Articles

  • Doctolib, l’AP-HP et Roche lancent “Care Forward” à STATION F pour accélérer le déploiement des startups santé en Europe

    Doctolib, l’initiative @Hôtel-Dieu de l’AP-HP et Roche annoncent le lancement de “Care Forward”, un programme d’accompagnement destiné aux startups européennes de la santé, hébergé à STATION F. L’objectif est d’accélérer le développement, les tests et le déploiement de solutions au plus près des besoins du système de soins.

    Le dispositif s’adresse à des entreprises innovantes, quel que soit leur niveau de maturité, dès lors qu’elles sont en mesure de démontrer un impact mesurable sur le système de santé. Les projets peuvent couvrir l’ensemble du parcours de soins (de l’identification au suivi ) ainsi que des enjeux d’efficience globale.

    Les technologies concernées incluent notamment les solutions numériques, l’intelligence artificielle, les dispositifs connectés ou encore les services destinés aux professionnels de santé et aux patients.

    Le programme repose sur l’apport complémentaire de ses trois partenaires :

    • Doctolib accompagnera les startups sur l’intégration technologique, l’usage de l’IA en santé, la compréhension des attentes des soignants et les stratégies de déploiement à l’échelle européenne.
    • @Hôtel-Dieu (AP-HP) offrira un accès aux tiers-lieux d’expérimentation et aux environnements hospitaliers des 38 établissements de l’AP-HP, permettant de confronter les solutions aux réalités cliniques.
    • Roche apportera un appui sur les enjeux réglementaires, la démonstration de la valeur médico-économique et l’accès à un réseau international d’experts scientifiques.

    Au-delà de cet accompagnement, les startups bénéficieront de mises en relation avec des investisseurs spécialisés, ainsi que d’un accès à des événements de l’écosystème santé en Europe.

    Répondre au défi du passage à l’échelle

    L’enjeu est de permettre aux startups de dépasser le stade de l’innovation pour atteindre une adoption par les professionnels de santé, en facilitant leur intégration rapide dans les pratiques. Le programme s’appuie aussi sur des environnements d’expérimentation clinique pour rapprocher innovation et soins, tout en structurant un écosystème entre industriels et startups afin d’améliorer les parcours de soins et l’organisation du système.

    Les candidatures sont ouvertes jusqu’au 15 mai 2026. Les startups retenues seront annoncées à l’issue de cette phase, lors d’un événement dédié à STATION F.

  • 2025 : 28,8 Md$ investis dans la santé numérique, l’Europe accélère, les mégadeals s’imposent

    De l’engouement aux résultats mesurables

    Après le pic de 60,6 Md$ atteint en 2021, le financement du digital health s’est ajusté à 35,7 Md$ en 2022, 24,4 Md$ en 2023, 26,4 Md$ en 2024 puis 28,8 Md$ en 2025, à un niveau jugé soutenable par Galen Growth. Le message central du rapport “Global Digital Health 2025 – Re-Priced, Re-Proved, Re-Focused” est clair : la valeur se déplace vers les solutions capables de prouver leur impact dans les flux de soins et les opérations hospitalières.

    La concentration est nette : 65 mégadeals d’au moins 100 M$ totalisent 14 Md$, soit 49% des montants investis, notamment en Amérique du Nord et en Europe, où ces tours alimentent des plateformes déjà bien établies. Parallèlement, le nombre de deals trimestriels recule à un plancher de cinq ans (277 transactions au T4), tandis que la taille moyenne par opération atteint un sommet de 34,1 M$ au T4, en hausse de 2,2 fois sur un an.

    Cartographie géographique : les États-Unis dominent, l’Europe s’affirme

    Les États-Unis restent le centre de gravité avec 19,5 Md$ investis en 2025, en progression de 7%, soit 83% des deals et 89% des montants combinés avec l’Europe. La Californie concentre 33,9% des financements américains (6,63 Md$), devant New York (3,23 Md$) et le Massachusetts (1,7 Md$).

    L’Europe enregistre 6,2 Md$, en hausse de 15%, ce qui en fait la région à la croissance la plus rapide, soutenue par de grands tours en prévention et “TechBio”. Le Royaume-Uni mène avec 2,11 Md$, suivi par la Finlande (1,16 Md$), la France (731 M$) et l’Allemagne (612 M$). En Asie-Pacifique, 2,4 Md$ sont déployés (+14%), avec l’Australie (548 M$), la Chine (520 M$) et l’Inde (416 M$) en tête, sur fond de poussée en santé des femmes et oncologie.

    Un mouvement structurel marque l’Europe : la part des investisseurs américains dans les tours late stage européens atteint 62% en 2025, soit un triplement par rapport à 2023, tandis que les acteurs européens reculent. Cette bascule alimente une hausse du ticket moyen multiplié par 4,1 dans les tours de maturité avancée, avec des opérations comme les 900 M$ d’Oura (wellness, prévention) ou les 600 M$ d’Isomorphic Labs (découverte de médicaments).

    Clusters, aires thérapeutiques : priorité à la gestion des soins et à la prévention

    En 2025, les Health Management Solutions deviennent le premier cluster financé, avec 5,45 Md$, devant les Research Solutions (4,49 Md$) et les Medical Diagnostics (2,62 Md$). Ces solutions couvrent gestion clinique et non clinique, EHR, outils d’aide à la documentation médicale et optimisation des flux, illustrés par le tour de 300 M$ d’Abridge en série E.

    Côté thérapeutique, les solutions “disease agnostic” captent 50% des montants mondiaux ; l’oncologie reste l’aire la plus financée avec 3,6 Md$, malgré une baisse de 12% sur un an. La santé des femmes progresse à 2,7 Md$ (deuxième rang), devant la santé mentale (2,3 Md$), la prévention (1,9 Md$) dopée par des deals comme Oura, et la neurologie (1,7 Md$). En Europe, la prévention arrive en tête, tirée par les 900 M$ levés par Oura, tandis qu’aux États-Unis l’oncologie domine malgré un recul, et la hausse la plus marquée concerne les Health Management Solutions (+70%).

    Partenariats : moins de pilotes, plus d’exigence

    Le volume de partenariats chute à un plus bas de cinq ans, avec un peu plus de 2 370 collaborations recensées en 2025, la baisse étant continue depuis mi‑2024. Les Health Management Solutions et les Medical Diagnostics restent néanmoins les segments les plus actifs, reflétant la recherche d’outils de diagnostic renforcé et d’infrastructures numériques pour les systèmes de santé.

    Les fournisseurs (hôpitaux, systèmes de santé) sont impliqués dans 18% des partenariats, devant les autres verticaux comme la pharma ou l’assurance. En Europe, les coopérations venture‑to‑venture et avec les providers représentent 48% des partenariats, tandis qu’en Asie‑Pacifique les accords sont davantage dispersés entre start‑ups, fournisseurs, pharma, technologie et académiques. Aux États-Unis, 19% des partenariats de 2025 associent des health systems, confirmant leur rôle de moteur d’adoption, mais sur un nombre total de partenariats en repli et concentré sur des acteurs plus matures.

    Les recommandations de Galen Growth insistent sur la nécessité, pour les investisseurs et corporates, de privilégier la profondeur plutôt que le volume : partenariats assortis de milestones d’intégration, d’objectifs d’usage, de plans de génération de preuves et de trajectoires de commercialisation, plutôt que d’accords vitrines.

    Preuve clinique, capital et sorties : un environnement plus sélectif

    L’“Evidence Signal” devient une métrique centrale : les Medical Diagnostics concentrent 25% des ventures ayant un score supérieur à 40, c’est‑à‑dire disposant d’essais cliniques, de dépôts réglementaires ou d’au moins quatre publications évaluées par les pairs. Les ventures européennes sont celles qui affichent la plus forte proportion de scores élevés, et les domaines cardiovasculaire et neurologique se distinguent sur le plan de la production de preuves.

    En parallèle, le risque de tension de trésorerie augmente : seuls 23% des ventures early stage, 31% des growth stage et 47% des late stage ont levé des fonds dans les 18 derniers mois, laissant une majorité exposée à des besoins de refinancement urgents. Le “Funding Strength” moyen pour les growth stage atteint 51,6 mois en Asie‑Pacifique, contre 36,8 mois en Europe et 36,5 mois aux États‑Unis, signe d’écosystèmes où les cycles de refinancement sont plus étirés. Galen Growth anticipe davantage de down rounds, de recapitalisations et de M&A de consolidation, notamment au profit des acteurs disposant déjà de bilans renforcés.

    Du côté des sorties, le M&A recule de 9% en volume, revenant à son niveau de 2023, au profit d’une année centrée sur la levée de capital, même si le marché coté montre quelques signaux de reprise. Une seule opération SPAC a été finalisée en 2025 (Nanyang Biologics).

    DTP pharma, politique des prix et perspectives 2026

    Le rapport souligne la montée en puissance des plateformes direct‑to‑patient (DTP) aux États‑Unis, où 94% des grands laboratoires disposent ou développent des dispositifs structurants de ce type. Des initiatives comme LillyDirect (Eli Lilly), PfizerForAll (Pfizer), NovoCare Pharmacy (Novo Nordisk) ou AstraZeneca Direct combinent téléconsultation, délivrance digitale et tarification cash pour des thérapies à fort volume, notamment les GLP‑1 ou les traitements de la migraine.

    Ces modèles restent concentrés sur les États‑Unis et exposés à un risque réglementaire renforcé, notamment avec l’initiative fédérale TrumpRx, décrite comme une plateforme d’agrégation de prix qui pourrait banaliser les offres cash‑pay et rogner l’avantage prix des industriels. Pour Galen Growth, la DTP ne devrait pas reculer, mais elle sera “stress‑testée” par les politiques de prix et les évolutions de remboursement, obligeant les pharmas à arbitrer entre accès direct au patient et soutenabilité des modèles économiques.

    Pour 2026, le cabinet anticipe un environnement où l’IA intégrée aux workflows cliniques, l’interopérabilité et la cybersécurité devront livrer des résultats concrets, tandis que le capital se dirigera en priorité vers les leaders de catégorie prêts pour une fenêtre IPO encore sélective. Les recommandations convergent pour tous les acteurs : discipline sur l’exécution, exigence de preuves, intégration fluide aux systèmes de santé, et focalisation sur des partenariats moins nombreux mais plus structurants.

  • En 2025, la technologie médicale reste un pilier des dépôts de brevets en Europe, mais la France peine à suivre la dynamique

    Pour l’Office européen des brevets (OEB), la technologie médicale couvre l’ensemble des instruments utilisés pour le diagnostic et le traitement des maladies ainsi que pour la chirurgie. Ce champ va des instruments de vaccination aux prothèses, en passant par les robots chirurgicaux, les systèmes de tomodensitométrie et les pacemakers.

    En 2025, ces dispositifs s’inscrivent dans une dynamique globale où les demandes de brevets à l’OEB atteignent 201 974 dépôts, un niveau inédit, tiré par les technologies de santé, le numérique et les énergies bas carbone. L’OEB rappelle que ces demandes constituent un indicateur avancé des investissements en R&D, y compris dans les équipements médicaux et la santé numérique.

    Un tableau de bord qui confirme le poids des grands industriels

    Dans son Technology Dashboard 2025, l’OEB consacre un tableau de bord spécifique à la technologie médicale parmi les dix principaux domaines techniques. La page dédiée recense le volume de demandes (“Total applications”) et détaille les “Leading countries in 2025” ainsi que les “Top applicants in 2025” pour ce champ.

    Le classement des principaux déposants est établi sur une base consolidée de groupes, en agrégeant les demandes de leurs filiales identifiables, y compris lorsqu’elles sont situées dans des pays différents. Cette consolidation met en évidence le poids d’acteurs industriels qui structurent l’offre en imagerie, chirurgie assistée, dispositifs implantables et équipements connectés.

    Des entreprises comme Philips figurent parmi les demandeurs les plus actifs à l’échelle européenne, avec une part importante de leur portefeuille concentrée sur la technologie médicale. Pour les acteurs français, ce positionnement de grands groupes internationaux renforce la pression concurrentielle sur des segments clés des équipements médicaux et du numérique en santé.

    Pays d’origine : un signal pour la position française

    Le tableau “Leading countries in 2025” s’appuie sur le principe du « premier déposant nommé », qui attribue l’origine d’une demande de brevet au pays du premier demandeur mentionné dans le formulaire. En présence de plusieurs déposants, seule la résidence du premier est prise en compte, ce qui pèse sur la lecture des projets multinationaux, mais permet une comparaison standardisée entre pays.

    À l’échelle de l’ensemble des technologies, les demandes provenant d’Europe progressent de 0,4%, contre 2,1% pour celles émanant de pays non européens, notamment les États-Unis, la Chine et la Corée du Sud. Cette dynamique se retrouve dans la santé : la technologie médicale reste très demandée à l’OEB, mais la croissance est davantage tirée par les acteurs nord‑américains et asiatiques que par les déposants européens.

    Pour la France, qui demeure parmi les premiers pays européens contributeurs en brevets, ce contexte signifie que la part relative de l’Hexagone dans l’innovation santé se trouve sous pression, alors même que l’ensemble des demandes nationales allouées à la santé reculent. Les signaux publiés par l’OEB et par les analyses sectorielles convergent : l’innovation se réoriente vers des plateformes intégrées mêlant dispositifs, logiciels et données cliniques, un terrain sur lequel la France avance plus lentement que certains de ses concurrents.

    Méthodologie de l’OEB : des chiffres à manier avec prudence

    L’OEB détaille la méthodologie statistique appliquée à la technologie médicale, essentielle pour interpréter les chiffres au niveau national. D’une part, le champ inclut les demandes directes de brevet européen comme les demandes internationales PCT qui entrent en phase européenne, ce qui élargit la base aux stratégies globales des groupes pharmaceutiques et des fabricants de dispositifs.

    D’autre part, le principe du premier déposant nommé peut conduire à attribuer à l’étranger des inventions issues de collaborations impliquant des équipes françaises, lorsque le partenaire non français apparaît en premier sur la demande. Cette règle contribue à sous‑représenter certaines capacités d’innovation nationales dans les statistiques, en particulier pour les projets européens ou transatlantiques dans la santé.

    Enjeux pour les acteurs français de la santé et du numérique

    Pour les industriels français de la santé, les CHU, les start-up et les sociétés de technologie médicale, le tableau de bord “Medical technology” de l’OEB fonctionne comme un baromètre de positionnement. Il renseigne les volumes de dépôts dans les dispositifs médicaux, mais renvoie aussi à l’essor d’autres catégories techniques connexes comme l’informatique appliquée à la santé et l’IA médicale.

    Les analyses récentes signalent un ralentissement des dépôts en Europe dans l’innovation médicale et pharmaceutique, alors que les investissements se déplacent vers les technologies numériques, les données et les algorithmes. Dans ce paysage, les acteurs français qui misent encore fortement sur les infrastructures immobilières et les activités de soins traditionnelles risquent de se trouver en retrait sur les équipements, le numérique et les droits de propriété intellectuelle associés.

    Pour les décideurs publics comme pour les directions d’établissements, ces statistiques plaident en faveur d’une stratégie plus offensive d’investissement et de protection des inventions en technologie médicale, en articulation avec la santé numérique. Le suivi fin des “Top applicants in 2025” et des pays d’origine peut aider à cibler les partenariats industriels, les zones de rattrapage et les segments où l’écosystème français doit renforcer sa présence en matière de brevets.

    @Epo.org

  • Senior+ : Claude Bernard intègre BIOrecos pour améliorer la pertinence des prescriptions biologiques en médecine générale

    Lancé en janvier 2026, Senior+ by Claude Bernard IA est conçu pour accompagner les médecins généralistes dans la prise en charge des patients âgés, une population caractérisée par la polymédication et des fragilités cognitives.

    Intégré directement aux logiciels de gestion de cabinet, l’outil automatise l’affichage d’informations médicales pendant la consultation, avec l’objectif de réduire le temps consacré à la recherche documentaire et de recentrer l’échange sur le patient.

    L’apport des données BIOrecos

    Le partenariat annoncé avec BIOrecos (BIOV2) repose sur l’intégration de bases de données dédiées à la prescription d’examens de biologie médicale. Ces référentiels s’appuient sur les recommandations des autorités de santé, des sociétés savantes et de la littérature scientifique.

    Cette intégration permet d’enrichir l’assistant avec des données actualisées et contextualisées, directement mobilisables lors de la consultation.

    L’objectif est de faciliter les arbitrages cliniques en limitant les recherches manuelles et en structurant l’accès à l’information.

    L’intégration de BIOrecos répond à l’enjeu de la place de la biologie médicale dans le diagnostic. En France, elle contribue à 60 à 70 % des diagnostics.

    Dans ce contexte, l’outil propose plusieurs leviers pour les praticiens :

    • Suggestion de bilans biologiques adaptés.
    • Amélioration de la pertinence des prescriptions.
    • Réduction des examens redondants ou inutiles.
    • Optimisation du temps de diagnostic.
    • Appui à la décision fondé sur des recommandations officielles.

    Au-delà de l’aide à la prescription, le partenariat vise à améliorer la qualité du suivi des patients âgés. L’assistant entend faciliter la synthèse des informations médicales et soutenir la continuité des soins.

    Une stratégie fondée sur la fiabilité des données

    Claude Bernard inscrit ce développement dans une stratégie plus large autour de l’information médicale sécurisée, avec un hébergement des données conforme aux réglementations européennes et localisé en France.

    L’assistant doit être progressivement enrichi par de nouveaux modules, adaptés aux différentes aires thérapeutiques. BIOrecos, développé par BIOV2, apporte dans ce cadre une expertise spécifique sur la biologie médicale et la structuration des recommandations.

    De son côté, la base Claude Bernard (utilisée par plus de 150 000 professionnels de santé) constitue le socle de diffusion de ces outils au sein des pratiques de ville, hospitalières et médico-sociales.

    Une convergence entre IA et référentiels médicaux

    Ce partenariat illustre une tendance de fond : l’intégration d’IA directement dans les outils métiers, adossées à des bases de données médicales validées. L’enjeu ne porte pas uniquement sur l’automatisation, mais sur la capacité à proposer une information contextualisée, traçable et alignée avec les recommandations.

  • IA et biopsie : estimation du vieillissement cellulaire

    Selon l’OMS, la transition démographique renforce l’intérêt pour des biomarqueurs fiables. D’ici 2050, 2,1 milliards de personnes auront 60 ans ou plus, tandis que 74 % des décès dans le monde sont déjà liés aux maladies chroniques. Dans ce contexte, les télomères apparaissent corrélés au risque de pathologies associées au vieillissement.

    Situés à l’extrémité des chromosomes, les télomères protègent l’intégrité génomique. Leur raccourcissement progressif reflète le vieillissement biologique et l’exposition aux facteurs de risque.

    Les techniques de mesure actuelles, comme la PCR quantitative, restent complexes et peu adaptées à un usage à grande échelle.

    TLPath, IA et histopathologie

    Développé par le Sanford Burnham Prebys Medical Discovery Institute, TLPath repose sur l’apprentissage profond appliqué à l’imagerie histologique. Il analyse des biopsies de routine, segmente les lames en unités d’étude et extrait des signatures morphologiques prédictives. L’entraînement s’appuie sur les données du Genotype-Tissue Expression Project (NIH).

    Une validation à grande échelle

    L’étude publiée dans Cell Reports Methods repose sur une approche rigoureuse :

    • 5 263 lames utilisées pour l’entraînement.
    • 919 individus couvrant 18 types de tissus.
    • 11 tissus avec prédiction fiable de la longueur des télomères.

    Résultats : des performances supérieures aux approches classiques

    Les analyses montrent que TLPath surpasse les approches basées sur l’âge :

    • Corrélation prédictive jusqu’à r = 0,67, contre ≈0,30–0,40 pour l’âge seul.
    • Robustesse confirmée dans 11 types tissulaires.
    • Validation indépendante sur >900 individus (p < 0,001).

    Cette approche ouvre des perspectives pour exploiter les biobanques d’images en pathologie numérique, avec des applications en stratification du risque et en médecine de précision.

     

     

  • OpenAI lance GPT-Rosalind, une IA pour la biologie et la découverte de médicaments, conçue pour structurer les workflows en recherche

    OpenAI annonce GPT Rosalind, un modèle d’IA spécifiquement développé pour les sciences de la vie, qui couvre la biologie, la découverte de médicaments et la médecine translationnelle.

    Cette nouvelle série de modèles se distingue par une capacité à raisonner sur des objets complexes tels que les molécules, les protéines, les gènes et les voies biologiques.

    L’objectif est de répondre à un frein de la recherche biomédicale : la complexité des workflows scientifiques. Car les chercheurs doivent naviguer entre littérature scientifique, bases de données spécialisées, résultats expérimentaux et hypothèses évolutives. Ces processus restent fragmentés, chronophages et difficiles à industrialiser.

    GPT Rosalind est conçu pour intervenir sur plusieurs étapes :

    • Synthèse des connaissances.
    • Génération d’hypothèses.
    • Interprétation des données et conception d’expériences.

    L’ambition est d’augmenter le nombre d’hypothèses explorées et d’améliorer leur qualité dès les phases amont.

    Des performances orientées vers la recherche appliquée

    Selon OpenAI, le modèle présente des gains sur plusieurs dimensions :

    • Compréhension des mécanismes chimiques.
    • Analyse des structures protéiques et des mutations.
    • Interprétation phylogénétique des séquences ADN.
    • Planification expérimentale et analyse de résultats.
    • Utilisation d’outils scientifiques dans des workflows multi-étapes.

    Ces capacités sont testées à travers des benchmarks comme BixBench (bioinformatique) ou LABBench2 (tâches de recherche), où GPT Rosalind affiche des performances supérieures à plusieurs modèles précédents, notamment sur des tâches de conception expérimentale.

    Dans un cas d’usage avec Dyno Therapeutics, le modèle atteint un niveau supérieur au 95e percentile d’experts humains pour des tâches de prédiction de séquences ARN, et autour du 84e percentile pour leur génération.

    Accès filtré, exigences de gouvernance et intégration à 50 bases de données via Codex

    Le modèle est accessible en “research preview” via ChatGPT, Codex et API, dans le cadre d’un programme d’accès restreint. OpenAI annonce également un plugin de recherche en sciences de la vie pour Codex, qui donne accès à plus de 50 bases de données et outils scientifiques (génomique, structures protéiques, littérature, etc.).

    Ce plugin agit comme une couche d’orchestration pour structurer les workflows, avec des cas d’usage tels que :

    • La recherche bibliographique automatisée.
    • L’analyse de séquences.
    • L’identification de structures protéiques.
    • L’exploration de bases de données publiques.

    Plusieurs acteurs industriels et académiques participent aux premiers déploiements, dont Amgen, Moderna, Thermo Fisher Scientific, l’Allen Institute ou encore UCSF School of Pharmacy.

    Le déploiement de GPT Rosalind repose sur un modèle de “trusted access”. L’accès est réservé à des organisations répondant à trois critères :

    • Usage scientifique à bénéfice public.
    • Existence de mécanismes de gouvernance et de contrôle.
    • Environnement sécurisé avec accès restreint aux utilisateurs autorisés.

    Des exigences sont également posées en matière de conformité aux politiques d’usage et de gestion des risques de détournement.

    Vers une transformation des phases amont de la R&D

    GPT Rosalind s’inscrit dans une stratégie d’optimisation du cycle long de développement des médicaments. Les gains en amont se répercutent sur l’ensemble de la chaîne, avec un impact potentiel sur le taux de succès et la qualité des candidats médicaments.

    OpenAI indique poursuivre “le développement de cette série de modèles”, notamment sur des tâches de “raisonnement biochimique plus longues” et intégrant davantage d’outils. Des collaborations sont en cours avec des institutions comme le Los Alamos National Laboratory, notamment sur la conception de protéines et de catalyseurs.

    Au-delà de la performance technique, l’éditeur met en avant une approche d’intégration dans les environnements existants.

    Son nom (GPT Rosalind) rend hommage à Rosalind Franklin, chimiste dont les travaux ont contribué à la compréhension de la structure de l’ADN.

    Durant la phase pilote, l’utilisation de GPT-Rosalind n’entraîne pas de consommation de crédits. Cela permet aux chercheurs de tester le modèle sans contrainte financière immédiate.

  • Étude : L’IA performante pour diagnostiquer, mais limitée dans son raisonnement (Jama)

    Publiée le 13 avril 2026 dans la revue JAMA Network Open, l’étude* montre que si les modèles affichent une précision finale supérieure à 90 %, ils échouent à reproduire la démarche logique du médecin, notamment pour trier les pistes initiales et optimiser la plan de traitement.

    Dans la pratique médicale, un diagnostic n’est pas une simple réponse, mais l’aboutissement d’une enquête. Un clinicien doit naviguer dans l’incertitude, hiérarchiser des hypothèses et sélectionner les examens les plus pertinents pour affiner sa réflexion. L’enjeu est autant clinique qu’organisationnel : une stratégie efficace évite les examens inutiles et réduit les délais de prise en charge. Jusqu’ici, l’évaluation de l’IA s’est surtout focalisée sur sa capacité à identifier la pathologie finale. A mettre un nom sur des symptômes. On ignorait si ces modèles étaient capables de piloter cette démarche intellectuelle, pourtant indispensable à l’efficience du système de soins.

    Évaluer la logique de l’IA

    C’est pourquoi une équipe de chercheurs de Mass General Brigham — le pôle de santé et de recherche de l’Université de Harvard à Boston — a développé un nouveau cadre d’évaluation nommé PrIME-LLM. Ils ont soumis 21 modèles de langage de grande taille à des scénarios cliniques complexes, décomposés en 4 étapes clés : le diagnostic différentiel, la sélection des tests, le diagnostic final et le plan de traitement. Les modèles ont été testés sur des cas “ouverts”, où l’information est rare, puis sur des cas “fermés”, une fois les résultats d’imagerie et de laboratoire intégrés. L’objectif était de vérifier si l’IA sait construire un raisonnement progressif ou si elle dépend uniquement de la présence de données déjà structurées pour conclure.

    Les résultats de cette étude ont été publiés le 13 avril 2026 dans le JAMA Network Open

    Résultats : une précision de façade

    • Taux de succès final supérieur à 90 % pour nommer la pathologie correcte une fois le dossier patient complet.
    • Argumentation clinique imparfaite à 73,1 % en cas “fermés”, révélant des difficultés à justifier logiquement le diagnostic.
    • Effondrement à 26,3 % du score de raisonnement sur les cas “ouverts”, dès que le modèle doit réfléchir sans données d’examens préalables.
    • Échec du diagnostic différentiel avec seulement 42,6 % de réussite pour hiérarchiser les causes possibles d’un symptôme
    • Incapacité à piloter les examens avec un score de 34,5 % pour l’identification du test complémentaire le plus pertinent.
    • Incohérence décisionnelle dans 25 % des cas, où le plan de traitement proposé contredit le diagnostic identifié

    Pour Marc Succi, auteur principal de l’étude, ces résultats soulignent la nécessité de maintenir « un humain dans la boucle et une surveillance très étroite ». Il estime que le cadre PrIME-LLM doit désormais permettre aux dirigeants d’hôpitaux de « séparer la hype de la réalité » en comparant les technologies sur leur compétence clinique réelle plutôt que sur leurs promesses.

    La fin du mythe de la “bonne réponse”

    Cette étude prouve aussi qu’une IA peut avoir raison (le diagnostic final) tout en raisonnant mal. Le fossé entre la précision brute et la faiblesse de l’argumentation suggère que les modèles fonctionnent encore comme des boîtes noires statistiques, incapables de manipuler les concepts médicaux avec la rigueur d’un praticien.

    Comme le concluent les chercheurs, « l’amélioration de l’utilité clinique de l’IA dépendra moins de la puissance de calcul que de la capacité des modèles à structurer un raisonnement logique étape par étape ». Tant que ce cap n’est pas franchi, l’IA restera cantonnée à un rôle de vérificateur de second rang, laissant à l’humain la responsabilité exclusive de la stratégie diagnostique.

    * Large Language Model Performance and Clinical Reasoning Tasks.

    Rao AS, Esmail KP, Lee RS, et al.

    JAMA Netw Open. 2026;9(4):e264003. doi:10.1001/jamanetworkopen.2026.4003

    https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2847679?guestAccessKey=ef7d2c87-beca-4c8b-b6a2-85d11bcf8185&utm_source=for_the_media&utm_medium=referral&utm_campaign=ftm_links&utm_content=tfl&utm_term=041326

     

  • AAP : GRECO EXPER cible des projets en médecine interventionnelle à expérimenter sur 18 mois

    Le Tiers Lieu d’Expérimentation GRECO EXPER lance un appel à candidatures dédié aux solutions innovantes en santé numérique, avec un focus sur la chirurgie robotique et la médecine interventionnelle. Inscrit dans le programme France 2030, le dispositif vise des projets testés en conditions réelles, avec une durée d’expérimentation recommandée de 18 mois maximum.

    Les solutions attendues peuvent être numériques ou hybrides, à condition de démontrer un usage concret dans des environnements de soins.

    Cet appel s’adresse aux acteurs développant des solutions en phase d’expérimentation, avec un objectif de validation en conditions réelles et d’accompagnement dans leur trajectoire de développement.

    Calendrier et modalités de sélection

    Les porteurs de projets doivent transmettre leur dossier complet avant le 11 mai 2026 à 11h59. Les candidatures jugées recevables seront examinées par le comité d’intérêt GRECO EXPER.

    Une sélection de projets sera ensuite auditionnée le 22 mai 2026, lors de sessions organisées en visioconférence. Les dossiers incomplets ne seront pas instruits.

    Le processus repose sur plusieurs critères :

    • pertinence du projet,
    • niveau de maturité,
    • capacité à démontrer une première mise en œuvre réelle,
    • clarté des besoins d’accompagnement,
    • perspectives de développement pour l’entreprise.

    Un cofinancement encadré par la Caisse des Dépôts

    Plafonné à 250 000 € et limité à 50 % des dépenses éligibles

    Les projets sélectionnés peuvent bénéficier d’un cofinancement, sous réserve de validation par la Caisse des Dépôts. Celui-ci est plafonné à 250 000 € et limité à 50 % des dépenses éligibles.

    Ce soutien financier est réservé aux entreprises enregistrées en France et concerne uniquement des projets ayant atteint un niveau de maturité technologique d’au moins TRL 4, avec preuve de concept. À noter qu’il est possible de candidater pour un accompagnement sans exigence minimale de TRL, hors cofinancement.

    Conditions d’éligibilité et exigences spécifiques

    • Les projets doivent impérativement porter sur la chirurgie robotique ou la médecine interventionnelle. Ils doivent également s’inscrire dans une logique d’expérimentation, et non de déploiement de solutions déjà commercialisées.
    • Le dispositif exclut les projets visant uniquement à équiper des structures avec des technologies existantes, sans démarche d’évaluation ou d’amélioration.
    • Une exigence environnementale s’applique via le principe DNSH (Do No Significant Harm), excluant les projets susceptibles de porter atteinte à l’environnement.

    Modalités de candidature

    Le dossier doit comprendre au minimum un formulaire de réponse. Des éléments complémentaires peuvent être ajoutés, comme :

    • une présentation,
    • un lien vers un site internet,
    • une vidéo de démonstration.

    L’ensemble doit être transmis par mail (greco.exper@chu-amiens.fr) avant la date limite (11 mai 2026). Seuls les dossiers complets seront examinés.

    Récapitulatif

    Rubrique Éléments clés
    Objectif de l’appel Identifier des solutions en santé numérique pour la chirurgie robotique et la médecine interventionnelle, avec expérimentation en conditions réelles (≤ 18 mois).
    Financement Jusqu’à 250 000 €, maxixum 50 % des dépenses, sous validation CDC.
    Type de solutions Solutions numériques ou hybrides, avec une composante numérique centrale.
    Impacts attendus Amélioration de la qualité des soins et/ou de la qualité de vie au travail des professionnels de santé.
    Niveau de maturité (TRL) TRL ≥ 4 + preuve de concept pour cofinancement, pas de minimum pour accompagnement seul.
    Finalité des expérimentations Évaluer et améliorer la solution (pas de financement pour simple équipement de structures).
    Dispositifs médicaux numériques – Pré-CE : co-conception, préparation à l’investigation clinique.
    – Post-CE (PMCF) : données en vie réelle.
    – Post-CE : études cliniques initiales.
    – Pré-marketing : adoption et accès au marché.
    Solutions hors DM Études de co-conception, d’usage, d’impact (soins/QVT), intégration de la doctrine du numérique en santé.
    Exigence environnementale Respect du principe DNSH (exclusion des projets à impact environnemental négatif significatif).
    Porteurs éligibles Startups, entreprises, établissements de santé, professionnels de santé, associations, collectifs.
    Cofinancement CDC Réservé aux entreprises enregistrées en France.
    Dossier de candidature Formulaire obligatoire + pièces complémentaires possibles (PPT, site, vidéo).

     

  • Le projet DANTE retenu pour évaluer, sur 147 patients, la fiabilité de l’extraction par IA des données cliniques en oncologie

    Le projet DANTE a été retenu dans le cadre de l’appel à manifestation d’intérêt France 2030 « Évaluation des nouveaux outils, nouveaux usages et nouvelles approches méthodologiques de recherche clinique ». Cette sélection a été annoncée par la Filière Intelligence Artificielle & Cancers, en partenariat avec AstraZeneca, Amgen et MSD.

    À travers ce projet, les partenaires veulent documenter la qualité et la fiabilité des données cliniques en vie réelle en oncologie.

    Le protocole prévoit de comparer deux modalités de recueil des données cliniques :

    • d’un côté, une collecte manuelle ;
    • de l’autre, une extraction automatisée par IA. Un bras de référence servira de point de comparaison.

    L’évaluation portera sur environ 147 patients et sur 25 variables cliniques jugées prioritaires. L’enjeu est de mesurer, dans des conditions définies, la capacité des outils d’extraction à produire des données exploitables pour la recherche clinique et pour les usages secondaires des données de soin.

    Réduire la charge hospitalière et objectiver la qualité des données

    Les promoteurs du projet avancent plusieurs objectifs. DANTE vise d’abord à réduire la charge associée au recueil hospitalier des données, en limitant le poids des tâches manuelles. Le projet entend aussi mieux valoriser les données issues du soin courant, en oncologie, à partir d’une méthode d’évaluation formalisée.

    Autre ambition affichée : renforcer la fiabilité des données extraites par IA. À travers cette démarche, la Filière Intelligence Artificielle & Cancers veut contribuer à l’émergence d’un cadre français d’évaluation de la qualité des données cliniques produites par ces outils.

    La Filière présente DANTE comme le résultat d’un travail collectif associant industriels, experts technologiques et institutions. Cette organisation partenariale doit permettre de croiser des compétences en oncologie, en production de données et en évaluation des solutions d’intelligence artificielle.

    Au-delà de l’annonce de financement, le projet pose une question de méthode : comment comparer, avec un protocole partagé, la qualité des données extraites automatiquement à celle des données recueillies manuellement ? C’est de cette capacité à objectiver les écarts, les limites et les conditions de fiabilité que dépendra l’intégration de ces outils dans la recherche clinique et dans l’exploitation des données en vie réelle.

  • IA et cardiologie : MIRACL.ai mise sur une approche ouverte et interdisciplinaire pour structurer un nouvel écosystème de production de connaissances

    Développée à l’AP-HP sous l’impulsion du Pr Gilles Soulat et du Dr Théo Pezel, la plateforme MIRACL.ai (pour Multimodality Imaging Research Analysis and Core Laboratory)

    Les progrès technologiques récents ont conduit à une augmentation importante des volumes de données issues de l’IRM, du scanner, de l’échographie ou encore de la médecine nucléaire. Les outils d’analyse basés sur l’IA se sont développés, rendant possible une exploitation plus fine de ces données.

    Ces transformations ouvrent la voie à une approche plus individualisée en cardiologie, avec des perspectives en matière de détection précoce, de stratification du risque, de prédiction de l’évolution des pathologies et de suivi thérapeutique.

    Développée à l’AP-HP sous l’impulsion du Pr Gilles Soulat et du Dr Théo Pezel, la plateforme MIRACL.ai (pour Multimodality Imaging Research Analysis and Core Laboratory) a été conçue pour répondre à un besoin identifié dans la recherche clinique : disposer de données d’imagerie cardiovasculaire exploitables à grande échelle, dans des conditions de fiabilité et de reproductibilité.

    Structurer, harmoniser et rendre exploitables les données

    La plateforme centralise des données issues de différentes modalités d’imagerie, les structure et les harmonise afin de permettre leur utilisation par des méthodes avancées d’IA.

    Au-delà de l’infrastructure technique, MIRACL.ai propose un accompagnement opérationnel des projets de recherche.

    En amont, la plateforme intervient sur la conception des études : choix des modalités d’imagerie, définition des critères d’évaluation et des objectifs. Pendant le déroulement des projets, elle assure la gestion des données et organise une relecture centralisée des examens. Elle met également à disposition des jeux de données structurés et labellisés, permettant :

    • la validation d’outils d’analyse existants ;
    • le test de prototypes d’intelligence artificielle ;
    • le développement de nouveaux algorithmes.

    Ce positionnement la place au croisement de la recherche académique et du développement industriel, notamment pour l’identification de biomarqueurs d’imagerie.

    La plateforme a déjà contribué à la constitution de bases de données de référence sur certaines pathologies, notamment la myocardite et les polyvalvulopathies.

    À terme, MIRACL.ai ambitionne de faciliter :

    • la mutualisation des données entre équipes ;
    • le développement de projets multicentriques ;
    • les collaborations entre acteurs académiques et industriels ;
    • la valorisation scientifique des résultats.

    L’objectif est de structurer un écosystème capable d’accélérer la production de connaissances en imagerie cardiovasculaire.

    Une plateforme ouverte à un large écosystème

    MIRACL.ai s’adresse à différents profils : cliniciens (cardiologues, radiologues), chercheurs, ingénieurs en data et IA, doctorants, ainsi qu’aux industriels et start-up. Cette ouverture vise à favoriser des collaborations structurées, dans un cadre conforme aux exigences institutionnelles en matière de sécurité et de gouvernance des données.