Articles

  • Logistique augmentée : quand l’IA redéfinit les flux hospitaliers (OPTACARE, CHU STRASBOURG , AP-HP)

    Lors de la Journée nationale ANAP & RESAH 2025, deux ateliers phares – « Quand l’algorithme donne le rythme » et « IA : des stocks ad hoc » – ont mis en lumière les trajectoires engagées par l’AP-HP, les Hôpitaux Universitaires de Strasbourg et leur partenaire Optacare.

    L’AP-HP prépare 2029 avec 7 cas d’usage d’IA pour moderniser la logistique hospitalière

    À l’AP-HP, l’IA est envisagée comme un levier dans la refonte de la chaîne d’approvisionnement à l’horizon 2029. Comme l’a exposé Franck Caupin, chef de projet MOA SI Finance à l’AP-HP, les sept cas d’usage identifiés découlent d’un travail de définition des besoins internes, croisé avec une analyse des usages déjà éprouvés dans d’autres secteurs industriels. À ce stade, les travaux portent sur sept cas d’usage identifiés dans le cadre de réflexions exploratoires, avec pour objectif de moderniser la gestion des approvisionnements.  Ces cas couvrent un large spectre :

    • Prévision de la demande : modéliser la consommation à partir de données historiques, de tensions fournisseurs, d’indicateurs épidémiologiques et météorologiques, pour anticiper les besoins et sécuriser les stocks.
    • Amélioration intralogistique : optimiser le rangement, la gestion des emplacements et la préparation des commandes en pharmacie, entrepôts ou magasins grâce à l’IA et à la robotique légère.
    • Optimisation des transports : planifier les tournées de livraison (humaines ou automatisées) les volumes et la localisation, afin de réduire les kilomètres parcourus et les délais.
    • Réconciliation des flux physiques et numériques : détecter automatiquement les écarts entre les stocks réels et ceux déclarés dans les SI, pour fiabiliser les inventaires et sécuriser la traçabilité.
    • Accompagnement à l’apprentissage des SI : proposer des agents IA tutoriels pour guider les utilisateurs dans l’appropriation des nouveaux outils, corriger les erreurs en temps réel et fluidifier les usages.
    • Traitement documentaire automatisé : interroger, classer et exploiter les bases documentaires internes (produits, contrats, commandes) via l’IA générative, pour réduire les délais de traitement.
    • Support client automatisé : générer des réponses de premier niveau pour les demandes internes liées aux approvisionnements ou aux stocks.

    Aucun de ces cas d’usage n’est encore opérationnel, mais tous ont vocation à être testés à court ou moyen terme, dans une logique d’expérimentation progressive.

    Accompagner sans surdimensionner : une stratégie en trois temps portée par UniHA

    Thomas JAN, Directeur général adjoint d’UniHA, a rappelé que si l’IA suscite aujourd’hui de fortes attentes, elle reste également un sujet source d’appréhensions dans les établissements hospitaliers. Le manque de lisibilité sur les cas d’usage, la pression financière, la vitesse de renouvellement technologique, la multiplication des acteurs, ainsi que l’absence de compétences internes constituent autant de freins à son déploiement. Pour y répondre, UniHA a développé une offre de service structurée autour de trois piliers :

    • Pédagogie : former les acteurs hospitaliers aux usages réels de l’IA, clarifier ce qu’elle peut – ou ne peut – apporter, et sensibiliser aux enjeux de sécurité, d’éthique et de souveraineté des données.
    • Déploiement : accompagner les établissements dans le choix des projets adaptés à leur maturité, structurer la gouvernance, et orienter vers les bons prestataires selon les besoins (logistique, pharmacie, SI).
    • Évaluation : promouvoir des indicateurs de réussite au-delà du financier – comme la qualité de vie au travail, la satisfaction des utilisateurs ou la continuité des soins – et favoriser le partage d’expériences entre établissements.

    Aujourd’hui, UniHA propose d’accompagner financièrement les établissements qui souhaitent engager une transformation logistique appuyée sur l’IA, notamment dans les secteurs sous tension comme les approvisionnements en médicaments. Pour UniHA, l’objectif est de ne pas rater le virage, tout en assurant un accompagnement adapté aux réalités opérationnelles des hôpitaux.

    Des prévisions dynamiques et simulables : l’exemple d’OPTACARE aux HUS

    L’atelier « IA : des stocks ad hoc » a présenté l’expérimentation conduite par les HUS avec la société OPTACARE. Leur solution d’IA « Stock » est centrée sur l’optimisation en temps réel des stocks de médicaments et de dispositifs médicaux. Elle repose sur une double classification des références (par usage et par criticité), enrichie de modèles prédictifs alimentés par plus d’un million de lignes issues des SI GEF hospitaliers. Les utilisateurs accèdent à des politiques de réapprovisionnement dynamiques, ajustables, avec des tableaux de bord intégrant projections, alertes et aides à la décision. L’approche permet de passer d’une logique statique de stock à un pilotage continu, fondé sur la réalité des consommations.

    Logistique hospitalière : l’IA réduit les coûts de 63 % et maintient un taux de service à 99,5 %

    Les premiers résultats issus de simulations sur 2023 et 2024 sont significatifs. Pour un médicament antibiotique, la solution a permis de réduire de 63 % le coût de détention et de 16 % le nombre de commandes. Pour un antidote classé BZ, une baisse de 67 % du coût d’acquisition a été constatée. L’outil permet également de diminuer le nombre de commandes d’environ 20 %, tout en maintenant un taux de service supérieur à 99,5 %. Au-delà des résultats économiques, les gains portent aussi sur la qualité de vie au travail des gestionnaires, la réactivité face aux ruptures, et la robustesse globale du système logistique hospitalier. L’IA devient ici un outil de simulation, de décision, mais aussi de sécurisation des parcours patients.

  • L’algorithme FaceAge prédit la survie des patients atteints de cancer à partir de leur âge biologique facial

     +5 ans d’âge facial en moyenne chez les patients atteints de cancer

    FaceAge repose sur l’analyse automatique des traits du visage pour en déduire un âge biologique, distinct de l’âge chronologique. Cette approche a été testée sur un échantillon de plus de 6 000 patients atteints de cancer aux États-Unis et aux Pays-Bas. Résultat : leur âge facial moyen dépassait de cinq ans celui d’un groupe témoin non atteint de cancer. Plus encore, chez les patients atteints, un âge facial élevé était corrélé à un pronostic vital plus défavorable, avec une espérance de vie réduite par rapport à ceux dont l’âge facial était plus jeune.

    L’étude, publiée dans The Lancet Digital Health, a comparé la performance de FaceAge à celle des cliniciens dans un contexte de soins palliatifs par radiothérapie. Selon les auteurs, les prédictions médicales basées uniquement sur l’expérience clinique ou l’âge chronologique se sont révélées à peine plus précises qu’un choix aléatoire. L’ajout des données générées par FaceAge a cependant significativement amélioré la capacité des professionnels à prédire l’issue des traitements.

    Un selfie pour prédire la tolérance aux traitements lourds

    Les chercheurs soulignent qu’à âge égal, deux patients pourraient être orientés vers des stratégies thérapeutiques différentes en fonction de leur âge biologique facial. L’algorithme pourrait ainsi compléter les jugements cliniques en objectivant la capacité d’un individu à tolérer un traitement lourd. Hugo Aerts, directeur du programme d’intelligence artificielle en médecine (AIM) au Mass General Brigham et co-auteur principal de l’étude, estime que ces résultats démontrent la valeur clinique d’un simple selfie comme source de données biométriques exploitables. Ray Mak, également membre de l’équipe AIM, envisage déjà des extensions du dispositif à d’autres maladies chroniques, dans une logique de détection précoce fondée sur la trajectoire de vieillissement.

    Un outil à encadrer éthiquement

    Les auteurs reconnaissent toutefois que l’utilisation de ces outils devra s’inscrire dans un cadre réglementaire et éthique rigoureux. L’émergence de ce type de biomarqueurs visuels ouvre en effet un nouveau champ de recherche en médecine personnalisée, dont les implications sur la prise en charge devront être soigneusement évaluées.

     

  • Flux hospitaliers : capteurs intelligents et automatisation pour une logistique augmentée

    CH William Morey : capteurs intelligents et pilotage des flux en temps réel

    La crise des vocations, la complexité croissante des soins et les exigences de performance pèsent plus que jamais sur les services hospitaliers. Face à ces défis, la journée Anap-RESAH dédiée à la logistique et à la pharmacie a proposé une réponse ambitieuse : robotiser, digitaliser, prédire… tout en adaptant les outils aux réalités du terrain.

    Au CH William Morey, la logistique hospitalière s’appuie sur une solution innovante conçue par Superwyze : un système de capteurs, autonomes et miniaturisés, déployés depuis 2022. Ces capteurs, sans batterie et résistants aux lavages hospitaliers, permettent de géolocaliser les équipements biomédicaux, de surveiller les températures critiques et de suivre les flux sensibles, comme les patients à risque de fugue ou les dispositifs médicaux en circulation. Leur faible encombrement et leur légèreté (2,5 g) permettent également d’équiper les glacières utilisées pour le transport par drone d’échantillons biologiques, tout en préservant la charge utile.

    L’ensemble du système repose sur une infrastructure radio propriétaire, capable de localiser les objets à partir de méthodes de triangulation, sans nécessiter de réseaux Wi-Fi ou Bluetooth lourds. Grâce à ces capteurs, l’hôpital peut suivre en temps réel l’usage des dispositifs, identifier les équipements inactifs, limiter les pertes et réduire les coûts liés aux matériels non tracés, comme les bouteilles de gaz ou les pompes à perfusion. Au-delà du suivi, la solution offre un levier de pilotage stratégique pour optimiser l’allocation des ressources et améliorer la réactivité des équipes.

    Du curatif à l’anticipation : la logistique hospitalière repensée

    Au CHU de Toulouse, le projet « LGP 2027 », conduit par Guillaume Marques, illustre une transformation de la logistique pharmaceutique hospitalière. Plus qu’une évolution structurelle, c’est un changement de paradigme. L’enjeu : construire une logistique connectée, intégrée, capable de soutenir les défis croissants du soin, tout en fluidifiant les parcours patients.

    Sur une plateforme de 5 000 m², qui centralise près de 10 millions d’euros de stocks, la réflexion s’oriente vers une extension de 2 500 m² et une refonte des flux internes. La démarche intègre des objectifs clairs : meilleure maîtrise des approvisionnements, réduction des immobilisations dans les services, diminution du gaspillage et rééquilibrage entre stock central et hors-stock. Cette approche territoriale vise aussi à renforcer l’efficacité inter-établissements au sein du GHT.

    Automatiser : entre bénéfices logistiques et défis organisationnels

    L’automatisation des fonctions logistiques hospitalières, telle qu’illustrée par les retours d’expérience d’IDEA Logistique, repose sur une évaluation précise des besoins et du contexte. Parmi les technologies explorées figurent les systèmes « goods-to-man », les robots mobiles autonomes (AMR) et les magasins automatisés. Ces dispositifs visent à réduire les déplacements internes, accroître la fiabilité des opérations, optimiser l’espace de stockage et transférer les tâches répétitives ou à faible valeur ajoutée vers des solutions automatisées.

    Mais leur mise en œuvre pose plusieurs défis. Ces équipements requièrent une maintenance spécialisée, une stabilité des environnements de travail, ainsi qu’un système d’information robuste capable de dialoguer avec l’ensemble de la chaîne logistique. Sur le plan humain, ils peuvent modifier les cadences habituelles, perturber l’équilibre entre métiers techniques et pharmaceutiques, ou susciter des résistances si les agents ne sont pas suffisamment associés dès la conception du projet.

    Les intervenants ont insisté sur l’importance de personnaliser chaque stratégie d’automatisation selon le contexte local. L’enjeu est de construire un modèle souple, évolutif, capable de s’ajuster aux charges de travail réelles et aux besoins opérationnels de l’établissement, sans déstabiliser les équipes.

     

  • Logistique augmentée : quand l’IA redéfinit les flux hospitaliers (OPTACARE, CHU STRASBOURG , AP-HP)

    L’AP-HP prépare 2029 avec 7 cas d’usage d’IA pour moderniser la logistique hospitalière

    À l’AP-HP, l’IA est envisagée comme un levier dans la refonte de la chaîne d’approvisionnement à l’horizon 2029. Comme l’a exposé Franck Caupin, chef de projet MOA SI Finance à l’AP-HP, les sept cas d’usage identifiés découlent d’un travail de définition des besoins internes, croisé avec une analyse des usages déjà éprouvés dans d’autres secteurs industriels. À ce stade, les travaux portent sur sept cas d’usage identifiés dans le cadre de réflexions exploratoires, avec pour objectif de moderniser la gestion des approvisionnements.  Ces cas couvrent un large spectre :

    • Prévision de la demande : modéliser la consommation à partir de données historiques, de tensions fournisseurs, d’indicateurs épidémiologiques et météorologiques, pour anticiper les besoins et sécuriser les stocks.
    • Amélioration intralogistique : optimiser le rangement, la gestion des emplacements et la préparation des commandes en pharmacie, entrepôts ou magasins grâce à l’IA et à la robotique légère.
    • Optimisation des transports : planifier les tournées de livraison (humaines ou automatisées) les volumes et la localisation, afin de réduire les kilomètres parcourus et les délais.
    • Réconciliation des flux physiques et numériques : détecter automatiquement les écarts entre les stocks réels et ceux déclarés dans les SI, pour fiabiliser les inventaires et sécuriser la traçabilité.
    • Accompagnement à l’apprentissage des SI : proposer des agents IA tutoriels pour guider les utilisateurs dans l’appropriation des nouveaux outils, corriger les erreurs en temps réel et fluidifier les usages.
    • Traitement documentaire automatisé : interroger, classer et exploiter les bases documentaires internes (produits, contrats, commandes) via l’IA générative, pour réduire les délais de traitement.
    • Support client automatisé : générer des réponses de premier niveau pour les demandes internes liées aux approvisionnements ou aux stocks.

    Aucun de ces cas d’usage n’est encore opérationnel, mais tous ont vocation à être testés à court ou moyen terme, dans une logique d’expérimentation progressive.

    Accompagner sans surdimensionner : une stratégie en trois temps portée par UniHA

    Thomas JAN, Directeur général adjoint d’UniHA, a rappelé que si l’IA suscite aujourd’hui de fortes attentes, elle reste également un sujet source d’appréhensions dans les établissements hospitaliers. Le manque de lisibilité sur les cas d’usage, la pression financière, la vitesse de renouvellement technologique, la multiplication des acteurs, ainsi que l’absence de compétences internes constituent autant de freins à son déploiement. Pour y répondre, UniHA a développé une offre de service structurée autour de trois piliers :

    • Pédagogie : former les acteurs hospitaliers aux usages réels de l’IA, clarifier ce qu’elle peut – ou ne peut – apporter, et sensibiliser aux enjeux de sécurité, d’éthique et de souveraineté des données.
    • Déploiement : accompagner les établissements dans le choix des projets adaptés à leur maturité, structurer la gouvernance, et orienter vers les bons prestataires selon les besoins (logistique, pharmacie, SI).
    • Évaluation : promouvoir des indicateurs de réussite au-delà du financier – comme la qualité de vie au travail, la satisfaction des utilisateurs ou la continuité des soins – et favoriser le partage d’expériences entre établissements.

    Aujourd’hui, UniHA propose d’accompagner financièrement les établissements qui souhaitent engager une transformation logistique appuyée sur l’IA, notamment dans les secteurs sous tension comme les approvisionnements en médicaments. Pour UniHA, l’objectif est de ne pas rater le virage, tout en assurant un accompagnement adapté aux réalités opérationnelles des hôpitaux.

    Des prévisions dynamiques et simulables : l’exemple d’OPTACARE aux HUS

    L’atelier « IA : des stocks ad hoc » a présenté l’expérimentation conduite par les HUS avec la société OPTACARE. Leur solution d’IA « Stock » est centrée sur l’optimisation en temps réel des stocks de médicaments et de dispositifs médicaux. Elle repose sur une double classification des références (par usage et par criticité), enrichie de modèles prédictifs alimentés par plus d’un million de lignes issues des SI GEF hospitaliers. Les utilisateurs accèdent à des politiques de réapprovisionnement dynamiques, ajustables, avec des tableaux de bord intégrant projections, alertes et aides à la décision. L’approche permet de passer d’une logique statique de stock à un pilotage continu, fondé sur la réalité des consommations.

    Logistique hospitalière : l’IA réduit les coûts de 63 % et maintient un taux de service à 99,5 %

    Les premiers résultats issus de simulations sur 2023 et 2024 sont significatifs. Pour un médicament antibiotique, la solution a permis de réduire de 63 % le coût de détention et de 16 % le nombre de commandes. Pour un antidote classé BZ, une baisse de 67 % du coût d’acquisition a été constatée. L’outil permet également de diminuer le nombre de commandes d’environ 20 %, tout en maintenant un taux de service supérieur à 99,5 %. Au-delà des résultats économiques, les gains portent aussi sur la qualité de vie au travail des gestionnaires, la réactivité face aux ruptures, et la robustesse globale du système logistique hospitalier. L’IA devient ici un outil de simulation, de décision, mais aussi de sécurisation des parcours patients.

  • bioMérieux acquiert Day Zero Diagnostics pour accélérer le séquençage génomique des infections 

    1,27 million de morts évitables selon l’OMS 

    bioMérieux annonce l’acquisition des actifs de Day Zero Diagnostics, une start-up américaine spécialisée dans le diagnostic génomique rapide, pour un montant inférieur à 25 millions de dollars. Cette opération vise à intégrer des technologies de séquençage de nouvelle génération (NGS) directement applicables au diagnostic des infections graves et résistantes. 

    Selon l’Organisation mondiale de la santé (OMS), les infections bactériennes résistantes représentent une urgence sanitaire mondiale.

    • 1,27 million de décès sont directement attribuables chaque année à ces infections résistantes aux antibiotiques
    • 1,1 million de morts supplémentaires sont liées à des cas de sepsis, souvent causés par ces mêmes agents pathogènes

    Le défi est de pouvoir identifier rapidement le pathogène et son profil de résistance, afin de prescrire le traitement le plus efficace sans attendre plusieurs jours. 

    2 à 5 jours de délai avec les méthodes actuelles 

    Le diagnostic conventionnel repose encore majoritairement sur :

    • Une culture bactérienne préalable.
    • Des tests ID/AST (identification/sensibilité aux antibiotiques).
    • Un coût élevé peu compatible avec les flux hospitaliers automatisés.
    • Un délai d’obtention des résultats allant de 48 à 120 heures.

    Une innovation combinant NGS et IA 

    Day Zero Diagnostics développe une technologie intégrée de NGS combinant :

    • L’analyse d’échantillons directement à partir de sang total.
    • Un algorithme d’intelligence artificielle pour identifier les espèces bactériennes et prédire les résistances en quelques heures.
    • Un pipeline logiciel et des réactifs propriétaires pour l’identification et la sensibilité aux antibiotiques.

    Un marché en forte croissance d’ici 2028

    • Selon Grand View Research, le marché du NGS appliqué aux maladies infectieuses pourrait représenter 3,4 milliards d’euros de revenus annuels d’ici 2028
    • Selon Market Research Future, le marché mondial du diagnostic des infections résistantes devrait atteindre 8,5 milliards d’euros d’ici 2030

  • BioMérieux acquiert Day Zero Diagnostics pour accélérer le séquençage génomique des infections 

    1,27 million de morts évitables selon l’OMS 

    bioMérieux annonce l’acquisition des actifs de Day Zero Diagnostics, une start-up américaine spécialisée dans le diagnostic génomique rapide, pour un montant inférieur à 25 millions de dollars. Cette opération vise à intégrer des technologies de séquençage de nouvelle génération (NGS) directement applicables au diagnostic des infections graves et résistantes. 

    Selon l’Organisation mondiale de la santé (OMS), les infections bactériennes résistantes représentent une urgence sanitaire mondiale.

    • 1,27 million de décès sont directement attribuables chaque année à ces infections résistantes aux antibiotiques
    • 1,1 million de morts supplémentaires sont liées à des cas de sepsis, souvent causés par ces mêmes agents pathogènes

    Le défi est de pouvoir identifier rapidement le pathogène et son profil de résistance, afin de prescrire le traitement le plus efficace sans attendre plusieurs jours. 

    2 à 5 jours de délai avec les méthodes actuelles 

    Le diagnostic conventionnel repose encore majoritairement sur :

    • Une culture bactérienne préalable.
    • Des tests ID/AST (identification/sensibilité aux antibiotiques).
    • Un coût élevé peu compatible avec les flux hospitaliers automatisés.
    • Un délai d’obtention des résultats allant de 48 à 120 heures.

    Une innovation combinant NGS et IA 

    Day Zero Diagnostics développe une technologie intégrée de NGS combinant :

    • L’analyse d’échantillons directement à partir de sang total.
    • Un algorithme d’intelligence artificielle pour identifier les espèces bactériennes et prédire les résistances en quelques heures.
    • Un pipeline logiciel et des réactifs propriétaires pour l’identification et la sensibilité aux antibiotiques.

    Un marché en forte croissance d’ici 2028

    • Selon Grand View Research, le marché du NGS appliqué aux maladies infectieuses pourrait représenter 3,4 milliards d’euros de revenus annuels d’ici 2028
    • Selon Market Research Future, le marché mondial du diagnostic des infections résistantes devrait atteindre 8,5 milliards d’euros d’ici 2030

  • Etude : les patients accordent une confiance excessive aux conseils générés par l’IA (NEJM)

    Les résultats de leur étude* publiée le 13 mai dans le New England Journal of Medicine AI mettent en évidence une tendance inquiétante : ils accordent à l’IA une confiance injustifiée même en présence d’erreurs. 

    Remplacer le médecin par l’IA, personne n’y songe réellement. Les études montrant que la technologie n’apporte un bénéfice qu’en complémentarité sont légion. Le 13 juin, une équipe de recherche internationale, dirigée par l’Institut Max Planck pour le développement humain (Allemagne), a par exemple mis en évidence la pertinence de la coopération humains-IA dans l’élaboration d’un diagnostic. Les humains et l’IA commettant des erreurs systématiquement différentes, ils se complètent.

    Le match IA/médecin

    Dans ce contexte, des chercheurs du Massachusetts Institute of Technology (MIT) ont cependant voulu mener une analyse approfondie de la manière dont les réponses médicales générées par l’intelligence artificielle (IA) sont perçues et évaluées par des non-experts. Pour y parvenir, ils ont inclus 300 participants qui ont été invités à évaluer des réponses médicales soit rédigées par un médecin sur une plateforme de santé en ligne, soit générées par un grand modèle de langage (IA). Préalablement, ces réponses avaient été classées par des médecins comme ayant une haute ou faible précision. Trois configurations différentes ont été comparées :  

    • Les participants savent si la réponse vient d’un médecin ou d’une IA. 
    • Les participants ne savent pas d’où vient la réponse. 
    • Une réponse IA est présentée comme venant d’un médecin (ou l’inverse). 

    Les résultats de leurs travaux ont été publiés le 13 mai dans le New England Journal of Medicine AI.  

    Résultats : une surprenante préférence pour l’IA imprécise 

    Les participants ne font pas de distinction fiable entre les réponses d’un médecin et celles d’une IA. Le taux moyen de reconnaissance de l’origine est d’environ 50 % pour chaque catégorie.  

    • Ils évaluent les réponses IA – même inexactes – comme aussi bonnes, voire meilleures que celles des médecins. 
    • L’IA, même faiblement précise, semblait mieux comprise que les réponses médicales réelles.  
    • Paradoxalement, l’IA à faible précision provoquait la plus forte tendance à suivre le conseil, plus encore que l’IA à haute précision ou le médecin. 
    • Même les médecins experts ont évalué plus favorablement les réponses générées par l’IA lorsque la source n’était pas révélée.  
    • Les participants faisaient davantage confiance aux réponses IA de haute précision lorsqu’on leur disait qu’elles venaient d’un médecin 

    Ces résultats suscitent de l’inquiétude chez les chercheurs. « La confiance excessive accordée à des conseils médicaux générés par IA, même inexacts ou inappropriés, peut mener à des mauvais diagnostics et à des conséquences préjudiciables pour les personnes en quête d’aide, » soulignent-ils. Bien sûr, les conditions de l’étude ne reflètent pas directement la réalité clinique, car ils sont obtenus dans un contexte contrôlé, limité à une plateforme textuelle en ligne, sans interaction réelle avec un professionnel. Mais, dans un monde où de plus en plus de conseils médicaux sont donnés par écrit et à distance, l’étude montre que la manière dont l’information est présentée influence la crédibilité plus que sa qualité médicale réelle. 

    Afin de prévenir la désinformation tout en bénéficiant des avancées offertes par ces technologies de pointe, les auteurs concluent que « les systèmes d’IA devraient être intégrés en collaboration avec des professionnels de santé, et non utilisés seuls ».
     

    *People Overtrust AI-Generated Medical Advice despite Low Accuracy. 

    Shruthi Shekar, Pat Pataranutaporn, Chethan Sarabu, MD, Guillermo Cecchi, Pattie Maes. NEJM AI. 2025. DOI: 10.1056/AIoa2300015  

    https://ai.nejm.org/doi/full/10.1056/AIoa2300015 

  • 2 AMI avec 4 millions d’euros pour tester l’IA dans les urgences et la gestion du temps de travail

    Ces initiatives s’inscrivent dans la stratégie IA et données de santé mise en consultation publique le 1er juillet, et dans la cartographie des leviers du numérique en santé.

    IA dans les SAMU et les services d’urgence

    Trois usages de l’intelligence artificielle seront testés :

    • Retranscription automatique des appels au SAMU pour améliorer la qualité et la traçabilité des dossiers de régulation et simplifier la coordination entre équipes.
    • Triage des patients aux urgences en soutenant la décision des soignants par des données disponibles rapidement.
    • Estimation des temps d’attente et prévision des flux pour répartir les ressources et fluidifier les parcours patients.

    IA pour la gestion du temps de travail

    Le deuxième AMI cible l’expérimentation de solutions d’IA pour la planification automatisée et adaptative des plannings des équipes, intégrant contraintes organisationnelles et souhaits des agents. L’objectif est d’améliorer la qualité de vie au travail, la stabilité des plannings et l’efficience des organisations, dans la continuité des conclusions tirées lors du Duel “IA et temps de travail” de l’ANAP en mars dernier. L’ANAP accompagnera les établissements retenus via son appui “Gestion du temps de travail” pour renforcer la maîtrise des connaissances nécessaires au déploiement des outils d’IA.

    Un financement de 4 millions d’euros

    Les projets sélectionnés bénéficieront d’un financement d’amorçage pouvant couvrir les coûts liés aux expérimentations : acquisition de matériel, intégration technologique, formation. Le montant total mobilisé pour ces deux AMI pourra atteindre 4 millions d’euros, à répartir entre les lauréats en fonction de leur nombre et des projets. Les établissements intéressés peuvent consulter les modalités de candidature sur le site du ministère de la Santé, avec un dépôt des candidatures au plus tard le 31 juillet 2025. Les notifications des projets retenus sont prévues pour le 22 août 2025, pour un démarrage des expérimentations le 1er septembre 2025.

  • 44 PDG européens demandent à Bruxelles de mettre en pause l’AI Act

    Des règles jugées floues et contraignantes

    Ils ont demandé à la Commission européenne de suspendre pendant deux ans l’application de l’AI Act, qui doit entrer en vigueur en août. Selon leur lettre, obtenue par le Financial Times, certaines dispositions sont jugées “floues” et “se chevauchent”, risquant de “freiner la compétitivité européenne” dans le développement et le déploiement de l’IA à grande échelle. Les signataires estiment que les règles complexes de l’AI Act « mettent en danger les ambitions européennes » en matière d’intelligence artificielle, en compromettant la capacité de créer des champions européens dans un contexte de concurrence mondiale. Ces inquiétudes s’ajoutent aux pressions exercées par les États-Unis, les acteurs technologiques et les entreprises européennes sur un texte considéré comme le cadre réglementaire le plus strict au monde pour l’IA.

    Une pression qui s’intensifie

    En parallèle, une seconde lettre, signée par plus de 30 fondateurs de start-up européennes et investisseurs, qualifie l’AI Act de « bombe à retardement précipitée ». Ces initiatives rendent incertaine la manière dont l’Union européenne répondra à ces appels à la suspension, alors même qu’elle finalise ses discussions avec l’industrie sur la mise en œuvre de cette réglementation avant son entrée en vigueur.

  • L’IA relance le financement de la HealthTech en Europe en 2025

    Les LLMs attirent 50 nouvelles startups en Europe

    AlbionVC, en partenariat avec HLTH Europe, publie la quatrième édition de sa HealthTech Market Map, basée sur l’analyse de plus de 5 000 entreprises européennes. Plus de 1 000 startups à forte croissance ont été sélectionnées pour leur contribution à la transformation des soins en Europe dans le digital care et le digital pharma. L’équipe d’AlbionVC constate que le financement repart à la hausse en 2025, marquant une année de levées record depuis le pic post-pandémie, porté par l’adoption de l’IA dans les outils et services de santé.

    Les grands modèles de langage (LLMs) optimisent les workflows cliniques, de l’automatisation du back-office à l’aide à la décision clinique, permettant un gain de productivité pour les prestataires de soins. Plus de 50 nouvelles startups ont rejoint ce segment en 18 mois, répondant aux besoins d’efficience des systèmes de santé. L’analyse souligne l’apparition de solutions intégrant l’ensemble des parcours cliniques.

    25 nouvelles startups IA ciblent les maladies sans traitement en Europe

    Le segment « virtual-first care » fait son entrée dans la cartographie 2025. Il regroupe symptom checkers, téléconsultations, télésurveillance, thérapeutiques digitales et gestion des maladies chroniques dans des parcours spécifiques aux pathologies. Ces acteurs visent une prise en charge personnalisée, accessible, avec une expérience proche des standards grand public. Environ la moitié opère en B2B avec remboursement via les systèmes publics ou assureurs obligatoires, l’autre moitié en B2C, principalement dans les secteurs où l’accès rapide est recherché.

    Dans le digital pharma, l’IA poursuit la dynamique enclenchée en 2023 en accélérant les pipelines de découverte de médicaments. Vingt-cinq nouvelles startups ciblent des maladies jusqu’alors sans traitement, redessinant le modèle de R&D pharmaceutique européen. Dans le segment TechBio, plus des deux tiers des nouvelles entrées se concentrent sur des aires thérapeutiques spécifiques, préfigurant des modèles hybrides combinant licences technologiques et redevances.

    European HealthTech Market Map 2025