Articles

  • IA & PUI : cartographie des 31 solutions disponibles en France

    L’intelligence artificielle au service des opérations et de la prescription en PUI

    Après plusieurs années marquées par des expérimentations isolées, l’intelligence artificielle s’impose progressivement dans les pharmacies à usage intérieur (PUI), portée à la fois par l’essor de start-ups spécialisées et par l’engagement de certains établissements pionniers. L’émergence de nouveaux besoins cliniques et logistiques a favorisé le développement de solutions technologiques capables d’augmenter la performance opérationnelle, de renforcer la sécurité des traitements et d’accompagner les décisions thérapeutiques.

    Parmi les différentes approches mobilisées, les technologies d’IA comme le machine learning, le deep learning ou le traitement automatique du langage naturel se distinguent par leur capacité à répondre à des problématiques très concrètes au sein des PUI : anticipation des besoins en médicaments, détection des erreurs de prescription, simulation personnalisée de traitements, ou encore codage automatisé des actes.

    Il ressort que la pharmacie clinique est aujourd’hui l’axe le plus riche en innovations, avec une concentration notable de solutions d’aide à la décision, souvent à l’interface entre analyse pharmaceutique, personnalisation des soins et sécurité médicamenteuse.

    Dans cet article, Health & Tech Intelligence propose un panorama représentatif des principales solutions d’IA déployées au sein des PUI françaises, en mettant l’accent sur les types d’intelligences artificielles mobilisées et leur rôle dans la transformation des pratiques pharmaceutiques hospitalières.

    Deux tiers des solutions utilisent le Machine learning :

    Machine learning (23 solutions) :

    Dans les pharmacies à usage intérieur (PUI), plusieurs solutions exploitent des algorithmes de machine learning pour anticiper les besoins, améliorer la gestion logistique, automatiser certaines analyses cliniques et renforcer la sécurité des traitements.

    2 solutions optimisent la gestion des stocks : Opta Stock et Tracelink Product Availability utilisent le machine learning pour prédire la demande, ajuster les niveaux de stock et prévenir les ruptures, tout en sécurisant l’approvisionnement en médicaments.

    Plusieurs solutions se concentrent sur la détection des risques iatrogènes et la sécurisation de la prescription : PharmIA, ABiMed, Medication Shield, PharmaTrac, Synapse et ConcilIA mobilisent des modèles d’apprentissage automatique pour identifier les prescriptions à risque, automatiser la pharmacovigilance ou détecter les interactions médicamenteuses, parfois en lien avec des données administratives, cliniques ou comportementales.

    D’autres solutions s’attachent à la détection d’anomalies économiques ou organisationnelles : ControlCheck, Bimedoc, Vidal Sentinel et DrugOptimal exploitent le machine learning pour surveiller les anomalies d’achat, identifier les incohérences dans les traitements ou optimiser les dépenses hospitalières.

    Dans le domaine de l’analyse en temps réel des soins et de la dispensation, DrugCam mobilise également cette technologie pour suivre visuellement l’administration des médicaments et réduire les erreurs humaines.

    Enfin, des solutions comme AiCure, Buoy Health, Oculus, One, Medisen, PharmaClass, Posos et ExactCure intègrent le machine learning dans des modules spécifiques : reconnaissance de comportements, personnalisation des traitements, priorisation des prescriptions, ou encore interprétation croisée des données médicales et pharmaceutiques

    11 solutions utilisant le deep learning :

    Le deep learning permet une approche plus poussée des données non structurées ou complexes, en particulier pour la reconnaissance visuelle, la modélisation personnalisée ou l’analyse de documents médicaux. En pharmacie hospitalière, ces technologies s’avèrent particulièrement utiles dans les domaines de la simulation thérapeutique, de la validation des prescriptions, et de la compréhension automatique du langage médical.

    1 solution propose une simulation thérapeutique avancée : ExactCure s’appuie sur des réseaux de neurones pour créer des jumeaux numériques capables de simuler l’effet des traitements sur chaque patient, en fonction de ses caractéristiques physiologiques.

    2 solutions cliniques exploitent le deep learning pour améliorer la sécurité médicamenteuse : PharmIA et DrugCam intègrent des modèles neuronaux pour interpréter en continu les prescriptions ou les processus de préparation, afin de détecter les erreurs d’administration ou les incompatibilités thérapeutiques.

    D’autres solutions s’appuient sur le deep learning pour automatiser l’analyse de documents cliniques : ReLyfe applique cette technologie à l’extraction d’entités médicamenteuses à partir de textes complexes, tandis que FlauBERT et CamemBERT, développés par Everteam, sont des modèles de langage profonds spécifiquement entraînés sur le corpus médical français.

    Des outils comme AiCure, Oculus et One mobilisent également le deep learning dans des contextes de vision par ordinateur, de reconnaissance comportementale ou de prédiction clinique, selon des cas d’usage allant de la validation des prises de médicaments à l’analyse multi-modale de données patient.

    Enfin, Bimedoc combine plusieurs couches d’apprentissage profond dans ses modules de vérification des prescriptions et d’aide à la décision pharmaceutique, apportant une couche d’intelligence adaptative à l’analyse pharmaceutique quotidienne.

    14 solutions qui utilisent le traitement du langage naturel (NLP) :

    Le traitement du langage naturel (NLP) est largement utilisé en pharmacie à usage intérieur (PUI) pour transformer le texte libre en données structurées et exploitables. Cette technologie permet d’automatiser le codage médical, d’interpréter les prescriptions et d’enrichir l’analyse pharmaceutique en temps réel à partir de sources documentaires variées.

    3 solutions se consacrent au codage médical automatisé : Dimbox, Intelligence for Health et Sancare exploitent le NLP pour extraire les diagnostics, les actes médicaux et les informations contextuelles à partir des comptes rendus hospitaliers, facilitant ainsi le codage structuré pour les systèmes de facturation et d’analyse.

    2 solutions sont centrées sur l’analyse sémantique des documents cliniques : Posos et ReLyfe utilisent le NLP pour interpréter les prescriptions, détecter les risques médicamenteux, croiser les pathologies avec les traitements prescrits et assister les pharmaciens dans la validation thérapeutique.

    1 solution, PharmaClass, s’appuie également sur le NLP pour renforcer ses moteurs de règles cliniques : l’outil enrichit l’analyse pharmaceutique en contextualisant les prescriptions à partir du langage médical utilisé dans les dossiers patients.

    Bimedoc complète cette famille en intégrant des fonctions de lecture automatique des prescriptions, d’assistance rédactionnelle et de détection de doublons ou d’incohérences sémantiques dans les traitements. D’autres solutions utilisent le NLP dans des approches transversales ou exploratoires. DrugOptimal et Buoy Health s’en servent pour extraire des informations cliniques à partir d’échanges médicaux, notamment dans des contextes de triage ou d’accompagnement à la décision. Enfin, FlauBERT et CamemBERT, modèles de langage spécialisés développés par Everteam, sont des fondations NLP entraînées sur des corpus biomédicaux français. Ces modèles alimentent des solutions d’analyse sémantique de plus en plus précises, compatibles avec les exigences de la pharmacie hospitalière francophone.

    IA symbolique / par règles (15 solutions) :

    Les systèmes à base de règles permettent d’automatiser des raisonnements explicites, basés sur des référentiels cliniques, pharmacologiques ou réglementaires. Leur force réside dans leur capacité à produire des décisions traçables, ce qui en fait des outils particulièrement adaptés aux enjeux de sécurité, de conformité et de justification en pharmacie hospitalière.

    Plusieurs solutions renforcent la sécurité des prescriptions : PharmaClass, Vidal Expert, Vidal Sentinel, DrugCam et Medication Shield exploitent des moteurs à règles pour détecter les contre-indications, les interactions médicamenteuses, les erreurs d’administration ou les redondances thérapeutiques. Ces outils apportent aux pharmaciens hospitaliers des alertes contextualisées à partir de bases de connaissances validées.

    Dans le champ de la conformité des achats et de la régulation budgétaire, ControlCheck mobilise un moteur de règles métier pour identifier les écarts de prix, les anomalies dans les processus d’approvisionnement, et assurer la conformité avec les politiques d’achat hospitalières.

    2 autres solutions s’attachent à l’analyse structurée des traitements : Posos et Serialized Product Intelligence utilisent des bases de données pharmacologiques et thérapeutiques pour comparer les ordonnances aux référentiels existants, renforçant ainsi la qualité de la validation pharmaceutique.

    Des solutions comme ConcilIA, développée au CHU de Reims, appliquent également des règles de décision pour automatiser la conciliation médicamenteuse à l’entrée ou à la sortie du patient, un enjeu majeur de sécurité dans les transitions de soins.

    Enfin, Bimedoc repose lui aussi sur une architecture hybride, combinant des règles cliniques validées avec des modules intelligents, afin de fournir une assistance robuste aux pharmaciens dans l’analyse, la rédaction et la validation des prescriptions hospitalières.

    Cartographie des solutions d’IA disponibles pour les PUI en France :

     

  • Panorama des cas d’usage de l’IA en pharmacie à usage intérieur : vers une automatisation des soins et de la logistique

    Une fonction centrale dans les hôpitaux

    Les initiatives autour de l’IA en pharmacie à usage intérieur (PUI) se multiplient, avec un fort développement dans les domaines de la pharmacie clinique et de la logistique, malgré une pénétration récente dans le secteur hospitalier. Les pharmacies à usage intérieur (PUI), support des établissements de santé pour l’approvisionnement et la dispensation des médicaments, explorent de plus en plus les applications de l’intelligence artificielle (IA). L’objectif : répondre à des contraintes croissantes en matière de sécurité, d’efficacité, de traçabilité et renforcer la relation patient- pharmacien.

    • Optimisation des opérations logistiques

    Dans le volet logistique, l’IA permet l’automatisation de la préparation des produits de santé, l’optimisation du circuit du médicament et la gestion prédictive des stocks. Des algorithmes sont utilisés pour organiser les trajets de livraison ou estimer les besoins en médicaments, contribuant à réduire les erreurs d’approvisionnement et à mieux gérer les ressources matérielles et humaines.

    • Pharmacie clinique : personnalisation des traitements et prévention des risques

    La pharmacie clinique représente à ce jour le champ le plus exploré, avec une douzaine de cas d’usage recensés. L’IA y soutient l’analyse des prescriptions, l’identification d’interactions médicamenteuses ou encore la priorisation des soins. Des outils comme les jumeaux numériques de patients et les systèmes prédictifs d’effets indésirables participent à une meilleure individualisation des prises en charge. Un test mené par le Mass General Brigham Mesh sur l’usage de ChatGPT en gériatrie a notamment montré un potentiel d’aide à la déprescription en cas de polypharmacie, malgré certaines limites.

    • Traçabilité et vigilance renforcées

    Sur le volet sécurité, les systèmes d’IA apportent une traçabilité complète des médicaments, de leur production à leur administration. La pharmacovigilance s’en trouve renforcée, avec des outils capables de détecter précocement les signaux faibles, facilitant ainsi une réponse rapide des autorités compétentes.

    • Automatisation des tâches administratives

    Enfin, dans les fonctions support, l’automatisation du codage médical et la gestion des commandes ou de la facturation figurent parmi les usages récurrents. L’analyse des historiques de consommation permet d’anticiper les besoins et d’ajuster les flux administratifs, réduisant les délais et le risque d’erreurs.

    Une dynamique encore expérimentale mais en expansion

    Bien que la majorité de ces initiatives soient encore en phase pilote ou expérimentale, leur structuration autour de cas d’usage identifiés laisse entrevoir une adoption croissante. Plusieurs établissements hospitaliers français, à l’image du CHU de Grenoble, s’inscrivent dans cette dynamique en collaborant avec des laboratoires académiques pour tester et fiabiliser ces outils. Un tableau interactif recensant des cas d’usage de l’IA en PUI est disponible en ligne

  • Les pharmacies à usage interne particulièrement perméable au développement de l’IA?

    Chiffres clés de la pharmacie hospitalière en France

    On compte en France plus de 2 500 pharmacies à usage intérieur, elles sont notamment responsables de :

    • la gestion des stocks des médicaments ;
    • leur préparation ;
    • leur dispensation ;
    • ainsi que leur distribution sécurisée aux différents services de leur établissement.

    Les PUI sont également chargées de mener des actions de pharmacie clinique ou de promotion du bon usage des produits de santé et concourir à la pharmacovigilance et à la matériovigilance.

    La gestion des ruptures d’approvisionnement trop chronophage :

    Selon une étude réalisée en 2023 par la branche “médecine, chirurgie et obstétrique” de la Fédération de l’hospitalisation privée (FHP-MCO) auprès de 181 PUI, 55 % d’entre elles consacrent plus de 20 % de leur temps pharmacien à traiter les ruptures d’approvisionnement. De plus, parmi les PUI interrogées, 35 % des absences de pharmaciens prévues dans le cadre de l’éducation thérapeutique du patient (ETP) ne sont pas couvertes et 27 % ne le sont que partiellement.

    Pour toutes ces raisons, la question de la digitalisation des PUI est légitimement posée. Une telle évolution pourrait permettre de rendre plus efficiente la gestion de ces structures mais aussi d’optimiser le temps consacré par les pharmaciens et les préparateurs à des tâches répétitives et pouvant être automatisées.

    Rupture d'approvisonnement par région et par établissements - @ FHP-MCO
    Rupture d’approvisionnement par région et par établissements – @ FHP-MCO

    50% des événements indésirables graves sont dus à des erreurs médicamenteuses.

    Au cours des dernières décennies, la digitalisation des PUI a pris de l’ampleur et s’est particulièrement intensifiée avec l’avènement de technologies efficaces et adaptées au domaine de la santé. Bien que le numérique en santé ait fait l’objet d’une production littéraire importante, la problématique de la digitalisation du circuit du médicament est quant à elle moins traitée. Il n’en reste pas moins qu’il s’agit d’un enjeu capital qui pourrait sauver la vie de milliers de patients en France et dans le monde. Il convient donc de faire ressortir les principaux enjeux relatifs à cette question :

    • concernant la sécurité des patients, en France, près de la moitié des événements indésirables graves (EIG) liés aux médicaments sont évitables, soit entre 30 000 et 45 000 EIG chaque année, et la moitié de ces EIG sont dus à des erreurs médicamenteuses. Le mauvais usage des médicaments serait à l’origine de plus de 10 000 décès par an, ce qui pose la question de la fiabilité du circuit du médicament. Selon plusieurs spécialistes, ces erreurs surviennent principalement aux étapes de transition du parcours de soins du patient (entrée et sortie de l’établissement, transferts interservices).
    • concernant l’optimisation des processus de gestion des médicaments, qu’il s’agisse de de gaspillage de stocks, de coûts RH liés à une mauvaise mise à disposition des personnels de soins ou encore d’hospitalisations inutiles, tous ces écarts ont des conséquences aussi bien sur le budget de la sécurité sociale que sur celui des établissements de santé. Les erreurs liées aux médicaments représenteraient 42 milliards de dollars à l’échelle mondiale selon l’OMS et en France, 1,5 % des hospitalisations sont dues à des erreurs médicamenteuses ;
    • concernant la gestion des données et des dossiers médicaux, les pharmacies hospitalières sont chargées de gérer une grande quantité de données sur les médicaments, les patients et les prescriptions. Cela inclut les détails sur les médicaments, tels que les dosages et les interactions, ainsi que les dossiers des patients avec leurs antécédents médicaux et les schémas de traitement.

    Le numérique comme palliatif aux carences des PUI

    La digitalisation et l’automatisation de la pharmacie hospitalière seraient dès lors le moyen de palier aux carences observées :

    • La numérisation du circuit du médicament permettrait d’administrer le bon médicament avec le bon dosage et au bon moment et ainsi de réduire de 50 % les erreurs médicamenteuses.
    • L’automatisation permettrait d’optimiser la gestion des stocks et permettrait ainsi une réduction de 20 à 50% du taux de doses manqués et une réduction de 11 % des dépenses en médicament.
    • L’automatisation des PUI serait un moyen de faire gagner aux équipes de pharmacie plusieurs heures de travail par semaine. Du temps qui pourrait être réinvesti à d’autres tâches notamment dans le suivi du patient.

    Il est également important de souligner que ces pharmacies disposent de produits pharmaceutiques onéreux qui suscitent un engouement particulier pour le milieu du banditisme. Ainsi, une gestion automatisée des stocks permettrait d’éviter les vols :

    • à la pharmacie des hôpitaux franciliens c’est près de 2 millions d’euros de médicaments qui ont été volés en début d’année. Il s’agissait en l’occurrence de l’anticancéreux Keytruda vendu 2,400 le flacon de 4ml ;
    • en 2022, le tribunal de Vannes avait également condamné 3 préparateurs de commandes de l’Hopital de Vannes. Ces derniers avaient volés pour plusieurs milliers d’euros de comprimés entre 2015 et 2018.

    Enfin, notons que le passage progressif vers une médecine personnalisée pour une population vieillissante et bien souvent multipathologique confronte les pharmaciens à la gestion de cas de plus en plus en plus complexe.

    Des formations sur l’IA pour les pharmaciens

    La nécessité de former des professionnels de santé sur les enjeux spécifiques de l’IA a fait émerger plusieurs offres de formation en France, notamment deux diplômes universitaires (DU) et une formation non diplômante :

     

  • Entretien : « Les pharmacies n’ont pas suffisamment de pharmaciens aujourd’hui pour valider 500 ordonnances par jour.» (Brigitte Bonan, Hôpital Foch)

    Pour approfondir son étude sur l’intelligence artificielle en pharmacie hospitalière, les équipes de Care Insight se sont entretenues directement avec les professionnels du secteur afin d’appréhender concrètement les défis organisationnels, humains, réglementaires et technologiques, tout en illustrant par de nombreux exemples les réalités du terrain.

    La validation des prescriptions : un enjeu central et complexe

    Le Contrat d’Amélioration de la Qualité et de l’Efficience des Soins (CAQES), qui lie les établissements de santé à leur ARS fixe comme objectif de valider 100% des prescriptions. Or un hôpital comme celui de Foch avec des services de pointe dédiés à la mucoviscidose, à l’urologie,  ou aux greffes peut être confronté à un volume très élevé de prescription. Brigitte Bonan pharmacienne à Foch résume la problématique ainsi « Les pharmacies n’ont pas suffisamment de pharmaciens aujourd’hui pour valider ou revalider tous les jours jusqu’à 500 ordonnances » (Brigitte Bonan). Face à l’impossibilité d’embaucher massivement — « quel est l’hôpital aujourd’hui… qui embaucherait 20 pharmaciens pour faire de la validation uniquement ? » — l’établissement a donc logiquement misé sur la création de règles expertes intégrées dans un logiciel, permettant de hiérarchiser les priorités en termes de patients à risques, de molécules et de contre-indications. Elodie Bambina a elle aussi évoqué premièrement la question de la validation, particulièrement lors des week ends et des gardes, mais elle identifie d’autres utilisations de l’IA, mais elle a aussi deux autres utilisations de l’IA au sein de l‘hôpital Edouard-Toulouse : la conciliation médicamenteuse entre les ordonnances de médecine de ville et les prescriptions hospitalières, un enjeu particulièrement important les phases de changement ou rupture dans les prises en charge – comme les passages ville/hôpital – qui ont été identifiées comme à haut risques par l’OMS. Et la prise de notes dans les entretiens patients/pharmacien.

    Ces technologies permettent aux pharmaciens hospitaliers de gagner du temps tout en garantissant la qualité des actes médicaux.

    Un fort intérêt des internes

    L’introduction de l’intelligence artificielle et des outils numériques dans le circuit du médicament suscite un véritable engouement auprès des jeunes professionnels. Certains internes choisissent même de prolonger leur expérience pour continuer à travailler sur ces projets : « On a une interne qui est restée un semestre de plus pour continuer sur Pharmia»(Brigittte Bonan). Toutefois, cette attractivité se heurte au manque de formations dédiées à l’utilisation de ces outils qui freine l’adoption de ces nouveaux outils.

    Le rôle de l’expertise des pharmaciens

    Comme mentionné précédemment, si l’IA sélectionne les cas à risque l’expertise du pharmacien reste mobilisée pour élaborer, affiner et valider des règles de priorisation et de sécurité dans les logiciels (par exemple, déterminer quels patients ou molécules sont prioritaires, quelles contre-indications doivent être surveillées). Ces règles sont le fruit d’une expérience clinique approfondie et d’une connaissance fine des risques spécifiques à chaque situation. Egalement l’élaboration de base de données commune de règles expertes nécessite une collaboration inter établissements et une veille constante sur l’évolution des pratiques et des risques. Brigitte Bonan résume la situation ainsi : «L’IA va plutôt demander une montée en compétence du pharmacien pour garder la supervision de ce qui se passe et pouvoir analyser les incidents.»

    La traçabilité : sécurisation et innovation technologique

    La traçabilité des médicaments et des dispositifs médicaux constitue un axe majeur de sécurisation du circuit du médicament. À Foch un système permettant de retrouver l’identité autant du préparateur que du prescripteur a été mis en place. Cela permet d’assurer une compatibilité entre le bracelet du patient, la prescription et le contenu de la chimiothérapie, limitant les risques d’erreur. L’établissement réfléchit déjà à des évolutions, envisageant l’apport de l’intelligence artificielle pour aller plus loin dans la sécurisation et l’automatisation de la traçabilité. La traçabilité s’étend également à la gestion logistique, avec un suivi informatisé des commandes et des ruptures de stock, enjeu crucial à l’heure des tensions d’approvisionnement.

    Doctolib : un levier d’organisation et de fluidification du parcours patient

    L’intégration de Doctolib pour la gestion des rendez-vous de rétrocession (la dispensation de médicament par une pharmacie à usage intérieur (PUI) d’un établissement de santé à des patients non hospitalisés, aussi appelés patients ambulatoires) marque une évolution organisationnelle majeure. L’application Doctolib permet de prioriser les patients inscrits, d’optimiser les plages de rendez-vous et de mieux répartir les ressources humaines. Ce changement d’organisation, bien qu’il ait nécessité un important travail d’explication auprès du personnel et des patients a permis de fluidifier la gestion des ordonnances, des renouvellements et des sorties, en particulier pour des pathologies lourdes comme la cancérologie ou la greffe.

  • Revue bibliographique : l’IA au service de la pharmacie clinique (enjeux et perspectives)

    L’article intitulé « Development of artificial intelligence powered apps and tools for clinical pharmacy services: A systematic review », publié en 2022 par Ranchon et al dans l’International Journal of Medical Informatics, propose une analyse systématique des travaux de recherche portant sur l’intégration de l’intelligence artificielle (IA) dans les services de pharmacie clinique, tant en milieu hospitalier que communautaire. L’objectif de cette revue est ainsi d’identifier et d’évaluer les études quantitatives ayant impliqué des pharmaciens dans le développement ou l’utilisation d’outils numériques basés sur l’IA, entre 2000 et 2021.

    63% des études publiées entre 2020 et 2021

    Pour ce faire, les auteurs ont mené une recherche selon les critères PRISMA dans les bases de données PubMed/Medline et Web of Science. Sur 1 817 publications initialement recensées, seules 19 ont satisfait les critères d’inclusion, mettant en lumière la rareté des recherches empiriques sur le sujet. La majorité de ces études (63 %) ont été publiées très récemment, en 2020 ou 2021, ce qui témoigne d’un intérêt scientifique en plein essor.

    Les méthodologies d’IA utilisées sont variées avec une prédominance des techniques de machine learning, surtout le traitement du langage naturel (NLP) et le deep learning. Les données mobilisées proviennent le plus souvent de dossiers médicaux électroniques ce qui reflète l’importance des systèmes d’information hospitaliers dans le développement de ces outils.

    4 domaines d’applications :

    Parmi les services de pharmacie clinique explorés, la revue d’ordonnances est le domaine le plus souvent ciblé (dans 9 études), suivie par la dispensation de médicaments, les entretiens pharmaceutiques et l’éducation thérapeutique. Les initiatives recensées sont majoritairement portées par des pharmaciens hospitaliers, probablement en raison d’une meilleure accessibilité aux ressources techniques et aux partenariats avec les départements d’informatique médicale.

    Les auteurs soulignent que malgré l’intérêt croissant pour l’IA en pharmacie, son intégration réelle en pratique reste encore limitée. Ils insistent sur la nécessité de mener des études plus robustes en collaboration étroite avec des experts en science des données pour évaluer concrètement la valeur ajoutée de ces technologies.

    Statistiques clés :

    • Réduction des erreurs de prescription jusqu’à 40 % avec les outils IA (Zhou et al., 2021)
    • Gain de temps estimé à 20 minutes par ordonnance complexe (Singh et al., 2020)
    • Taux d’acceptation des alertes IA par les cliniciens : 73 % (Lopez-Picazo et al., 2022)

  • Réglementation des PUI : un encadrement pour accompagner l’évolution des pratiques hospitalières

    Un cadre juridique consolidé pour les PUI

    L’article 72 de la loi de financement de la sécurité sociale introduit une définition réglementaire de la rupture d’approvisionnement, applicable aussi bien aux pharmacies d’officine qu’aux PUI. Le texte prévoit que le délai de dispensation peut être réduit par le pharmacien si la continuité des soins l’exige. Des arrêtés ministériels peuvent imposer temporairement des ordonnances conditionnelles ou la délivrance de médicaments à l’unité. Par ailleurs, le décret du 19 octobre 2023 précise les diplômes requis pour exercer dans une PUI : il s’agit des diplômes d’études spécialisées (DES) en pharmacie hospitalière, industrielle, biomédicale ou des collectivités. Le décret du 3 avril 2023 encadre la création automatique du dossier pharmaceutique (DP), sauf opposition du patient dans un délai de six semaines. Il en détaille le contenu, les durées de conservation — cinq ans pour les médicaments biologiques, vingt-trois ans pour les vaccins — et l’accès élargi pour les professionnels de santé, y compris les biologistes médicaux.

    Extension des compétences vaccinales et sérialisation obligatoire

    Depuis le décret du 8 août 2023, les pharmaciens et infirmiers en PUI peuvent prescrire et administrer l’ensemble des vaccinations, à partir de 11 ans. Les sages-femmes disposent, elles, de cette compétence pour toute la population. Une exception demeure : les vaccins vivants atténués pour les patients immunodéprimés. Concernant la sérialisation, une feuille de route conjointe avec la Commission européenne prévoit que 100 % des PUI soient connectées au système France MVO. Les ARS doivent mobiliser les établissements de leur territoire pour accélérer ce déploiement, via l’enregistrement, la connexion aux bases de vérification et la désactivation des identifiants uniques des médicaments. Le décret de mai 2019 impose aux PUI une nouvelle autorisation réglementaire, à obtenir dans un délai de quatre mois.

    Automatisation des préparations : nouvelles exigences

    Le référentiel publié en septembre 2023 encadre l’automatisation de la préparation des médicaments en PUI, incluant les doses à administrer, les mélanges pour la nutrition parentérale, les médicaments radiopharmaceutiques, anticancéreux ou encore de thérapie innovante. Cette automatisation vise une meilleure protection du personnel et un recentrage des pharmaciens sur les activités cliniques à plus forte valeur ajoutée. La contractualisation des responsabilités entre les différents acteurs (pharmaciens, fournisseurs, directions) est rendue obligatoire.

    Thérapies innovantes : un encadrement bioéthique et contractuel

    Les médicaments de thérapie innovante (MTI) sont soumis à un cadre réglementaire européen depuis 2007, avec une autorisation centralisée. Ils sont répartis en quatre sous-catégories : thérapies géniques, cellulaires, tissulaires et combinées. En France, la loi bioéthique du 2 août 2021 et le décret du 16 février 2022 encadrent les MTI préparés ponctuellement (MTI-PP). La préparation, distribution et administration de ces produits doivent être réalisées par un établissement autorisé, avec un contrat définissant les rôles entre les structures impliquées. Cette organisation vise à limiter les interventions invasives répétées, comme les anesthésies multiples.

    La Société française de pharmacie clinique (SFPC) a publié en mars 2022 un guide structurant la démarche qualité en pharmacie clinique autour de l’évaluation continue, l’harmonisation des pratiques, la pertinence des soins et la satisfaction des patients. La gestion des risques doit y être intégrée dès la planification des interventions pharmaceutiques, avec des outils de traçabilité, des formations et des indicateurs d’amélioration. Un second guide vise à codifier les activités de la PUI selon une nomenclature normalisée. Il distingue actes isolés (entretiens pharmaceutiques, par exemple) et procédures complexes (conciliation médicamenteuse, bilans, plans personnalisés). Cette codification améliore la lisibilité, la mesure de l’activité et la production d’indicateurs de performance dans le cadre du CAQES.

    Technologies en PUI : les responsabilités pour les pharmaciens

    L’obligation de déclaration des incidents liés aux automates incombe pourtant aux pharmaciens hospitaliers, en plus des mesures correctives immédiates à prendre en cas de défaillance. L’introduction d’automates, de logiciels ou d’outils d’intelligence artificielle dans les pharmacies à usage intérieur (PUI) modifie les responsabilités des pharmaciens hospitaliers. Leur rôle ne se limite plus à une obligation de moyens : une obligation de résultat s’impose désormais, comme le rappelle Maître Alain Bensoussan, avocat spécialiste du droit des technologies avancées. Trois points de vigilance sont identifiés : la confiance excessive dans la robustesse des technologies déployées ; l’oubli fréquent des mises à jour logicielles, rarement vérifiées par les professionnels eux-mêmes ; et la perception erronée de la nature figée des dispositifs. Selon l’avocat, les fabricants ne contrôlant pas systématiquement ces mises à jour, la vigilance des utilisateurs s’en trouve amoindrie, augmentant les risques d’incident.

    En cas de défaillance : arrêt immédiat et déclaration obligatoire

    Dès la constatation d’un défaut – fichier erroné, dosage inexact, délai non respecté – le pharmacien doit immédiatement interrompre l’usage de l’automate concerné et mettre en place des mesures correctives pour en limiter les effets. Cette première étape doit impérativement être suivie d’une déclaration aux autorités compétentes. L’objectif : éviter que d’autres établissements ne subissent des effets similaires liés à un même dispositif.

    ANSM, ARS, fabricant : une chaîne de signalements réglementée

    Le cadre légal impose plusieurs niveaux de déclaration, définis dans les articles L.1111-8-2 et D.1111-16-2 à D.1111-16-4 du Code de la santé publique. Sont concernés les incidents portant atteinte à la sécurité des soins, aux données de santé, au fonctionnement des établissements ou ayant un retentissement sur le système de santé. Le pharmacien doit en priorité signaler tout incident grave impliquant un dispositif médical à l’Agence nationale de sécurité du médicament et des produits de santé (ANSM). En cas de refus de la déclaration, il lui revient de conserver une preuve de ce refus et de poursuivre les autres démarches. Les incidents doivent également être transmis au fabricant du dispositif concerné, afin qu’il assure sa surveillance post-commercialisation. Enfin, tout incident grave lié à des soins doit être notifié à l’Agence régionale de santé (ARS), même sans lien direct avec un dispositif médical.

    Fuite de données : alerte à la Cnil dans les 72 heures

    En cas de violation de données à caractère personnel – telle que définie par le Règlement général pour la protection des données (RGPD) –, le pharmacien hospitalier doit notifier l’événement à la Commission nationale de l’informatique et des libertés (Cnil) dans un délai de 72 heures via le portail officiel. Cette responsabilité lui incombe directement, même si la gestion informatique relève de la DSI. En effet, les automates fonctionnent sous sa direction intellectuelle. La montée en puissance des technologies en santé s’accompagne d’un renforcement du cadre juridique. Dans ce contexte, la déclaration systématique des incidents devient une composante essentielle de la pratique pharmaceutique hospitalière.

  • Cartographie des acteurs de la pharmacie à usage intérieur

    Une structuration institutionnelle forte au niveau national

    La pharmacie hospitalière ne se limite plus à la simple gestion du médicament. Elle s’affirme aujourd’hui comme une discipline médicale à part entière, au service de la qualité des soins et de la sécurité thérapeutique. Cette mutation s’accompagne d’une structuration renforcée des acteurs à tous les niveaux, et d’une reconnaissance croissante du rôle stratégique des pharmaciens hospitaliers au sein des établissements.

    À l’échelle nationale, plusieurs institutions fixent le cadre réglementaire et stratégique de la pharmacie hospitalière. Le ministère de la Santé et de l’Accès aux soins est l’organe pilote des politiques de santé publique. Il définit les missions des PUI, oriente leur organisation dans le cadre des groupements hospitaliers de territoire (GHT), et impulse les grandes réformes structurelles du système hospitalier.

    L’Agence nationale de sécurité du médicament et des produits de santé (ANSM) intervient quant à elle comme autorité de contrôle. Elle veille à la qualité et à la sécurité des médicaments, y compris dans leur utilisation hospitalière, et autorise certaines préparations stériles réalisées en interne.

    La Haute autorité de santé (HAS) complète ce dispositif en publiant les référentiels de bonnes pratiques. Elle contribue à la certification des établissements de santé et soutient la mise en œuvre de la pharmacie clinique par ses recommandations.

    Enfin, l’Ordre national des pharmaciens, via sa section H (Hôpital), encadre spécifiquement les pharmaciens exerçant en établissements de santé. Il garantit la conformité des pratiques professionnelles, la déontologie et le respect des qualifications requises.

    Un maillage régional en appui des pratiques hospitalières :

    Le niveau régional joue un rôle de plus en plus structurant dans la coordination de la pharmacie hospitalière. Les agences régionales de santé (ARS), en tant que bras armé de l’État en région, sont responsables de l’autorisation des PUI. Elles supervisent les réorganisations territoriales induites par les GHT et veillent à l’harmonisation des pratiques pharmaceutiques sur leur territoire.

    Elles s’appuient notamment sur les observatoires du médicament, des dispositifs médicaux et de l’innovation thérapeutique (Omedit), les réseaux régionaux comme les réseaux régionaux de vigilances et d’appui (RREVA), qui accompagnent les établissements dans l’optimisation de l’usage des produits de santé. Ces structures produisent des outils d’aide à la décision, organisent des formations et favorisent l’analyse des pratiques, en particulier dans des domaines sensibles comme les antibiotiques, les anticancéreux ou les médicaments coûteux.

    Des dynamiques locales portées par les établissements et les GHT :

    Sur le terrain, ce sont les PUI elles-mêmes qui assurent la gestion quotidienne des médicaments et dispositifs médicaux. Présentes dans chaque établissement de santé, elles sont chargées de la dispensation, de la préparation et parfois de la fabrication de traitements, en lien étroit avec les services de soins.

    La réforme des GHT a accéléré la dynamique de mutualisation entre établissements. De nombreuses PUI sont aujourd’hui organisées en plateformes communes, pilotées par un pharmacien coordonnateur. Cette mutualisation permet d’optimiser les achats, de rationaliser les stocks, mais aussi de mieux structurer l’activité de pharmacie clinique, en lien avec les parcours patients.

    Les pharmaciens hospitaliers eux-mêmes voient leurs rôles évoluer. Au-delà de leurs missions logistiques, ils s’impliquent désormais dans l’analyse pharmaceutique, la conciliation médicamenteuse, la validation des prescriptions ou encore la participation aux RCP (réunions de concertation pluridisciplinaire). Des spécialités émergent et se renforcent, notamment en oncologie, infectiologie, gériatrie, nutrition ou hygiène.

    Un tissu professionnel actif, entre défense, formation et recherche

    La vitalité de la pharmacie hospitalière française repose aussi sur un socle professionnel solide. Le SNPHPU, principal syndicat des pharmaciens hospitaliers publics, défend la profession auprès des tutelles et accompagne les évolutions statutaires. Il joue un rôle important dans les débats sur les moyens alloués aux PUI et la reconnaissance des missions cliniques.

    Sur le versant scientifique et académique, la Société française de pharmacie clinique (SFPC) est la référence. Elle contribue au développement de la pharmacie clinique en organisant chaque année un congrès majeur, en animant des groupes de travail et en publiant des travaux sur la sécurité des soins médicamenteux.

    D’autres structures, comme le Groupe d’évaluation et de recherche sur la protection en atmosphère contrôlée (Gerpac) pour les pratiques de reconstitution ou les réseaux spécialisés par thématique (cancérologie, gériatrie, soins critiques), participent à la montée en compétence des équipes. Par ailleurs, la formation continue est portée par des universités, des centres de simulation, et un nombre croissant de DU (diplômes universitaires) dédiés à la pharmacie clinique.

    Cartographie des acteurs de la pharmacie à usage intérieur :

    Cartographie des acteurs de la pharmacie à usage intérieur
    Cartographie des acteurs de la pharmacie à usage intérieur

  • Digital Health DataStack : Owkin, seule entreprise française dans le panorama des entreprises de données de santé de Team8

    Un panorama mondial structuré autour des types de données de santé

    L’une des grandes forces de cette cartographie est sa lecture par types de données exploitées, plutôt que par secteur traditionnel (diagnostic, imagerie, suivi patient, etc.). Ce choix reflète l’approche très “infrastructurelle” de Team8 : la donnée est la ressource, et c’est son origine, sa structuration et son usage qui déterminent les contours de l’innovation.

    Le panorama recense ainsi quatorze grands types de données, chacun regroupant plusieurs entreprises leaders. Le premier segment, celui des données cliniques, regroupe les plateformes capables d’agréger, structurer et enrichir des données issues des systèmes hospitaliers ou des dossiers médicaux électroniques. Huit entreprises y sont recensées, dont des poids lourds comme Innovaccer ou OM1, qui opèrent à grande échelle dans l’optimisation des parcours de soins ou l’aide à la décision médicale.

    Autre catégorie très représentée : les données génomiques. Six entreprises, telles que Immunai ou BostonGene, se démarquent dans ce champ où les avancées récentes en séquençage haut débit et en modélisation de l’ADN ouvrent des perspectives révolutionnaires pour la médecine de précision.

    Les données d’imagerie médicale constituent un troisième pôle d’innovation majeur. Sept entreprises y figurent, dont PathAI et Aidoc, qui développent des technologies d’intelligence artificielle pour interpréter des images radiologiques ou histologiques à grande échelle, réduisant les erreurs de diagnostic et accélérant les prises en charge.

    Vient ensuite le domaine des données issues des essais cliniques, qui compte également huit entreprises, parmi lesquelles Owkin, seule entreprise française présente dans le panorama. Ce segment stratégique vise à optimiser la conception, le recrutement et l’analyse des essais thérapeutiques en s’appuyant sur des jeux de données en vie réelle (RWD) ou simulés par IA.

    D’autres types de données complètent cette cartographie : les données comportementales issues des objets connectés ou des applications de bien-être ; les données administratives (issues des systèmes de facturation ou des bases d’assurance) ; les données biométriques, souvent utilisées dans la surveillance des patients à distance ; les données de mobilité, de plus en plus exploitées pour comprendre les déterminants sociaux de santé ; ou encore les données liées aux performances des soignants et des structures de santé.

    Ce panorama, s’il n’a pas vocation à être exhaustif, offre une grille de lecture puissante des usages actuels de la donnée en santé. Il fait émerger des tendances claires : l’innovation se concentre principalement sur les données cliniques, génomiques, d’imagerie et d’essais cliniques, autrement dit, sur les segments à forte valeur ajoutée pour l’industrie pharmaceutique, les hôpitaux et les organismes payeurs.

    La santé numérique française en quête de reconnaissance globale

    La présence isolée d’Owkin dans ce panorama interroge. Fondée en 2016 à Paris, Owkin s’est rapidement imposée comme un leader dans l’intelligence artificielle appliquée aux essais cliniques. Son approche basée sur l’apprentissage fédéré — permettant d’entraîner des modèles d’IA sans déplacer les données des hôpitaux — en fait une pionnière en matière de confidentialité et d’efficacité. Avec des levées de fonds massives, dont une de 180 millions de dollars en 2021 menée par Sanofi, Owkin est aujourd’hui une entreprise bicontinentale, très implantée aux États-Unis, et largement intégrée à l’écosystème pharmaceutique mondial.

    Si elle est la seule à représenter la France dans ce panorama, c’est probablement en raison des critères de sélection stricts adoptés par Team8 : les entreprises doivent avoir levé des fonds significatifs sur les quatre dernières années, être en série A à D, et démontrer une orientation internationale forte, à la fois dans leur clientèle et dans leur capacité à opérer à l’échelle.

    Or, bon nombre d’acteurs français innovants dans la donnée de santé — Inato, Heva, Synapse Medicine, BioSerenity, Median Technologies, Tilak Healthcare, Codoc pour ne citer qu’eux — restent en dehors du radar, soit parce qu’ils ne répondent pas (encore) à ces critères financiers, soit parce que leur implantation reste essentiellement européenne, voire franco-française. D’autres souffrent d’un manque de visibilité à l’international, faute de relais ou de partenariats stratégiques.

    Un écosystème qui ne manque pas de potentiel :

    Ce panorama a le mérite de faire apparaître un paradoxe français. Alors que le pays ne manque ni de talents, ni de solutions technologiques, ni de projets pionniers — notamment dans le champ hospitalier ou en matière de télésurveillance —, peu de ses entreprises parviennent à percer dans les classements internationaux dominés par les États-Unis, Israël et le Royaume-Uni.

    L’écosystème français souffre encore d’une fragmentation de ses données, de lourdeurs réglementaires, et d’un accès aux financements qui reste plus limité qu’outre-Atlantique. Mais il ne manque pas de potentiel. Le défi est désormais de convertir ce potentiel en leadership visible, de construire des champions capables de rivaliser sur les marchés mondiaux, et de renforcer la coopération entre acteurs publics et privés pour faciliter l’accès aux données, sans sacrifier les exigences éthiques.

    Si cette carte met en lumière le retard relatif de la France, elle souligne aussi les axes de progression : internationalisation, levées de fonds ambitieuses, industrialisation des modèles, et surtout, meilleure articulation entre science des données et déploiement clinique.

  • Etude : comment l’IA peut favoriser les soins centrés sur le patient (Nature)

    Des soins personnalisés grâce à l’IA ?

    Les soins centrés sur le patient (SCP) ont fait la preuve de leur efficacité. Une telle démarche qui repose sur une complémentarité entre l’expertise des professionnels et l’expérience du patient améliore l’engagement dans les soins, l’autonomie des patients et leur confiance, tout en réduisant le stress lié à la maladie. De plus, les SCP sont associés à une meilleure qualité de vie et à de meilleurs résultats de santé.

    Des chercheurs américains du Stanford Center for Digital Health ont donc mené une étude afin de savoir précisément comment l’intelligence artificielle peut assister les professionnels de santé dans la fourniture de soins personnalisés aux patients atteints de diabète. Pour cela, ces derniers ont conçu des outils d’IA capables de répondre aux besoins spécifiques de ces malades et ils ont mesuré ensuite la perception des médecins quant à leur utilité.

    Plus de 500 000 messages de patients analysés

    Concrètement, les auteurs de l’étude ont analysé 528 199 messages électroniques envoyés par 11 123 patients diabétiques via un portail sécurisé entre 2013 et 2024. Des techniques avancées de traitement du langage naturel ont été utilisées pour identifier les préoccupations principales des patients.​ Puis, à partir des thèmes identifiés, des outils d’IA ont été conçus pour assister les cliniciens.​ Enfin, cinq endocrinologues ont évalué ces outils en termes d’utilité perçue et de risques potentiels.

    Les chercheurs ont développé plusieurs types d’outils d’IA : des générateurs de réponses éducatives pouvant par exemple interpréter des résultats de laboratoire, des assistants à la gestion de l’hypoglycémie mais aussi des outils de support administratif qui pouvaient notamment rédiger des courriers justificatifs pour l’employeur ou l’école ou encore des systèmes automatisés de rappels invitant à réaliser divers examens, des outils pour analyser en temps réel les données de capteurs…

    Les résultats de cette étude ont été publiés le 16 avril dans npj Digital Medicine.

    Résultats : l’IA risquée en cas de décision clinique

    • Les préoccupations les plus fréquemment citées par les patients concernaient la nutrition, la gestion du poids, l’interprétation des résultats de laboratoire, la gestion des médicaments et les aspects administratifs.​
    • L’IA a permis aux cliniciens de gagner du temps et de réduire les délais de réponse des patients. Elle peut automatiser des tâches chronophages comme la rédaction de documents administratifs, la gestion de rendez-vous ou la préparation de lettres standard.
    • Les outils d’éducation personnalisée des patients ont renforcé l’autonomie de ces derniers, tout en allégeant la charge des soignants
    • Le classement des messages des patients en fonction de leur criticité a été estimé comme à haut risque de mauvaise priorisation.
    • L’analyse en temps réel des données de capteurs pour suggérer des ajustements thérapeutiques a été jugée trop risquée sans supervision humaine.

    Les résultats de l’étude mettent clairement en évidence les points positifs de l’IA en matière de soins centrés sur le patient mais aussi ceux qui sont critiques. Soutien administratif et éducation thérapeutique sont clairement facilités par l’IA. Les outils favorisent des interactions rapides et se révèlent un soutien efficace pour les soignants. En revanche, les outils d’IA traitant directement les données des patients ont été perçus comme risqués (par exemple, la synthèse des données pour trier les messages par urgence et par sujet). Les tâches qui touchent aux décisions cliniques en temps réel soulèvent en effet davantage de préoccupations éthiques et de sécurité.

    Des réponses à des besoins concrets

    Si l’étude se distingue par sa méthode, elle n’est pas exempte de limites. En effet, les outils ont certes été créés en partant de plus d’un demi-million de messages réels de patients, ce qui garantit que l’IA répond à des besoins concrets, et non à des hypothèses de chercheurs ou développeurs, cependant elle est limitée par la nature de ses données. Ces dernières proviennent d’un seul système, d’une seule forme de communication (portail patient), et sans prise en compte complète du contexte social.

    * Artificial intelligence tools in supporting healthcare professionals for tailored patient care.

    Kim, J., Chen, M.L., Rezaei, S.J. et al.

    npj Digit. Med. 8, 210 (2025). https://doi.org/10.1038/s41746-025-01604-3

  • Les patients atteints de cancer ou de MPOC recourent moins à la télésanté que ceux souffrant d’insuffisance cardiaque

    Une étude d’envergure sur les pratiques de télésanté

    Selon une étude publiée dans JAMA Network Open, certaines maladies chroniques, comme la bronchopneumopathie chronique obstructive (MPOC) ou le cancer, sont moins souvent prises en charge à distance que d’autres affections telles que l’insuffisance cardiaque. Les chercheurs ont analysé 7,14 millions de consultations externes, effectuées entre avril 2022 et mars 2023, auprès de 3,97 millions de patients suivis par la Veterans Health Administration (VHA). Les consultations étaient réparties entre soins en personne (83,2 %), par téléphone (11,1 %) et par vidéo (5,8 %).

    Affections chroniques et modalités de soins

    L’étude a examiné 39 maladies chroniques pour identifier les modalités de soins les plus utilisées selon la pathologie. Les affections les plus fréquemment codées, toutes modalités confondues, étaient l’hypertension, l’hyperlipidémie, le diabète, les troubles de santé mentale (anxiété, dépression, trouble de stress post-traumatique) et les douleurs lombaires. Les maladies nécessitant des examens physiques ou des tests en laboratoire, comme la MPOC, la fibrillation auriculaire, le cancer et l’asthme, étaient moins susceptibles d’être prises en charge par télésanté. À l’inverse, des pathologies comme le VIH/sida, la migraine, les lésions cérébrales traumatiques et la sclérose en plaques étaient davantage associées aux visites par vidéo.

    Trois pathologies plus compatibles avec la télésanté

    Au total, 21 affections étaient plus souvent prises en charge en personne lorsque documentées dans les dossiers médicaux, contre seulement trois qui avaient plus de chances d’être suivies à distance : l’insuffisance cardiaque, le VIH/sida et les troubles de la mobilité.

    Les auteurs soulignent que ces résultats peuvent contribuer à l’élaboration de modèles de soins et de recommandations cliniques adaptés, tout en informant les priorités en matière de politiques de remboursement. Selon eux, la compréhension des disparités d’usage est essentielle, en particulier dans un contexte où l’usage de la télésanté diminue.

    Inégalités démographiques et disparités d’usage

    D’autres recherches pointent les disparités démographiques dans l’utilisation de la télésanté vidéo. Une étude distincte portant sur 30 996 visites vidéo programmées entre septembre et novembre 2020 révèle que les patients de plus de 65 ans avaient 102 % de risque en plus de manquer leur rendez-vous vidéo, comparés aux moins de 65 ans. Les patients noirs étaient également 56 % plus susceptibles d’avoir une visite manquée que les patients blancs.

    Enfin, l’adoption de la télésanté varie selon les spécialités médicales. Une étude publiée en août 2024 montre que la santé mentale, l’endocrinologie et la génétique maintiennent un recours élevé à la télésanté, contrairement à la cardiologie, la dermatologie et la gynécologie-obstétrique, où l’usage a diminué après un pic au printemps 2020.

    Ces données confirment l’importance d’ajuster les stratégies de déploiement de la télésanté en fonction des profils pathologiques et démographiques des patients, et des spécificités des disciplines médicales.

    Variability in Primary Care Telehealth Delivery Methods Across Chronic Conditions | Health Policy | JAMA Network Open | JAMA Network