur du processus de dépistage. Elle plaide également pour un meilleur adressage des patients vers les dermatologues, afin d’éviter les parcours inefficients et la surcharge des consultations spécialisées.
« Il est urgent que les pouvoirs publics prennent pleinement la mesure de l’impact des réseaux sociaux sur la santé de la peau »
Début juillet, la société savante avait déjà dénoncé les effets délétères de la désinformation dermatologique sur les réseaux sociaux, particulièrement chez les plus jeunes. Elle alerte sur la diffusion de contenus pseudo-scientifiques, de conseils d’automédication dangereux, et de discours rejetant les traitements médicamenteux au profit de prétendues alternatives naturelles.
Des profils pour orienter le dialogue avec la société
Santé publique France lance un appel à candidatures pour recomposer son Comité d’orientation et de dialogue (COD) pour la période 2026-2029, dans un contexte de redéfinition de ses priorités en lien avec les enjeux sociétaux et technologiques. Créé dès la préfiguration de Santé publique France en 2015, le COD incarne la volonté de l’agence d’intégrer la société civile dans l’élaboration de ses actions.
Ce comité est l’une des quatre instances de gouvernance de l’agence, aux côtés du Conseil d’administration, du Conseil scientifique et du Comité d’éthique et de déontologie. Le rôle du COD est d’apporter un regard sociétal sur les activités de l’agence, en particulier dans la construction de sa stratégie de dialogue avec les citoyens et les parties prenantes. Il contribue à éviter toute déconnexion entre les politiques de santé publique et les préoccupations exprimées dans la société.
Inégalités sociales, changement climatique et outils numériques ; de nouveaux enjeux pour la mandature 2026-2029
Le renouvellement du COD intervient alors que Santé publique France adapte sa programmation pour mieux répondre aux évolutions contemporaines. Trois axes majeurs sont mis en avant :
Les inégalités sociales et territoriales de santé.
Les impacts sanitaires du changement climatique.
Et les leviers offerts par le numérique pour améliorer la santé des populations.
Ces priorités s’inscrivent dans le cadre du Contrat d’objectifs et de performance 2024-2028, dont l’axe 3 vise à faire de l’agence une structure d’expertise ouverte et connectée aux réalités territoriales. Les personnes intéressées sont invitées à soumettre leur dossier avant le 30 septembre 2025, à l’adresse suivante : CandidaturesCOD@santepubliquefrance.fr.
Le dossier doit inclure une lettre de motivation, un curriculum vitae, et une déclaration publique d’intérêts, à remplir via le portail ministériel DPI Santé. Le document complet détaillant les missions du COD et les conditions de candidature est disponible au téléchargement sur le site de Santé publique France.
Une stratégie pour répondre aux enjeux du vieillissement et du handicap
36 actions opérationnelles seront lancées en 18 mois pour intégrer l’IA dans les politiques publiques du grand âge et du handicap.
Face à la croissance du nombre de personnes âgées en perte d’autonomie et à la complexité croissante des parcours des personnes en situation de handicap, la Caisse nationale de solidarité pour l’autonomie (CNSA) engage une stratégie de transformation par l’intelligence artificielle (IA). La CNSA insiste sur une approche éthique, inclusive et respectueuse des normes, notamment le RGPD et le futur AI Act. L’objectif est d’intégrer l’IA comme un levier de soutien aux pratiques.
Réduction des délais, lutte contre la fraude, simplification : les cinq axes IA de la CNSA
L’IA interviendra via des outils de préremplissage automatique, d’analyse prédictive ou de standardisation des processus d’évaluation. Des interfaces numériques plus intuitives doivent également permettre de fluidifier les parcours des personnes accompagnées. La stratégie s’organise autour de cinq priorités :
Gagner du temps pour l’accompagnement humain grâce à la réduction des tâches administratives répétitives (préremplissage, aide à la saisie, analyse prédictive).
Accélérer le traitement des demandes en automatisant certaines étapes et en fluidifiant les circuits de validation.
Harmoniser les pratiques territoriales pour réduire les écarts d’interprétation réglementaire et standardiser certains processus.
Simplifier les démarches via des interfaces numériques personnalisées et plus intuitives.
Développer la proactivité pour repérer les situations de non-recours et renforcer la détection de la fraude.
De l’identification à la pérennisation, six leviers mobilisés
Identifier les cas d’usage prioritaires : Les professionnels de terrain et les personnes concernées seront sollicités pour repérer les processus à optimiser. Un catalogue de cas d’usage, enrichi en continu, guidera les futures intégrations de l’IA dans les systèmes d’information de la CNSA.
Expérimenter avant déploiement : Les projets pilotes seront testés sur des périmètres restreints avec les maisons départementales des personnes handicapées (MDPH), les conseils départementaux et les ARS. La CNSA s’appuiera sur des partenariats scientifiques et des solutions mutualisées.
Acculturation et formation : Un plan de formation et de communication accompagnera le changement. Un réseau d’ambassadeurs aura pour mission de diffuser les bonnes pratiques et de remonter les retours d’expérience.
Exploiter les données existantes : La CNSA prévoit la constitution d’un catalogue de données et l’amélioration de leur qualité pour alimenter les algorithmes d’IA dans le respect des règles de sécurité et d’éthique. Certaines données seront mises à disposition via le portail data-autonomie.cnsa.fr.
Encadrer juridiquement et éthiquement : Une charte d’utilisation de l’IA et une charte d’achat (axée sur la souveraineté technologique et l’impact environnemental) seront élaborées. Les réflexions s’appuieront sur les travaux de l’Agence du numérique en santé.
Pérenniser la démarche : L’ensemble des expérimentations menées jusqu’en 2026 feront l’objet d’évaluations. Leurs résultats nourriront la préparation de la prochaine convention d’objectifs et de gestion (COG) et du futur schéma directeur des systèmes d’information.
La feuille de route IA sera déployée en trois temps
2e semestre 2025 : poser les bases — mise en place de la gouvernance, recensement des premiers cas d’usage, lancement des formations et premiers travaux sur la qualité des données.
1er semestre 2026 : expérimenter — lancement des projets pilotes en partenariat avec les MDPH et les services départementaux.
2e semestre 2026 : déployer et pérenniser — généralisation des cas d’usage jugés pertinents et préparation de la stratégie post-2026.
Un bilan sera publié chaque semestre pour assurer transparence et suivi
La CNSA prévoit la création d’une équipe interne dédiée au pilotage de la stratégie IA. Cette task force aura pour missions le cadrage, la priorisation, le suivi et l’évaluation des cas d’usage. Elle animera également un réseau d’ambassadeurs IA pour faciliter l’appropriation des outils par les professionnels. La gouvernance sera soutenue par quatre comités : sélection des cas d’usage, suivi des projets, comité stratégique trimestriel avec la direction générale, et comité des partenaires semestriel. Le Conseil de la CNSA et les partenaires sociaux seront associés à la démarche. Consciente des impacts environnementaux, la CNSA s’appuie sur le référentiel AFNOR de l’IA frugale.
L’ophtalmologie en France traverse une double tension : une demande exponentielle — 45 millions de patients concernés par un trouble visuel — et une offre médicale en crise, avec moins de 6 praticiens pour 100 000 habitants et un corps professionnel vieillissant. Les délais d’attente et les inégalités territoriales se creusent, tandis que le coût socio‑économique des pathologies oculaires dépasse 11 milliards d’euros par an. Face à ce défi, le numérique s’impose en catalyseur : délégation d’actes aux orthoptistes, télé‑ophtalmologie, intelligence artificielle de diagnostic et robot‑chirurgie bouleversent déjà les pratiques. L’essor des entrepôts de données, comme ceux des Quinze‑Vingts ou du CHU de Nice, alimente la recherche de nouvelles cohortes et biomarqueurs, renforçant le rôle pionnier de l’ophtalmologie dans la médecine des données. Parallèlement, l’oculomique et l’IA de dépistage révèlent le potentiel de l’œil comme miroir des maladies chroniques, du diabète aux démences. Ces innovations redessinent un parcours de soins désormais articulé entre prévention, suivi prédictif et thérapies augmentées, à condition de lever les défis éthiques et organisationnels.
📌Ophtalmologie en France : une pénurie aggravée face à 45 millions de patients, le numérique en renfort
Avec seulement 4 617 ophtalmologistes en activité en 2025, soit 5,96 praticiens pour 100 000 habitants, la spécialité souffre d’inégalités territoriales criantes et d’un vieillissement de ses effectifs, près de 20 % ayant plus de 60 ans. Alors que 45 millions de Français présentent un trouble visuel, avec 800 000 cas de myopie et 600 000 de presbytie nouveaux chaque année, les délais d’attente explosent. Le coût des pathologies oculaires atteint 11 milliards d’euros annuels, dont 2,5 pour les troubles réfractifs et 583 millions pour la DMLA. Pour répondre à cette demande croissante, la délégation d’actes aux orthoptistes, la télé-ophtalmologie et l’intelligence artificielle s’imposent comme leviers majeurs de réorganisation et d’efficience des soins.
📌Forte augmentation des entrepôts de données de santé : l’ophtalmologie en pointe avec les projets 15-20 et SYNAPSE
En sept ans, les entrepôts de données de santé (EDS) sont passés de 3 projets recensés par la CNIL en 2017 à 100 en 2024, portés par 88 acteurs. L’hôpital des 15-20 a déployé en 2022 un EDS dédié à l’ophtalmologie, alimenté par plusieurs centaines de milliers de consultations et d’examens annuels, afin d’affiner phénotypage et génotypage. De son côté, le CHU de Nice a lancé SYNAPSE en 2023 pour collecter en vie réelle des données sur les tumeurs oculaires rares, comblant un manque majeur de cohorte structurée. Ces initiatives illustrent comment les EDS deviennent des leviers stratégiques pour la recherche, l’innovation et l’amélioration des parcours de soins en ophtalmologie.
📌 Plus de 110 000 scans rétiniens démontrent le potentiel de l’IA pour dépister précocement démence, diabète et maladies cardiovasculaires.
L’oculomique, qui associe imagerie rétinienne et intelligence artificielle, ouvre une ère nouvelle dans le dépistage non invasif des maladies chroniques. Plus de 110 000 analyses montrent que l’amincissement rétinien est lié à 294 gènes associés au diabète, aux démences ou à la sclérose en plaques. Des systèmes comme MIRA, RETIPROGRAM ou Quartz atteignent jusqu’à 90 % de performance pour la rétinopathie diabétique et permettent déjà d’évaluer les risques neurodégénératifs et cardiovasculaires, certains en moins de 20 secondes. Ces avancées promettent une intégration en routine dès 2026, à condition de surmonter l’opacité des algorithmes et le manque de données harmonisées.
📌Télémédecine et IA : comment l’ophtalmologie a basculé dans l’ère numérique depuis le Covid-19
Depuis la pandémie de 2020, l’ophtalmologie mondiale a connu une transformation numérique sans précédent, portée par la télémédecine et l’essor de l’IA. Aux États-Unis, le recours aux téléconsultations est passé de 3% à 77% en quelques mois, tandis que plus de 15 000 examens IA de dépistage de la rétinopathie diabétique ont été réalisés entre 2021 et 2023. En Europe, le NHS a lancé RETFound, entraîné sur 1,6 million de scans, et l’Allemagne a publié en 2025 des lignes directrices pour un usage éthique de l’IA. En Asie, la Chine mise sur l’IA pour ses 110 millions de diabétiques, le Japon expérimente le dépistage oculaire par smartphone et la Corée du Sud affiche une sensibilité de 95% avec son Med-Fundus AI, confirmant une mutation mondiale des pratiques ophtalmologiques.
📌Ophtalmologie : l’IA révolutionne le diagnostic avec 94% de précision et des bilans en 6 minutes
L’intelligence artificielle s’impose dans l’ophtalmologie en atteignant jusqu’à 94 % de précision diagnostique et en permettant de réaliser plus de 100 mesures par œil en seulement six minutes. De la détection automatisée des pathologies rétiniennes à la microchirurgie robotisée, des plateformes comme Retinax, RTX1 ou FemtoMatrix transforment le diagnostic, la recherche et la chirurgie. Plus de 1 200 structures en France utilisent déjà des logiciels connectés pour centraliser et analyser les données, accélérant le suivi des patients. Ces innovations permettent d’optimiser les coûts (jusqu’à -30 % de main-d’œuvre) et d’améliorer l’accès aux soins, du dépistage jusqu’aux thérapies avancées.
📌« IA et ophtalmologie : 20 cas d’usage entre déploiement hospitalier et limites de la recherche »
L’intelligence artificielle transforme rapidement l’ophtalmologie : plus de 20 cas d’usage sont déjà recensés en France et en Europe, du dépistage automatisé de la rétinopathie diabétique – première cause de cécité évitable – jusqu’au suivi prédictif de la DMLA. Des outils comme OphtAI ou aiVista analysent en quelques secondes les images de fond d’œil et orientent les patients, améliorant équité et rapidité d’accès aux soins, tandis que d’autres applications optimisent le suivi à distance ou fluidifient le parcours grâce à l’automatisation administrative. Toutefois, près d’un quart des usages identifiés restent sans solution opérationnelle, en particulier pour les maladies rares ou les situations « experts », freinés par le manque de données et la complexité clinique. L’ophtalmologie illustre ainsi à la fois la puissance de l’IA lorsqu’elle répond à un besoin massif et les difficultés de passage de la preuve scientifique à une application industrielle.
📌Ophtalmologie en France : un parcours de soins structuré de la prévention à l’innovation
En France, la prise en charge ophtalmologique repose sur une chaîne structurée associant médecins généralistes, orthoptistes, opticiens et ophtalmologues, afin d’assurer dépistage, suivi et traitements spécialisés. Les centres experts, comme les CHU ou l’Hôpital des Quinze‑Vingts, prennent en charge les cas complexes grâce à l’imagerie avancée, à la chirurgie et aux urgences. Les structures de basse vision accompagnent les patients malvoyants par des programmes de réadaptation, soutenus par un riche tissu associatif. Enfin, l’innovation est stimulée par les start-up, les SATT et les tiers‑lieux, qui travaillent à transformer la recherche et les données cliniques en solutions concrètes pour améliorer les soins.
L’IA booste le diagnostic : jusqu’à 94 % de précision
Les algorithmes de deep learning, comme ceux d’OphtAI et de Retinax, assistent les cliniciens dans le diagnostic des maladies rétiniennes (rétinopathie diabétique, glaucome, DMLA). Ils permettent une analyse automatisée et rapide des images médicales. Retinax propose une plateforme reliant centres satellites, unités chirurgicales et algorithmes pour faciliter la revue des dossiers patients. À l’Hôpital Fondation Rothschild, le projet BONSAI, basé sur l’imagerie fundus et le deep learning appliqué à plus de 14 000 images, atteint une performance supérieure à celle obtenue par des cliniciens non spécialisés pour la détection du papilledème.
iSlit, outil de diagnostic fondé sur l’IA symbolique hybride, détecte plus de 100 pathologies à partir d’images de lampe à fente et aide la prise de décision clinique, en particulier dans les zones à faible accès médical. Le réseau de neurones VGG-16, utilisé par l’Université d’Oxford (Royaume-Uni), permet quant à lui la classification fine et automatisée des lésions rétiniennes sur photographies couleur, atteignant 93,7 % de précision, ce qui accélère considérablement la surveillance des pathologies chroniques.
AI Screenings exploite sa plateforme de télémédecine ALICIA, qui intègre des dispositifs médicaux aiVista-SD et aiVista-DT, dont aiVista-SD pour la détection précoce de la rétinopathie diabétique, et aiVista-DT dédié au glaucome, améliorant la prise en charge à distance et la réduction des inégalités d’accès au dépistage médical. Odysight a développé une application de télésurveillance validée cliniquement (82 % de concordance, écart moyen de 0,33 lettre) permettant un suivi visuel à domicile.
3 plateformes pour franchir un cap décisif dans l’imagerie rétinienne
La solution RTX1, créée par Imagine Eyes, exploite l’optique adaptative pour visualiser en temps réel la microstructure de la rétine et suivre les photorécepteurs, permettant une détection ultra-précise et un suivi personnalisé des maladies. Utilisée dans plusieurs centres de recherche, elle permet une détection précoce des pathologies et un suivi individualisé.
La plateforme Cellularis d’EarlySight associe illumination transsclérale et optiques adaptatives pour détecter des biomarqueurs invisibles aux méthodes courantes. Elle facilite l’identification de maladies précoces et modélise leur progression grâce à l’IA.
En France, le projet RetiCell du CEA, Imagine Eyes, Hôpital des Quinze-Vingts combine optiques issues de l’astrophysique et algorithmes pour produire une imagerie tomographique 3D à résolution cellulaire. GEAR, partenariat entre l’Institut de la Vision, WhiteLab Genomics,et ADLIN Science, associe IA et données multi-omiques pour améliorer l’administration de thérapies géniques dans la rétine, en réduisant les doses nécessaires.
FemtoMatrix : 14 brevets pour la chirurgie de la cataracte
Le système FemtoMatrix, développé par Keranova, apporte la robotisation aux interventions de cataracte. Il automatise le morcellement et l’aspiration du cristallin, grâce à 14 innovations brevetées. Ce dispositif réduit le temps opératoire et améliore la sécurité et la reproductibilité des gestes, avec l’objectif de transformer jusqu’à 30 millions d’actes annuels.
EyeLib, de MIKAJAKI SA, est une station robotisée réalisant un bilan ophtalmologique complet en 6 minutes. Guidée par l’agent virtuel Ariane InSight, elle génère automatiquement un rapport SmartVision Report contenant plus de 100 mesures objectives par œil, via un agent virtuel.
PRECEYES Surgical System est une solution robotique chirurgicale assistée par IA dédiée à la microchirurgie oculaire, notamment la chirurgie rétinienne. Cette technologie intègre un retour haptique avancé, réduit les tremblements du chirurgien et augmente la précision des interventions.
Gestion, suivi et télémédecine : plus de 1 200 structures connectées
La plateforme Lyleoo centralise plus de 200 paramètres optiques et s’appuie sur un algorithme IA, facilitant en téléophtalmologie le tri, le diagnostic et l’orientation des patients, notamment dans les zones à faible densité médicale.
La startup française Temeoo, offre une plateforme SaaS de télémédecine ophtalmologique qui permet aux patients de consulter des orthoptistes pour examens, avec télé-expertise rapide des ophtalmologistes et ordonnance sous 2 à 5 jours.
Oplus One, logiciel SaaS de Datacend, est déployé dans plus de 1 200 cabinets et hôpitaux français et compatibles avec 99% d’outils ophtalmologie. Il centralise et sécurise le dossier patient, intègre des outils de dépistage par IA, garantit la conformité RGPD et permet un suivi multiplateforme.
RetinAI Discovery, fait le lien entre données cliniques et imagerie multimodale (OCT, fond d’œil), appliquant des algorithmes certifiés CE et FDA pour extraire biomarqueurs et prédire l’évolution des pathologies. Cette plateforme accélère les analyses cliniques (de 6 mois à 6 semaines pour plus de 15 000 OCTs) et soutient coordination et recherche.
Scanly Home OCT (Notal Vision) autorise un suivi quotidien à domicile, avec transmission automatique des images au cloud pour analyse et alertes sur l’évolution de la DMLA.
RetinSight Fluid Monitor, module IA automatique, quantifie les fluides rétiniens à partir d’images OCT, offrant un suivi précis et une aide à la décision thérapeutique anti-VEGF.
EviRed, en collaboration entre AP-HP et Hôpital Fondation Rothschild, associe imagerie ultra grand champ et OCT-angiographie à des données cliniques pour classifier et prédire l’évolution de la rétinopathie diabétique, améliorant le tri des patients à risque, notamment en régions sous-dotées.
Technologies connectées pour le traitement et la prévention
MyDrop, plateforme associant doseur connecté et application mobile, améliore l’observance des collyres grâce au suivi des doses, aux rappels et à l’interface de partage avec le médecin. Elle contribue à limiter les complications et à réduire les coûts liés aux traitements mal suivis.
Avancées thérapeutiques : réduire les injections, renforcer la sécurité
PulseSight Therapeutics développe des thérapies vectorisées non virales administrées par électro-transfection, pour espacer les injections dans la DMLA et traiter certaines formes avancées. Le procédé fait l’objet d’essais de phase I et bénéficie de 90 brevets. Lumibird Medical (Tango Reflex Neo & C.STIM) associe laser YAG/SLT et lumière pulsée pour intervenir sur la cataracte et le syndrome de l’œil sec, avec un déploiement international et une efficacité validée cliniquement.
30 % de coûts de main-d’œuvre économisés avec le dépistage automatisé
THEIA analyse en 10 secondes les images du fond d’œil pour dépister diabète, cataracte et hypertension, tout en évaluant le risque cardiovasculaire à cinq ans. Elle double la capacité de dépistage et réduit les coûts de main-d’œuvre de 30 %.
Des outils comme Voiceflow et Owlbot automatisent l’accueil, le tri médical et la gestion de l’information à l’aide d’IA conversationnelles, fluidifiant le parcours de soins. Heygen propose la génération de vidéos avec avatar pour la pédagogie et l’engagement des patients.
Dépistage automatisé : des maladies détectées plus tôt
Plus de 20 cas d’usage déjà opérationnels montrent comment l’intelligence artificielle améliore prévention, diagnostic, suivi et formation dans les soins oculaires.
La détection précoce des pathologies oculaires est le champ d’application le plus mature de l’intelligence artificielle en ophtalmologie. Citons la rétinopathie diabétique, première cause de cécité évitable de l’adulte : grâce à l’IA, des solutions telles qu’OphtAI (OphtAI) et aiVista-SD (AI Screenings), entraînées sur des milliers d’images de rétine, dépistent automatiquement les lésions sur les photographies du fond d’œil. Au CH Jacques Coeur de Bourges ou sur les plateformes AI Screenings, ces dispositifs analysent la rétine en quelques secondes, qualifient la sévérité, et orientent le patient vers le bon parcours.
Ce principe s’étend à d’autres pathologies fréquentes. Les dispositifs d’AI Screenings (ALICIA, aiVista-DT pour le glaucome, OphtAI pour la DMLA) permettent un triage rapide, homogène et reproductible, y compris dans les zones à faible densité ophtalmologique – une avancée majeure pour l’équité d’accès aux soins.
Imagerie et surdiagnostic : l’ordinateur voit (presque) tout
Autre révolution : la lecture et l’interprétation automatisée des examens complexes. L’analyse assistée des images de la rétine ou de l’OCT (tomographie en cohérence optique) ne se limite plus à détecter les pathologies courantes : elle permet désormais de quantifier leur sévérité avec une grande précision. Grâce à des algorithmes de segmentation avancés, certaines solutions évaluent en temps réel la présence et l’évolution des liquides intra- et sous-rétiniens, facilitant ainsi la décision thérapeutique et l’optimisation des injections chez les personnes âgées. D’autres outils, comme ceux développés à l’Hôpital Intercommunal de Créteil, classent automatiquement les maladies rétiniennes héréditaires à partir d’images spécifiques, offrant un diagnostic plus rapide dans des situations où les spécialistes sont rares. Enfin, des projets comme BONSAI ou RetiCell détectent de façon précoce des anomalies papillaires ou des microlésions invisibles à l’œil nu, permettant d’identifier très tôt des signes évocateurs de pathologies graves ou de complications débutantes.
À chaque fois, le gain est double : homogénéiser la qualité du diagnostic (même chez les non-spécialistes) et accélérer l’orientation du patient, en particulier dans les services d’accueil d’urgence.
Personnalisation du suivi et médecine prédictive
Les outils de suivi à distance progressent à grands pas, et bouleversent l’organisation de la surveillance des maladies chroniques rétiniennes comme la DMLA. Odysight (Tilak Healthcare) innove avec une application permettant au patient de réaliser à domicile des tests d’acuité et de grille d’Amsler ; l’IA analyse les résultats et alerte, en cas de suspicion de rechute, le médecin pour un rendez-vous en urgence.
L’analyse des données multi-omiques (ARN, ADN, protéines – Projet GEAR par WhiteLab Genomics/Institut de la Vision) ouvre la voie à la conception de thérapies géniques ciblées, en identifiant les sous-populations cellulaires à traiter et en optimisant les vecteurs de délivrance.
Quant à la prédiction personnalisée du gain visuel après pose d’anneaux intracornéens (CHNO des Quinze-Vingts) ou de la puissance idéale de l’implant lors de la chirurgie de la cataracte (Fondation Rothschild), elle devient possible grâce à l’apprentissage sur de vastes bases de données cliniques et biométriques. Ces algorithmes affinent le choix thérapeutique, réduisent le risque d’échec et améliorent l’information au patient.
Aide au diagnostic différentiel et à la décision clinique : gain de temps, fiabilité et pertinence
La multiplication des données issues d’appareils de pointe comme la topographie cornéenne, l’OCT ou les systèmes de mesure biomécanique a donné naissance à une nouvelle génération d’assistants intelligents. Ces outils comparent les caractéristiques de la cornée d’un patient à des milliers de profils déjà analysés et proposent un diagnostic différentiel automatisé, comme c’est le cas au CHNO des Quinze-Vingts pour les pathologies cornéennes complexes. Ils peuvent également jouer un rôle clé dans le suivi post-chirurgie réfractive : l’IA peut quantifier de manière précise et interprétable la fibrose après une PKR, suivre l’évolution du remodelage cornéen et contrôler le risque de complications. Cette intégration de l’intelligence artificielle dans la pratique médicale améliore la fiabilité des décisions, réduit les incertitudes diagnostiques et permet un suivi plus fin et mieux adapté à chaque patient.
Fluidification du parcours et automatisation de l’expérience patient
L’IA dépasse le seul champ médical et simplifie aussi l’expérience patient. À la Clinique du Val‑d’Ouest, un agent conversationnel automatise l’accueil, oriente les patients et répond aux questions fréquentes pour fluidifier la prise en charge. Des questionnaires interactifs de préconsultation permettent d’anticiper le motif de visite et de collecter les informations utiles, tandis que des algorithmes de traitement du langage génèrent automatiquement des synthèses cliniques, réduisant la charge administrative et libérant du temps pour la relation soignant‑patient.
Formation médicale et pédagogie intelligente
Enfin, l’IA joue aussi un rôle dans la formation des internes en ophtalmologie, via l’entraînement sur cas simulés, l’analyse automatisée des réponses et le feedback individualisé.
Un panorama qui ne cesse de s’élargir
Au total, plus de 20 cas d’usage structurent déjà le paysage de l’IA appliquée à l’ophtalmologie en France, du dépistage en première ligne à la recherche translationnelle. Si leur taux de déploiement varie selon la maturité réglementaire et l’intégration dans le parcours de soins, leur dénominateur commun reste l’efficience : moins de retards de diagnostic, des décisions médicales plus rapides, une médecine plus homogène… et la possibilité d’absorber le choc démographique annoncé en ophtalmologie
Des solutions déployées… mais des zones blanches persistantes
Si l’IA pour le dépistage automatisé de la rétinopathie diabétique brille déjà par sa présence effective dans les hôpitaux, avec des solutions comme OphtAI ou aiVista-SD, une analyse plus fine révèle que plusieurs cas d’usage majeurs restent sans solution commerciale ou clinique disponible. C’est le cas de la classification automatisée des maladies rétiniennes héréditaires : malgré des progrès scientifiques validés, aucun produit opérationnel n’est encore proposé, laissant les patients dans l’attente. L’aide à la détection d’anomalies papillaires sur les photographies du fond d’œil, pourtant cruciale pour les structures dépourvues d’ophtalmologiste, en est encore au stade de projet ou de recherche. De même, la prédiction personnalisée du gain visuel après implantation d’anneaux intracornéens et le suivi automatisé du remodelage cornéen post-PRK par analyse quantitative OCT ont fait l’objet d’avancées méthodologiques solides et de publications scientifiques, mais aucune plateforme n’est pour l’instant accessible aux centres de soins. Ce constat illustre la difficulté pour certaines innovations de franchir la « vallée de la mort » qui sépare la preuve de concept scientifique de l’industrialisation, une étape souvent freinée par la complexité clinique, la rareté des indications ou la nécessité de validations multicentriques rigoureuses.
Dynamiques différenciées selon le poids clinique et l’accessibilité des données
Poids de la maladie, disponibilité de la donnée et effectif disponible : un triptyque pour l’IA « utile
Les pathologies fréquentes et graves (rétinopathie diabétique, DMLA) sont celles pour lesquelles l’IA a atteint le plus haut degré de maturité (dépistage, suivi, triage d’urgence). Pour les maladies rares ou les situations « experts », l’offre d’IA peine à émerger faute de bases de données suffisantes ou d’un marché clairement identifié, malgré l’intérêt médical fort. Les outils pour la classification automatisée des maladies rétiniennes héréditaires ou la prédiction post-implants relèvent encore souvent de la recherche.
Des avancées scientifiques discriminantes… mais pas toujours traduites en clinique
Plusieurs innovations sont validées par des publications scientifiques, parfois majeures (ex : imagerie cellulaire pour microlésions, évaluation automatisée de la fibrose post-chirurgie, classification de l’œdème papillaire). Mais l’absence de solutions déployables ou la dépendance à des dispositifs de recherche limitent leur impact immédiat sur le parcours patient.
Les cas d’usage orientés expérience patient et organisation : un essor plus marqué
Les applications liées à la fluidification des parcours (agents conversationnels, questionnaires interactifs, génération de synthèses cliniques) affichent une maturité grandissante, reflet de la demande des établissements de santé pour automatiser les tâches répétitives et réduire les délais. A contrario, les usages d’aide stricte au diagnostic sur des pathologies rares ou très spécialisées progressent plus lentement, un signe de concentration des investissements sur l’efficience globale du système. Dans l’analyse présentée, près d’un quart des cas d’usage identifiés n’ont à ce jour aucune solution opérationnelle reconnue ni en France, ni à l’international, malgré des publications scientifiques prometteuses ou des besoins cliniques avérés.
Hétérogénéité de maturité : des usages déployés, d’autres encore à l’état de concept
En synthèse, l’ophtalmologie représente un laboratoire instructif de la transformation numérique en santé : là où la donnée est abondante, encadrée et le besoin massif, l’IA s’ancre vite et fort. En revanche, pour les pathologies de niche ou les gestes « experts », le chemin reste long, demandant alliances entre industriels, chercheurs, financeurs et autorités publiques.
Sans stratégie d’intégration et d’industrialisation, nombre de cas d’usage risquent de rester à l’état de « preuves de concept »… au détriment de l’équité d’accès à l’innovation.
Méthodologie d’estimation de la maturité
La maturité de chaque cas d’usage a été estimée selon l’échelle TRL (Technology Readiness Level), adaptée aux dispositifs médicaux et solutions d’intelligence artificielle en santé. Le classement repose sur une analyse croisée de plusieurs critères :
Stade de développement (concept, prototype, essai clinique, commercialisation)
Présence de publications scientifiques ou cliniques validées
Intégration réelle dans des établissements de soins ou plateformes existantes
Reconnaissance réglementaire ou marquage CE médical si applicable
Retour d’usage en vie réelle ou validation multicentrique
Les cas d’usage ont été regroupés selon leur niveau de maturité estimé :
Élevée (TRL 7 à 9) : solutions déjà déployées, avec preuves d’efficacité clinique ou usages avérés
Moyenne (TRL 4 à 6) : prototypes avancés ou en cours d’intégration clinique
Faible (TRL 1 à 3) : travaux de recherche, preuves de concept ou absence de solution opérationnelle
