Le développement de l’IA en santé se heurte à un obstacle récurrent : son intégration dans les pratiques quotidiennes. D’un côté, les cliniciens font face à une multiplication d’outils hétérogènes. De l’autre, les directions des systèmes d’information hospitaliers doivent gérer une prolifération de solutions difficilement interopérables.
Malgré des investissements massifs et une production scientifique, une large part des projets d’IA en santé ne dépasse pas le stade expérimental. Jusqu’à 80 % échoueraient à passer à l’échelle, notamment en raison des difficultés liées à ce que les acteurs du secteur désignent comme le “dernier kilomètre” : l’intégration dans les environnements cliniques.
La société Isaree propose une approche alternative fondée sur une logique de proximité. L’objectif consiste à rapprocher les capacités de calcul et les modèles d’IA du lieu même de leur utilisation, plutôt que de les centraliser dans des infrastructures cloud.
Ce modèle, qualifié de “Proximity AI”, repose sur deux principes :
Exécution locale des modèles : les traitements sont réalisés directement sur les terminaux utilisés par les professionnels de santé, ce qui limite les transferts de données.
Hybridation des ressources : lorsque les capacités matérielles sont insuffisantes, les calculs peuvent être déportés vers des serveurs locaux (on-premise) ou des agents externes, sans rupture dans l’usage.
Cette approche vise à réduire les contraintes liées à la latence, à la connectivité et aux exigences réglementaires, notamment en matière de protection des données.
Le modèle proposé s’appuie également sur une orchestration d’agents spécialisés, plutôt que sur des modèles généralistes de grande taille. Cette stratégie permettrait de diminuer la consommation énergétique.
Un écosystème ouvert aux cliniciens
Isaree mise sur une plateforme collaborative permettant aux professionnels de santé de concevoir et de partager leurs propres agents d’IA. Ce modèle s’inspire des logiques de distribution applicative, avec un espace dédié à la création, à la validation et à la diffusion d’outils spécialisés. L’objectif est double, favoriser l’adéquation des solutions aux besoins métiers, et faciliter la certification de modèles ciblés dans des contextes réglementés. Cette orientation repose sur l’idée que les cliniciens doivent jouer un rôle actif dans le développement des outils qu’ils utilisent, afin de limiter les décalages entre conception et réalité.
Les propositions d’Isaree font écho à des constats documentés dans la littérature. Une étude publiée en 2026 dans Health and Technology met en évidence les bénéfices des outils d’IA pour alléger la charge administrative. Ces travaux montrent également que l’adoption de ces technologies dépend de plusieurs facteurs :
La transparence sur l’usage des données.
L’existence de recommandations institutionnelles.
La possibilité de tester les outils dans des environnements sécurisés.
Dans ce contexte, les architectures décentralisées et centrées sur l’utilisateur pourraient constituer une réponse aux enjeux de confiance et d’appropriation.
L’étude SUNSAS a évalué une solution de diagnostic de l’apnée obstructive du sommeil fondée sur l’analyse par intelligence artificielle des mouvements mandibulaires.
Le dispositif, développé par Sunrise, repose sur un capteur unique placé sous le menton pendant la nuit. Il enregistre les mouvements de la mâchoire, utilisés comme marqueurs de l’effort respiratoire et de la dynamique des voies aériennes.
L’essai randomisé, contrôlé, multicentrique et ouvert a été conduit en France entre octobre 2021 et octobre 2024. Il a inclus 849 adultes âgés de 18 à 80 ans, adressés pour suspicion d’apnée obstructive du sommeil. Les participants ont été répartis entre deux parcours diagnostiques : surveillance à domicile des mouvements mandibulaires pendant une à trois nuits, ou polysomnographie standard, à domicile ou en laboratoire.
L’étude a été conçue par l’équipe académique de l’Université Grenoble Alpes, puis discutée et approuvée par la Haute Autorité de santé et le promoteur Sunrise. Elle est enregistrée sur ClinicalTrials.gov sous le numéro NCT05057975.
Résultats : un diagnostic obtenu trois mois plus tôt
Sur les 849 participants randomisés, 774 ont reçu un diagnostic. Parmi eux, 133 ne présentaient pas d’apnée obstructive du sommeil, 239 avaient une forme légère, 220 une forme modérée et 182 une forme sévère.
Le délai médian jusqu’à la consultation diagnostique a été de 15 jours dans le groupe mouvements mandibulaires, contre 106 jours dans le groupe polysomnographie.
Le délai médian jusqu’à l’initiation du traitement a été de 50 jours, contre 124 jours.
La réduction de la somnolence diurne à trois mois après le diagnostic, mesurée par l’échelle d’Epworth, a été non inférieure avec le dispositif Sunrise par rapport à la polysomnographie : –2,26 points contre –2,29 points. À trois mois après la randomisation, l’amélioration était en revanche supérieure dans le groupe mouvements mandibulaires, avec une différence entre groupes de –1,51 point.
Qualité de vie et productivité également améliorées
Les critères secondaires exploratoires ont aussi favorisé le groupe diagnostiqué par mouvements mandibulaires. Les auteurs rapportent de meilleures évolutions dans plusieurs dimensions du SF-36, notamment la vitalité, le fonctionnement social, la douleur corporelle et la perception de l’état général.
Le questionnaire de Québec sur le sommeil a montré des améliorations des symptômes diurnes, nocturnes et de la somnolence. Les scores de présentéisme et de limitation des activités étaient également plus bas dans le groupe Sunrise.
L’observance de la pression positive continue à trois mois n’a pas permis de démontrer la non-infériorité, avec une différence observée limitée à 11,9 minutes.
Un parcours plus court, mais des limites à intégrer
Aucun effet indésirable lié au dispositif n’a été rapporté. Les auteurs estiment que les bénéfices observés tiennent surtout à l’accès plus rapide au traitement, puisque la somnolence ne différait plus entre groupes trois mois après la consultation diagnostique.
Ils soulignent toutefois plusieurs limites : suivi court, essai réalisé uniquement en France, conception ouverte, attrition plus élevée dans le groupe polysomnographie et différence de somnolence inférieure au seuil minimal cliniquement important.
Au cœur du partenariat entre le CHU de Bordeaux et Synapse Medicine, le déploiement d’un assistant médical basé sur l’IA générative, conçu pour fournir aux professionnels de santé des réponses fiables et contextualisées à partir de référentiels validés. L’approche est structurante : l’outil ne remplace pas le médecin, mais renforce sa capacité de décision.
Déployé notamment dans des environnements à forte intensité comme les urgences, cet assistant permet :
un accès rapide à des connaissances médicales actualisées
une réduction du temps de recherche d’information
une sécurisation des prises de décision
Ce positionnement répond à un enjeu clé du déploiement de l’IA en santé : trouver le bon équilibre entre automatisation et maîtrise humaine.
Vers un modèle hospitalier centré sur la donnée, la confiance et la souveraineté pour le CHU
Ce partenariat s’inscrit dans une stratégie plus large du CHU de Bordeaux, qui développe déjà de nombreux projets autour de l’intelligence artificielle. L’objectif est de structurer un modèle où la donnée devient un levier central de transformation des soins.
Trois dimensions apparaissent clés :
L’intégration opérationnelle : l’IA est pensée comme un outil du quotidien, intégré aux workflows, et non comme une solution isolée
La confiance et la conformité : respect du RGPD, encadrement des usages, maintien du contrôle des données par l’établissement
La souveraineté : les données restent dans l’environnement hospitalier, limitant les risques liés à leur externalisation
En filigrane, ce partenariat illustre une bascule plus large : l’IA en santé entre dans une phase de déploiement maîtrisé, où la valeur ne repose plus uniquement sur la technologie, mais sur sa capacité à s’insérer dans un cadre clinique, organisationnel et réglementaire exigeant.
Chaque année, environ 840 000 personnes meurent de pathologies liées au stress professionnel, au harcèlement ou à la surcharge mentale au travail. Ce chiffre, relayé par l’Organisation internationale du Travail et l’Organisation mondiale de la Santé, traduit l’ampleur d’une crise sanitaire mondiale amplifiée par l’intensification des rythmes, la digitalisation et l’hybridation des modes de travail.
L’OMS rappelle que près de 60 % de la population mondiale occupe un emploi, et que la dépression et l’anxiété font perdre chaque année 12 milliards de journées de travail, soit une perte de productivité estimée à 1 000 milliards de dollars. La charge mentale numérique (sollicitations permanentes, multiplication des outils, flux d’informations continus) s’ajoute aux facteurs traditionnels de risque.
Au-delà du coût humain, ces pathologies pèsent sur les organisations : absentéisme, désengagement, turnover et baisse de productivité. Les RPS deviennent un sujet de pilotage pour les entreprises comme pour les pouvoirs publics.
Le cadre réglementaire évolue pour renforcer les obligations des employeurs en matière de prévention des risques psychosociaux.
Médecine du travail : le paradoxe d’une demande en hausse face à la pénurie de professionnels
En France, 1 salarié sur 4 en situation de mal-être au travail
Le Baromètre Santé mentale & QVCT 2026 Qualisocial x Ipsos-BVA chiffre à 22 % la part des travailleurs en mauvaise santé mentale, soit près de 6 millions de personnes, dont près de la moitié sans accès à un dispositif de prévention dans leur entreprise.
Malgré quatre réformes en vingt ans (2004, 2012, 2016, 2021), la santé au travail reste fragilisée par un manque de praticiens et un déficit d’attractivité, alors même que les besoins augmentent avec l’évolution des risques professionnels.
Dans les faits, leur mise en œuvre reste hétérogène. Le niveau de délégation dépend fortement de l’organisation locale et du médecin coordonnateur.
Les gains de productivité exposent les entreprises à une intensification des rythmes et à un risque psychosocial
Des travaux publiés en 2026 alertent sur une charge qui peut augmenter avec l’IA, sous l’effet de nouvelles attentes managériales.
Le rapport de l’OIT publié en 2025 souligne ses bénéfices potentiels : réduction de l’exposition aux environnements dangereux, automatisation des tâches pénibles, détection précoce des risques grâce à des capteurs et dispositifs connectés.
Les modèles de santé au travail établissent depuis plusieurs décennies que l’équilibre entre exigences et ressources conditionne la santé psychologique. Lorsque les demandes progressent plus vite que les marges de manœuvre, le risque de dégradation augmente.
Avec l’IA, cette insécurité prend plusieurs formes : peur de ne pas maîtriser les outils, crainte d’obsolescence, doute sur la valeur future des compétences. Un salarié non formé face à une technologie déployée rapidement se retrouve dans une position subie, ce qui fragilise l’engagement.
Ce coût n’apparaît pas immédiatement dans les indicateurs financiers. Il se traduit par de la fatigue cognitive, de l’hypervigilance, une perte de discernement, davantage d’erreurs et, à terme, du désengagement.
Brouillard mental, fatigue, 14 % des salariés en surcharge cognitive
Un binôme DRH-DSI doit structurer la montée en compétences, clarifier les usages légitimes, protéger les temps de récupération et analyser l’impact sur les facteurs de risques psychosociaux. Ils invitent également à orienter les usages vers des tâches à plus forte valeur cognitive positive : créativité, interaction sociale, développement des compétences.
Une perception ambivalente chez les salariés
L’enquête Great Insights 2026, publiée par Great Place To Work auprès de 4 246 actifs, révèle que l’IA est désormais perçue comme le premier risque professionnel, devant le burn-out : 32 % des salariés la citent comme risque principal, soit une progression de 13 points en un an. 59 % déclarent utiliser des outils d’IA générative, 43 % regrettent l’absence d’accompagnement de leur entreprise, et seulement 15 % font confiance aux ressources humaines pour conduire ces transformations.
Le risque de fracture entre salariés selon leur niveau de maîtrise des outils est pointé par plusieurs observateurs. La délégation à l’IA des tâches à faible complexité pourrait concentrer sur les humains les activités cognitives les plus exigeantes, avec un risque de surcharge.
@Health & Tech Intelligence
Des solutions d’IA redessinent la santé au travail entre accompagnement psychologique et prévention
@OIT : révolutionner la santé et la sécurité le rôle de l’IA et de la numérisation au travail
Les solutions de santé au travail fondées sur l’IA couvrent un spectre étendu, du soutien psychologique individuel à la prévention des risques en temps réel sur les sites industriels.
Moka.Care, Holivia, Teale : 3 plateformes pour personnaliser le soutien psychologique :Un premier segment de l’offre repose sur la personnalisation du suivi. Moka.Care propose une plateforme qui combine accès à des psychologues certifiés, suivi individuel via application mobile et tableaux de bord RH anonymisés, l’IA orientant les salariés vers les ressources adaptées à leur situation. Holivia développe une offre de soutien psychologique avec mise en relation rapide avec des thérapeutes et mesure de l’impact des interventions dans le temps. Teale se positionne sur la santé mentale globale en entreprise, en recommandant des contenus de prévention et en adaptant les parcours aux besoins déclarés de chaque salarié.
Wittyfit, Bloom at Work : des algorithmes prédictifs pour détecter le burn-out : Des outils de mesure continue complètent ce dispositif en captant des signaux faibles pour anticiper les risques psychosociaux avant qu’ils ne se traduisent en absentéisme ou en désengagement. Wittyfit s’appuie sur des enquêtes fréquentes et des algorithmes prédictifs pour détecter les risques de burn-out, fournissant aux DRH des indicateurs en temps réel et des recommandations d’action. Bloom at Work, racheté par Workday, analyse les verbatims salariés et produit un scoring du bien-être par équipe, identifiant les signaux de dégradation du climat social et suggérant des actions managériales ciblées.
Posture, fatigue, EPI : des capteurs et algorithmes pour objectiver les risques sur le terrain: Sur le terrain, d’autres technologies s’attaquent aux risques physiques. Kinvent développe des capteurs d’évaluation musculosquelettique permettant d’objectiver les contraintes des postes de travail, dont les données alimentent des préconisations ergonomiques intégrées aux démarches de prévention des troubles musculosquelettiques. Veyzon, l’IRSST et d’autres acteurs expérimentent des exosquelettes connectés couplés à l’IA pour analyser la posture en temps réel et alerter en cas de risque biomécanique. L’analyse vidéo et comportementale prolonge cette logique dans les environnements industriels : Deepomatic et des acteurs de la computer vision détectent automatiquement le port des équipements de protection individuelle et identifient les situations dangereuses sur les chantiers avec alertes en temps réel.
MyQVCTech et 35 experts sous 72 heures : l’IA au service des DRH sur la conformité et la prévention: À destination des professionnels RH, une quatrième famille d’outils propose une aide à la décision intégrant des référentiels réglementaires actualisés et un accès rapide à des expertises externes. Preventech Consulting a lancé MyQVCTech, une plateforme combinant un chatbot alimenté par des sources spécialisées (Code du travail, études scientifiques, recommandations en prévention des risques professionnels) et un réseau de 35 experts pluridisciplinaires mobilisables sous 72 heures. Les responsabilités des DRH s’élargissent en matière de prévention, alors que les ressources internes peinent à suivre le même rythme.
Cette montée en puissance s’accompagne d’une transformation du travail : plus l’automatisation progresse, plus les tâches humaines se déplacent vers des fonctions de supervision, d’entraînement des algorithmes et de contrôle.
Les 6 enseignements clés de l’INRS à horizon 2035
Des investissements publics et privés soutiennent l’émergence d’un marché de l’IA incluant la S&ST.
L’automatisation réduit certaines expositions mais déplace le travail vers la supervision et le contrôle.
Les systèmes doivent rester alignés avec les principes de la S&ST : collectif, données, dialogue social.
Le marché est dominé par quelques entreprises internationales, posant des enjeux de souveraineté.
Le développement de l’IA suppose des règles claires pour encadrer les usages et limiter les dérives.
Des freins techniques, énergétiques ou sociétaux pourraient ralentir ou remettre en cause ces technologies.
Risques et opportunités : ce que disent les rapports
Réduction de l’exposition aux tâches dangereuses (robots, exosquelettes, drones).
Détection précoce des risques grâce à l’analyse de données.
Automatisation des tâches répétitives et administratives.
Formation des acteurs (employeurs, représentants, préventeurs) aux enjeux techniques et éthiques.
Intégration de compétences S&ST dans la conception des outils.
Promotion de démarches d’expérimentation et d’évaluation en conditions réelles.
Implication dans les processus réglementaires (AI Act, normalisation).
Réflexion collective sur la gouvernance des données.
Intensification des cadences et pression élevée.
Surcharge cognitive et fatigue mentale.
Perte d’autonomie et fragmentation des tâches.
Inégalités d’accès et d’adaptation selon les profils (âge, qualification, genre).
Focalisation excessive sur les risques détectés par les systèmes au détriment des dimensions organisationnelles.
Développement de dispositifs de surveillance pouvant générer des risques psychosociaux.
Incapacité à anticiper les situations atypiques (pannes, maintenance).
@Lefebvre Dalloz : Comprendre les risques et opportunités de l’intelligence artificielle en santé et sécurité au travail
Recommandations : encadrer les usages de l’IA au travail pour limiter les risques et préserver la santé mentale
Encadrer les usages en définissant précisément les cas d’application, les responsabilités et leur intégration dans les politiques RH et de conformité.
Maintenir une supervision humaine afin de garantir la validation des résultats et d’éviter toute délégation complète aux systèmes.
Former les équipes en développant les compétences de supervision, d’analyse critique et de compréhension des limites des outils.
Prévenir la surcharge cognitive en limitant la multiplication des solutions, en simplifiant les interfaces et en organisant le travail pour éviter une vigilance permanente.
Intégrer la santé mentale dès le déploiement, en évaluant les effets sur le stress, la charge mentale et la fatigue dans les démarches de prévention.
Assurer la transparence sur le fonctionnement des systèmes, la traçabilité des décisions et la gestion des données sensibles.
Impliquer les utilisateurs en amont, en s’appuyant sur les retours terrain et les dynamiques d’apprentissage collectif.
Suivre et ajuster dans le temps via des indicateurs combinant performance, qualité et conditions de travail.
Quatre scénarios prospectifs à horizon 2035 (rapport INRS)
L’analyse repose sur 4 scénarios qui décrivent des trajectoires possibles d’intégration de l’IA en santé et sécurité au travail
1. Domination des géants technologiques
Les grands groupes technologiques, notamment les AMAMA (Alphabet, Meta, Amazon, Microsoft, Apple) et les BATX (Baidu, Alibaba, Tencent, Xiaomi), structurent le marché en concentrant les capacités d’investissement, les données et les infrastructures. La majorité des solutions d’IA est conçue, opérée et maintenue par ces acteurs, ce qui limite la marge de manœuvre des entreprises utilisatrices et des acteurs publics. Dans ce contexte, les cadres réglementaires restent hétérogènes et souvent influencés par ces entreprises, compliquant l’harmonisation des pratiques en santé et sécurité au travail. Par ailleurs, les dispositifs de surveillance des activités, des comportements et des environnements tendent à se généraliser comme outils de prévention, impliquant une collecte massive de données et une transformation des relations de travail.
2. Encadrement par les États
Les États mettent en place des cadres réglementaires structurants, à l’image de l’AI Act, afin d’encadrer le développement et l’usage des systèmes d’IA sur les plans de la sécurité, de la transparence et de la responsabilité. Les technologies déployées doivent répondre à des objectifs d’intérêt général, avec des exigences en matière d’utilité sociale, de sobriété et de maîtrise des risques. Ce cadre s’accompagne d’un renforcement des mécanismes d’audit, de certification et de validation préalable des solutions avant leur mise sur le marché ou leur déploiement en entreprise. L’intégration de ces technologies se fait de manière progressive et conditionnée à des évaluations en conditions réelles, avec le maintien d’une supervision humaine.
3. Développement démocratique
La gouvernance des systèmes d’IA s’élargit en impliquant les travailleurs, les représentants du personnel et les citoyens dans les décisions de déploiement, notamment à travers le dialogue social. Parallèlement, la diffusion de solutions open source, low code et no code facilite leur appropriation par un plus grand nombre d’acteurs, y compris les PME. Les progrès technologiques favorisent l’émergence d’IA hybrides combinant apprentissage automatique et raisonnement logique, améliorant ainsi la transparence et la compréhension des décisions. Dans ce contexte, l’explicabilité devient un critère central, renforçant la confiance et l’acceptabilité des outils dans les organisations de travail.
4. Déclin de l’IA
La multiplication d’incidents, d’erreurs ou de crises liées aux systèmes d’IA remet progressivement en cause leur fiabilité opérationnelle. Cette accumulation entraîne une perte de confiance des travailleurs, des employeurs et des régulateurs, qui deviennent plus réticents à leur utilisation. À partir de 2030, les usages reculent dans plusieurs secteurs, y compris en santé et sécurité au travail, malgré des investissements initiaux importants. Certaines organisations choisissent alors de limiter ou d’abandonner le recours à ces technologies au profit de solutions plus traditionnelles de prévention.
Ce que peuvent faire les entreprises
Pour accompagner l’intégration de l’intelligence artificielle et des outils numériques, les entreprises sont invitées à inscrire ces technologies dans une stratégie globale de prévention. Cela passe d’abord par une mise à jour du document unique d’évaluation des risques professionnels (DUERP) afin d’y intégrer les risques émergents liés au numérique, avec l’appui possible de conseillers en prévention. Cette démarche suppose de former et sensibiliser l’ensemble des acteurs (direction, encadrement et salariés) afin de favoriser une compréhension partagée des enjeux. Le renforcement du dialogue social constitue un autre levier, en permettant d’encadrer collectivement les conditions d’usage de ces technologies. Enfin, les entreprises ont intérêt à privilégier des phases de test en conditions réelles, afin d’évaluer les impacts avant tout déploiement à grande échelle.
“Percevoir l’exponentiel” et préparer les acteurs de la prévention aux mutations du travail
Pour le Dr Charles Broutin, médecin du travail, l’enjeu pour les acteurs de la prévention est d’anticiper ses impacts potentiels sur les salariés. La progression exponentielle des modèles, déjà capables de réaliser des tâches complexes proches du niveau humain, laisse entrevoir des transformations rapides de l’organisation du travail. Dans ce contexte, deux scénarios coexistent : une évolution limitée ou, à l’inverse, une automatisation massive des tâches intellectuelles. Les premiers signaux observés, notamment sur l’emploi, invitent à ne pas écarter cette seconde hypothèse et à structurer dès à présent des dispositifs de veille et de prévention adaptés.
Parmi eux, 1 809 ont adopté ces outils entre juin 2023 et août 2025.
Résultat principal : l’adoption est associée à une réduction moyenne de :
13,4 minutes du temps total passé dans le dossier médical informatisé (DMI) ;
et de 16 minutes du temps de documentation, rapportés à 8 heures de consultation.
En revanche, le temps passé en dehors des horaires de travail ne diminue pas significativement.
Ces gains correspondent à des baisses relatives de 3 % du temps total DMI et de 10 % du temps de documentation.
Un impact limité mais réel sur l’activité clinique
L’étude met également en évidence une augmentation de 0,49 consultation hebdomadaire par clinicien, soit une progression de 1,7 % du volume d’activité.
Une analyse exploratoire estime un gain mensuel de 167 dollars de revenus liés aux actes (E/M), calculé à partir des tarifs Medicare 2025. Les auteurs soulignent que ce niveau reste modeste et dépend fortement des coûts d’implémentation.
Des bénéfices inégaux selon les profils
L’effet des IA scribes varie selon les caractéristiques des utilisateurs :
Médecins de soins primaires : −25 minutes sur le temps DMI, −26,9 minutes sur la documentation.
Femmes cliniciennes : −19 minutes sur le DMI, −19,9 minutes sur la documentation.
Infirmiers en pratique avancée et internes : réduction significative du temps DMI et augmentation du nombre de consultations.
Utilisateurs intensifs (>50 % des consultations) : bénéfices doublés sur le temps total et triplés sur la documentation, avec +1 consultation hebdomadaire.
Seuls 32 % des adopteurs utilisent toutefois ces outils à ce niveau d’intensité.
Un transfert du temps plus qu’une suppression de charge
L’absence de baisse significative du travail hors horaires suggère une réallocation du temps gagné. Les auteurs évoquent plusieurs usages possibles :
Relecture et validation des notes générées.
Gestion des messages patients.
Analyse des résultats et du dossier.
Ce constat rejoint d’autres travaux montrant que les IA scribes allègent la saisie sans réduire nécessairement la charge globale.
Des résultats cohérents avec les perceptions terrain
Ces résultats quantitatifs font écho à une étude qualitative australienne menée par la Commonwealth Scientific & Industrial Research Organisation, qui met en évidence une réduction perçue de la charge administrative par 86,7 % des médecins utilisateurs, mais aussi des inquiétudes importantes sur les erreurs, la responsabilité juridique et la confidentialité. Les freins identifiés incluent :
Manque de compréhension des systèmes.
Risques d’erreurs ou d’omissions.
Flou sur la gouvernance des données.
Crainte de perte de contrôle clinique.
Les chercheurs appellent à des recommandations formelles, une transparence et des environnements de test pour sécuriser les usages.
L’étude publiée dans JAMA conclut à des bénéfices « modestes mais significatifs », avec des effets renforcés chez certains profils et en cas d’usage intensif.
Les auteurs appellent à poursuivre les recherches sur :
La durabilité des effets dans le temps.
Les impacts sur la qualité des soins et le burnout.
Les modèles organisationnels favorisant les gains.
Malgré les progrès réalisés en matière de sécurité des soins, le taux d’événements indésirables, y compris graves, demeure élevé au bloc opératoire. C’est sur ce constat qu’est né le projet SSuWAI, initié au sein du CHU de Besançon.
L’objectif est de développer un dispositif médical capable d’identifier de manière anticipée des situations à risque pendant une intervention chirurgicale. Le système doit émettre des alertes en temps réel afin de permettre aux équipes de prendre des mesures correctrices avant que des complications ne surviennent.
Croiser des données hétérogènes en temps réel
Le cœur de l’innovation repose sur la capacité à analyser simultanément des données de nature variée :
Paramètres physiologiques des patients.
Données cliniques.
Informations environnementales du bloc opératoire.
Cette approche pose un défi technique : corréler en temps réel des flux de données hétérogènes. Pour y répondre, le projet s’appuie sur des outils d’IA capables de traiter des volumes importants de données et d’en extraire des signaux faibles.
SSuWAI introduit également une dimension rarement intégrée dans les dispositifs de ce type : l’analyse des facteurs humains.
Le projet prévoit de surveiller certains indicateurs liés aux professionnels du bloc, notamment le niveau de stress et la fatigue. Cette prise en compte vise à enrichir l’évaluation globale du risque, en intégrant des variables susceptibles d’influencer la survenue d’événements indésirables.
Une coopération transfrontalière
Le projet s’inscrit dans une collaboration franco-suisse associant plusieurs acteurs académiques et hospitaliers comme l’Université Marie et Louis Pasteur, le CHU Vaudois, ainsi que des partenaires industriels (Aproxis, Aiglé, CFI).
Le programme bénéficie d’un financement européen dans le cadre d’Interreg France-Suisse, illustrant le rôle des coopérations transfrontalières dans le développement de solutions en santé numérique.
En combinant données cliniques, environnementales et humaines, SSuWAI propose une approche systémique de la gestion des risques au bloc opératoire.
Turenne Santé et Relyens annoncent la cession de Pathoquest, issue du portefeuille de Relyens Innovation Santé, structure d’investissement dédiée lancée en 2014. Cette opération constitue la dixième sortie du fonds depuis sa création, illustrant sa stratégie d’accompagnement d’innovations en santé jusqu’à leur maturité industrielle et commerciale.
Fondée sur une technologie de séquençage de nouvelle génération (NGS), Pathoquest développe des tests de biosécurité destinés à détecter des contaminants biologiques dans les productions pharmaceutiques et biotechnologiques.
Ces solutions s’adressent notamment à la sécurisation de la production de biothérapies, de vaccins et de thérapies innovantes.
Au cours des cinq dernières années, l’entreprise a enregistré une croissance soutenue de son chiffre d’affaires, portée par une montée en puissance commerciale.
Une acquisition pour accélérer l’expansion internationale
L’opération doit permettre d’accélérer le déploiement international de sa technologie et d’élargir son adoption auprès des acteurs mondiaux du médicament.
Relyens s’appuie sur plusieurs leviers pour soutenir l’innovation : participation à des fonds sectoriels, investissement direct via Relyens Innovation Santé et financement d’infrastructures de soins (CHU, cliniques, médico-social).
Avec près de 450 M€ d’encours investis, le groupe intervient sur l’ensemble de la chaîne de valeur, de l’amorçage à la croissance, dans des segments couvrant la e-santé, la medtech et la biotech.
L’objectif affiché est double : accompagner l’émergence d’acteurs innovants et contribuer à la transformation du système de santé, notamment en matière de sécurité, de performance et d’accès aux soins.
Ces dispositifs reposent sur l’exploitation de données neurales, notamment via des techniques d’IA, pour mesurer, analyser ou moduler l’activité du système nerveux. Ils ouvrent des perspectives dans la prise en charge de maladies neurologiques ou de situations de handicap.
En dehors du champ médical, des usages sont envisagés dans les domaines professionnel, éducatif ou de loisir, parfois avec une logique d’augmentation des performances. Les Comités estiment que ces bénéfices restent incertains, alors que les risques sont encore peu documentés.
Des enjeux éthiques liés à l’intégrité de la personne
Les neurotechnologies numériques concernent directement le cerveau, siège de la pensée et de l’identité. Elles soulèvent des questions relatives à la dignité, à l’autonomie, à la liberté de pensée, à la vie privée et à la non-discrimination.
Les Comités insistent sur la sensibilité particulière des données neurales. Catherine Tessier, directrice de recherche à l’ONERA, souligne que l’accès potentiel à l’activité cérébrale impose une protection renforcée de ces données.
Des recommandations centrées sur la protection et l’encadrement
Le CCNE et le CCNEN formulent plusieurs recommandations :
Considérer les données neurales comme des données personnelles sensibles au sens du RGPD.
Garantir un consentement explicite et éclairé.
Renforcer les exigences de sûreté et de cybersécurité.
Encadrer strictement les usages non médicaux.
Ils préconisent en particulier :
L’interdiction des dispositifs neurotechnologiques invasifs en dehors d’indications médicales.
La prévention des usages discriminatoires, notamment dans le monde professionnel.
Une protection spécifique des enfants et adolescents, plus vulnérables.
Informer le public et adapter le cadre juridique
Les Comités appellent à une information claire et accessible pour permettre au public de comprendre les enjeux scientifiques et sociétaux, dans un contexte où les capacités de ces technologies sont parfois surestimées.
Ils recommandent d’inscrire les neurotechnologies numériques à l’agenda des États généraux de la bioéthique et dans la préparation de la prochaine révision de la loi de bioéthique. Une réévaluation régulière du cadre est également proposée, en lien avec les évolutions du droit européen sur les données et l’intelligence artificielle.
Publiée le 22 avril 2026 dans la revue Gut, cette étude* rétrospective suggère qu’une détection très anticipée est possible, mais nécessite encore une validation prospective.
Longtemps considéré comme l’un des cancers les plus redoutables, le cancer du pancréas reste aujourd’hui encore majoritairement diagnostiqué à un stade avancé. En cause : des symptômes tardifs et peu spécifiques, qui retardent la prise en charge. Résultat, moins d’un patient sur cinq est éligible à une chirurgie curative au moment du diagnostic, et la survie à cinq ans ne dépasse pas les 10 à 12 %. Malgré des progrès récents en oncologie, les traitements restent d’efficacité limitée, faisant du repérage précoce l’un des principaux leviers d’amélioration du pronostic.
A la recherche de marqueurs précoces
Dans ce contexte, plusieurs équipes explorent des approches visant à détecter la maladie avant l’apparition de signes cliniques. L’objectif : identifier des marqueurs précoces, encore invisibles à l’imagerie conventionnelle, afin d’intervenir à un stade potentiellement curable. C’est dans cette perspective qu’une équipe internationale réunissant notamment le Radboud University Medical Center et Johns Hopkins University s’est intéressée à l’apport de l’intelligence artificielle pour analyser finement des scanners et repérer des signaux faibles annonciateurs d’un cancer du pancréas.
Une IA pour détecter des variations subtiles du tissu pancréatique
Pour évaluer cette hypothèse, les chercheurs ont développé un modèle d’intelligence artificielle capable d’analyser finement des scanners abdominaux réalisés chez des patients avant tout diagnostic de cancer. Ils se sont appuyés sur des examens issus de plusieurs centres hospitaliers internationaux, en comparant des images de patients ayant développé un cancer du pancréas à celles de patients témoins. L’objectif était d’entraîner l’algorithme à identifier des variations subtiles du tissu pancréatique, indétectables à l’œil humain, puis de tester sa capacité à repérer ces signaux précoces sur des données indépendantes.
Les résultats de cette étude ont été publiés le 22 avril 2026 dans la revue Gut.
Résultats : des signaux détectés jusqu’à 3 ans avant le diagnostic
Détection jusqu’à 475 jours (≈16 mois) avant le diagnostic clinique
Signal parfois présent jusqu’à 3 ans avant, sans anomalie visible
Sensibilité : 73 %, contre 39 % pour les radiologues
L’algorithme analyse de variations subtiles du tissu pancréatique invisibles à l’œil humain sur les scanners standards.
Ces résultats suggèrent la possibilité de détecter des altérations précoces du pancréas avant toute manifestation clinique, mais plusieurs limites doivent être soulignées. L’étude reste rétrospective et ne permet pas de mesurer l’impact réel d’un tel outil en pratique. « Une validation prospective, notamment chez des populations à risque, est nécessaire », indiquent les auteurs. Autre point clé : « Il reste à déterminer si une détection plus précoce se traduira par une amélioration de la survie », précisent ces derniers. Se pose également la question du ciblage des patients, dans un cancer relativement rare, avec un risque potentiel de surdiagnostic et d’examens inutiles si l’outil était utilisé à large échelle.
Un vent d’espoir pour le cancer du pancréas
Ces résultats s’ajoutent à plusieurs avancées thérapeutiques récentes dans le cancer du pancréas. Fin avril 2026, une équipe de l’Inserm a montré qu’un anticorps expérimental pouvait améliorer la réponse à la chimiothérapie dans un essai précoce chez des patients atteints de formes avancées. Parallèlement, des thérapies ciblant les mutations KRAS, présentes dans la grande majorité des cancers du pancréas, ont récemment permis, dans certains essais, d’aller jusqu’à un doublement de la survie médiane chez des patients à un stade avancé. La convergence de tous ces résultats dessine une dynamique nouvelle, entre traitements plus ciblés et détection plus précoce.
*Next-generation AI for visually occult pancreatic cancer detection in a low-prevalence setting with longitudinal stability and multi-institutional generalisability
IA et rentabilité : 52 millions d’euros économisés sur la fraude par an
L’intégration de l’IA s’accélère dans le secteur mutualiste, avec plus de 70% des organismes déjà équipés et 80% prévoyant d’investir cette année. Déployée principalement pour la gestion des flux et la relation adhérent, l’IA se révèle particulièrement efficace contre la fraude. Un cas documenté démontre l’économie de 52 millions d’euros sur une année grâce à l’analyse de 250 000 dossiers, dont un tiers s’est avéré frauduleux ou litigieux. Ces investissements s’accompagnent de démarches de structuration d’une « IA responsable » en réponse au règlement européen (AI Act), ainsi que de projets cliniques d’aide au diagnostic.
Au-delà de la performance algorithmique : l’IA comme outil d’équité et de gouvernance
Une synthèse de 11 publications récentes montre que l’IA transforme les fonctions clés de l’assurance santé mondiale (enrôlement, prédiction des coûts, transparence). Les études révèlent des applications variées : l’algorithme random forest performe avec 82,5% de précision pour prédire l’enrôlement au Ghana, tandis que des modèles de machine learning prédisent les coûts en Indonésie. L’efficacité de ces outils dépend cependant de déterminants structurels, comme l’illettrisme (prédicteur à 84,7% au Ghana) ou le type d’assurance aux États-Unis, soulignant que l’IA doit s’intégrer dans des stratégies incluant équité et conformité.
De l’automatisation à la prévention : les 14 cas d’usage de l’IA mutualiste
L’IA permet aux mutuelles d’évoluer d’un rôle de simple payeur à celui d’acteur de la prévention, avec 14 cas d’usage identifiés. Le principal gisement de valeur réside dans les 5 usages opérationnels, capables de classifier 99% des demandes et de diviser par 12 les coûts de gestion. Parallèlement, 4 usages de prévention émergent, mobilisant jusqu’à 1,5 milliard de données pour anticiper les besoins, notamment chez les seniors. Ces opportunités de productivité et de personnalisation nécessitent toutefois une supervision humaine stricte face aux risques liés à la conformité et à la qualité des données.
Le marché des solutions IA : un ROI prouvé sur la gestion, prometteur sur la prévention
L’analyse de 12 solutions d’IA montre une concentration de la valeur sur la relation adhérent et l’automatisation documentaire. Des outils comme Klaimy atteignent une précision de 98% sur l’extraction de données, tandis que les solutions conversationnelles réduisent la charge de support de 30 à 50%. Sur le volet prévention, des solutions comme RevealCare traitent les données de 250 000 seniors pour prévenir la perte d’autonomie. Bien que le ROI soit immédiat sur les tâches répétitives, le déploiement de ces technologies reste conditionné par l’intégration aux systèmes existants et le respect de la réglementation (RGPD, IA Act).
