Articles

  • L’IA expérimentée dans 11 MDPH pilotes pour l’instruction des dossiers

    L’utilisation de l’IA apparaît comme une possible solution aux problèmes rencontrés par les MDPH. Elle pourrait permettre de « gagner du temps pour mieux accompagner », conformément au premier pilier de la feuille de route IA 2025-2026 de la branche Autonomie publiée en juillet 2025. L’usage de l’IA sera donc expérimenté dans des MDPH volontaires. 

    Une recherche de solution pour désengorger les MDPH 

    Face à l’afflux de dossiers et aux délais de traitement jugés trop longs, la CNSA a lancé en mars une « task force de transformation des MDPH », associant les administrations concernées, des directeurs de MDPH, l’Association nationale des directeurs de l’action sociale et de santé (ANDASS) et le Conseil national consultatif des personnes handicapées (CNCPH).  

    Elle avait pour mission d’« améliorer les parcours des personnes en situation de handicap et de leurs aidants en recueillant parallèlement leur parole, pour faciliter l’accès aux droits et raccourcir les délais de traitement des dossiers, ainsi qu’harmoniser les pratiques sur le territoire ». Un plan d’action comportant 18 propositions a été présenté, parmi lesquelles l’usage de l’intelligence artificielle (IA) : Le déploiement de l’IA permettra d’automatiser des tâches répétitives et de sécuriser l’étape de recevabilité des dossiers, réduisant ainsi les délais de traitement. Une phase d’expérimentation est prévue. 

    Dans ce contexte, la CNSA a lancé en novembre 2025 un appel à manifestation d’intérêt ouvert à l’ensemble des MDPH et aux départements portant leurs missions. Il a recueilli 27 candidatures. 

    Tester 2 cas d’usages de l’IA  

    La CNSA demandait aux candidats de se positionner sur l’un ou les deux cas d’usage suivants : 

    • La mise en place d’un agent conversationnel (chatbot) juridique capable de répondre en langage naturel aux questions des professionnels ; 
    • L’automatisation des premières phases d’instruction des demandes MDPH (classement, contrôle de recevabilité…) grâce à une gestion documentaire assistée par l’IA. 

    Chaque candidat pouvait choisir de candidater à un seul de ces cas d’usage. S’il souhaitait se positionner sur les deux, il devait alors indiquer lequel constituait sa priorité. Chaque candidat devait proposer au moins un et jusqu’à trois systèmes d’IA (solution éditeur) par cas d’usage.  

    11 MDPH retenues  

    À l’issue d’un jury composé de la CNSA, de la Direction Interministérielle du Numérique (DINUM), de la Direction générale de la cohésion sociale (DGCS) et de la Délégation au numérique en santé (DNS), 11 MDPH ont été retenues :

    Sur le cas d’usage n°1 (chatbot) : 

    Côte-d’Or (21), Indre-et-Loire (37), Isère (38), Hautes-Pyrénées (65)

    Sur le cas d’usage n°2 (gestion documentaire) : 

    Alpes-Maritimes (06), Eure (27), Finistère (29), Meurthe-et-Moselle (54), Morbihan (56), Paris (75), Somme (80).

    Ces MDPH recevront une dotation de 10 000 euros ou 35 000 d’euros, selon le cas d’usage. Cette subvention est destinée à couvrir les surcoûts générés par l’expérimentation, en personnel et en équipement.

    Le lancement officiel de l’expérimentation aura lieu courant mars pour un démarrage effectif des tests au second trimestre 2026.

    Feuille de route stratégique IA 2025-2026 de la branche Autonomie 

    https://www.cnsa.fr/actualites/handicap-18-mesures-pour-simplifier-le-parcours-usagers-et-soutenir-les-agents-des-mdph 

    https://www.cnsa.fr/actualites/la-cnsa-lance-une-experimentation-avec-11-mdph-pour-tester-des-solutions-dintelligence 

     

  • Congrès de la SFD : les données du Diabète LAB comme rempart contre la désinformation médicale

    La lutte contre la désinformation en diabète ne peut plus reposer sur la seule parole experte, et les Assises nationales produisent justement un cadre de consultation citoyenne, de baromètre et de gouvernance de l’information pour y répondre.

    Dans ce contexte, les données de terrain du Diabète LAB apportées au congrès, annoncées le 19 mars 2026, documentent des zones de fragilité concrètes du parcours patient et de l’alliance thérapeutique.

    ​À l’occasion de ce congrès, la Fédération Française des Diabétiques met en avant plusieurs contributions issues de son dispositif de recherche participative, le Diabète LAB. Ces travaux visent à documenter l’expérience des personnes vivant avec un diabète et à alimenter les pratiques cliniques.

    Ce positionnement déplace utilement le débat : en diabétologie, sécuriser l’information suppose de comprendre où naissent la confusion, la défiance et les ruptures de parcours.

    Capteurs, applications et contenus sociaux ne produisent de valeur que s’ils sont intégrés à une gouvernance de la fiabilité, faute de quoi ils deviennent aussi des vecteurs de mésinformation clinique et réputationnelle.​​

    Deux présentations scientifiques structurent cette participation

    DiagDT1 et DiaMind objectivent les angles morts

    D’une part, l’étude DiagDT1 analyse le vécu du diagnostic du diabète de type 1 à partir d’une approche mixte. Elle s’intéresse à un moment sensible du parcours de soins et identifie des pistes pour améliorer l’accompagnement des patients lors de l’annonce.

    D’autre part, le baromètre DiaMind, présenté en communication orale, apporte des données nationales sur la santé mentale des personnes vivant avec un diabète. Ce travail documente un enjeu encore peu intégré dans les parcours de soins.

    Un cadre public aligné avec les associations

    Les données DiagDT1 et DiaMind mobilisées pour structurer la réponse publique

    La stratégie nationale lancée en janvier 2026 repose sur quatre axes, dont la consultation citoyenne, le baromètre national, la mise en place d’un comité citoyen et la création d’un observatoire de l’information en santé. Les travaux de la Fédération et du Diabète LAB s’inscrivent donc dans une séquence publique cohérente :

    Faire des associations de patients, non plus des relais de communication, mais des producteurs de preuves utiles à l’infovigilance, aux recommandations et à l’éducation thérapeutique.​

    Le rapport public sur la désinformation en santé recommande notamment un plan d’information dans chaque institution, un observatoire dédié, une infovigilance structurée et le déploiement d’un Info-Score Santé.

    Les données DiagDT1, DiaMind et les retours sur la santé connectée peuvent alimenter ces dispositifs en qualifiant les moments de doute, les besoins de preuve, les formats de messages efficaces et les contenus les plus susceptibles de briser l’alliance thérapeutique.

    Les associations de patients deviennent producteurs de données pour l’action publique​​

    La Fédération rappelle s’appuyer sur environ 100 associations et délégations locales et sur une représentation de 4 millions de personnes vivant avec n diabète, avec au congrès la participation de l’AFD 69 aux côtés du niveau national.

    C’est un point décisif pour des parcours innovants : la lutte contre la désinformation devient plus efficace quand les données issues du terrain, les retours locaux et les débats scientifiques sont articulés dans une même chaîne de décision, de modération et d’accompagnement

     

  • Prévention et santé au travail : AXESS annonce la création d’un OPP doté d’un financement annuel de 13 millions d’euros

    Un accord pour structurer la prévention à l’échelle de la branche

    Après deux années de négociations, la confédération AXESS annonce la mise en signature d’un accord qui vise à créer un Organisme Paritaire de Prévention (OPP) dans le secteur sanitaire, social et médico-social privé non lucratif.

    L’objectif est de doter la branche d’un dispositif durable et opérationnel centré sur la santé des professionnels, les conditions de travail et l’attractivité des métiers.

    L’initiative intervient dans un contexte marqué par une sinistralité élevée, plus de 17 millions de journées d’absence par an, un taux d’absentéisme supérieur à 9 % et près de 70 000 postes non pourvus.

    AXESS entend faire évoluer le dialogue social, en plaçant la prévention au cœur des priorités sectorielles.

    Un organisme paritaire doté d’un plan d’action sur cinq ans

    L’OPP reposerait sur une gouvernance paritaire qui associe les organisations syndicales et disposerait de capacités d’intervention opérationnelles au plus près des établissements.

    Son action s’inscrirait dans un plan couvrant la période 2026-2030, en articulation avec les priorités nationales de santé au travail. L’un des axes annoncés consiste à développer une culture de prévention primaire, aujourd’hui jugée insuffisamment déployée dans le secteur.

    Parmi ses missions :

    • améliorer les conditions de travail des salariés,
    • renforcer l’observation des enjeux de santé au travail,
    • accompagner les structures dans leurs démarches de prévention,
    • promouvoir des solutions adaptées aux réalités métiers,
    • favoriser le maintien dans l’emploi, notamment pour les salariés en situation de handicap.

    Un financement dédié de 13 millions d’euros par an

    L’accord prévoit la création d’une contribution spécifique équivalente à 0,05 % de la masse salariale, soit environ 13 millions d’euros annuels à l’échelle du secteur. AXESS présente ce financement comme un investissement pour :

    • réduire les accidents du travail et l’absentéisme,
    • améliorer durablement la santé des professionnels,
    • renforcer l’attractivité des métiers,
    • limiter les dépenses publiques liées à la sinistralité.

    Le dispositif pourrait être complété par d’autres financements, notamment via le Fonds d’investissement pour la prévention de l’usure professionnelle (FIPU) et des partenariats institutionnels.

    Un appel à la mobilisation des partenaires sociaux

    AXESS appelle les organisations syndicales à soutenir cet accord, présenté comme une réponse à une situation qui fragilise le secteur. Au-delà de la signature, la confédération insiste sur la nécessité d’un engagement collectif pour améliorer les conditions de travail dans un champ considéré comme essentiel à la cohésion sociale.

    Créée pour représenter les employeurs du secteur privé non lucratif, AXESS regroupe la FEHAP et Nexem et porte une stratégie de structuration du secteur auprès des pouvoirs publics et des instances nationales.

  • Inde : une plateforme nationale pour fiabiliser l’IA clinique

    Une plateforme nationale intégrée à l’infrastructure numérique

    L’Inde cible les maladies cardiovasculaires et les cancers dans l’évaluation de l’IA clinique :

    Ces limites freinent l’entraînement et la performance des modèles, surtout sur des populations hétérogènes.

    Développée par l’Indian Institute of Technology Kanpur (IIT Kanpur), avec le ministère de la Santé et le bureau régional OMS Asie du Sud-Est, la plateforme BODH :

    • Standardise et sécurise l’évaluation des algorithmes à l’échelle nationale.
      • S’intègre à l’Ayushman Bharat Digital Mission (ABDM), infrastructure nationale de santé numérique visant à numériser et interconnecter les informations médicales de tous les citoyens.
      • Sert de socle pour tester et comparer des algorithmes dans des conditions contrôlées et sécurisées.

    Un bac à sable et benchmark multi-usages

    BODH simule des conditions réelles tout en préservant la confidentialité :

    • Environnement sécurisé de test (« bac à sable »).
      • Benchmark multi-usages : imagerie, triage, décision clinique.
      • Standardisation des métriques : performance, robustesse, biais.

    Une validation multicentrique et fiabilité

    Le dispositif repose sur des données réelles issues de cohortes hétérogènes :

    • Tests sur populations nationales diversifiées.
      • Comparaisons inter-algorithmes.
      • Mesures de sensibilité, biais et transposabilité.

    Ce cadre pré-déploiement répond aux limites des datasets homogènes et renforce la fiabilité clinique des IA dans des conditions réelles, préparant le terrain pour un déploiement à grande échelle sécurisé.

     

  • Fitbit ouvre son coach IA aux dossiers médicaux

    @Health & Tech Intelligence

    Intégration des dossiers patients et CGM en preview aux États-Unis

    Google annonce une évolution de Fitbit. Intégrer les dossiers médicaux directement dans l’application associée à ses dispositifs.

    Cette fonctionnalité permettra d’afficher, aux côtés des données collectées par les capteurs (activité, sommeil), des informations cliniques telles que résultats d’analyses, prescriptions et historique de consultations.

    L’intégration sera accessible dès le mois prochain aux utilisateurs américains inscrits au programme Public Preview.

    Le programme inclut un coach santé basé sur l’IA, conçu pour accompagner les utilisateurs dans leurs objectifs santé, sportifs, de sommeil et de bien-être. L’accès aux données médicales élargit le périmètre d’analyse du coach.

    Cette évolution permet de répondre à des problématiques complexes, comme “l’amélioration du cholestérol”, en s’appuyant sur des données cliniques individuelles.

    Vers une plateforme unifiée des données médicales

    Pour permettre la connexion aux dossiers médicaux, Google s’appuie sur des partenariats avec b.well Connected Health et CLEAR. Deux options sont proposées aux utilisateurs :

    • Connecter directement leur portail patient.
    • Ou vérifier leur identité via CLEAR pour permettre à l’application de rechercher automatiquement leurs données.

    Le système repose sur des standards certifiés IAL2 afin de synchroniser les informations issues de plusieurs établissements de santé.

    Cette évolution s’inscrit dans le cadre de l’initiative CMS Health Tech Ecosystem, qui vise à améliorer l’interopérabilité et l’accès des patients à leurs données de santé. Google, b.well Connected Health et CLEAR font partie des organisations engagées dans ce programme.

    Les signataires se sont notamment engagés à développer des assistants conversationnels capables d’aider les patients à accéder, comprendre et partager leurs informations médicales.

    Fitbit permettra aussi la connexion avec des capteurs de glucose en continu via Health Connect. Les utilisateurs pourront interroger le coach IA sur l’impact de leurs activités ou de leur alimentation sur leur glycémie.

    Google annonce également des améliorations du suivi du sommeil, avec une meilleure précision des phases de sommeil et une meilleure détection des interruptions. Ces évolutions visent à fournir un score de sommeil plus lisible et exploitable.

    Fitbit devient donc plus personnalisée

    En intégrant les dossiers médicaux aux données issues des capteurs, Google cherche à transformer un outil de suivi du bien-être en interface de santé personnelle. Elle permet de relier des données fragmentées (activité, sommeil, analyses cliniques, prescriptions) pour produire une lecture plus globale de l’état de santé.

    Le coach IA gagne en pertinence, en s’appuyant sur des informations individualisées (plutôt que sur des recommandations génériques) pour faire émerger des outils capables de mesurer, mais aussi de contextualiser et d’exploiter les données de santé.

  • Panorama 2025 des solutions d’IA en médecine du sommeil (17 solutions, 4 grandes catégories)

    1 adulte sur 5 souffrirait d’apnée du sommeil : un moteur pour le dépistage à domicile

    Les solutions de dépistage et diagnostic de l’apnée du sommeil à domicile constituent un premier bloc de 3 solutions principales : Sleep Analyzer (Withings), Apneal et les travaux académiques de diagnostic à domicile. Withings Sleep Analyzer, développé avec les médecins du sommeil de l’hôpital Béclère et comparé à la polysomnographie clinique, détecte l’apnée du sommeil de façon « médicalement validée » à partir de capteurs pneumatiques et sonores placés sous le matelas. Il mesure en temps réel fréquence cardiaque, respiration, mouvements, durée des ronflements, structure des cycles de sommeil et propose une classification de la sévérité de l’apnée, intégrée dans un score de sommeil exploitable par le patient et potentiellement par les professionnels.

    Apneal, mis en avant par Bpifrance, illustre la montée d’acteurs spécialisés qui exploitent l’IA pour automatiser le dépistage de l’apnée du sommeil, avec une promesse de simplification du parcours par rapport à la polysomnographie traditionnelle en laboratoire. Les travaux de l’AI Modelling and Prediction Group au Luxembourg visent également un diagnostic à domicile, en s’appuyant sur des modèles d’IA pour analyser les signaux collectés dans l’environnement naturel du patient. Ce triptyque témoigne d’une convergence vers des dispositifs moins intrusifs, plus accessibles économiquement, et potentiellement intégrables dans des stratégies populationnelles de dépistage ciblé.

    Les objets portés et lits intelligents, deuxième pilier  7 solutions

    Les objets connectés de suivi continu du sommeil et de la santé constituent une deuxième catégorie comptant au moins 7 solutions : Oura Ring, Circular Ring 2, Ultrahuman, RingConn, Galaxy Ring, lits intelligents Sleep Number et Eight Sleep, ainsi que les fonctions de suivi du sommeil de l’Apple Watch. Oura Ring se positionne comme « compagnon de santé personnel » 24/7, combinant mesure du sommeil, activité, variabilité de la fréquence cardiaque et température pour produire des scores d’alignement circadien et de préparation, interprétés par des modèles propriétaires d’IA. Circular Ring 2, RingConn ou Galaxy Ring adoptent des architectures similaires, avec capteurs d’activité, de fréquence cardiaque et de température, et couches d’algorithmes permettant la détection automatisée des phases de sommeil et la production de recommandations quotidiennes.

    Au-delà des bagues, les lits intelligents Sleep Number et Eight Sleep intègrent des capteurs de pression, de température et parfois de fréquence cardiaque pour ajuster automatiquement fermeté, inclinaison ou température selon les signaux physiologiques nocturnes, grâce à des modèles d’IA embarqués. L’Apple Watch, via watchOS, fournit un suivi des durées et phases de sommeil, intégré à Apple Health, et alimente en données des applications tierces comme Somno. L’ensemble dessine un écosystème matériel dominé par des acteurs grand public, mais techniquement armé pour produire des séries temporelles riches en données exploitables par les cliniciens, sous réserve d’interopérabilité et de validation clinique.

    Rapport de sommeil par IA : les applications d’accompagnement numérique 4 solutions

    Les applications d’accompagnement et de coaching numérique du sommeil constituent un troisième bloc de 4 solutions principales : Somno,  le coach IA de Google et les écouteurs dédiés aux insomniaques. Somno, application de surveillance du sommeil, importe et analyse automatiquement les données issues de l’Apple Watch et d’autres appareils, et génère un « rapport de sommeil par IA » qui explique les causes probables des problèmes et propose des recommandations actionnables. Elle intègre un réveil intelligent, un algorithme breveté de détection de siestes, un verrouillage nocturne pour limiter l’usage d’applications après l’heure de coucher, ainsi qu’un score de « recharge énergétique » reposant sur des algorithmes propres.

    Le coach IA de Google, décrit comme un assistant 24/7 pour sport et sommeil, va plus loin en combinant données de multiples capteurs et historique comportemental pour fournir des conseils continus. Enfin, les écouteurs « pour insomniaques » utilisent des algorithmes pour adapter en temps réel sons, bruits blancs ou contenus audio en fonction des réactions de l’utilisateur, avec pour objectif de faciliter l’endormissement et de réduire les éveils nocturnes. Ces solutions ne produisent pas de diagnostic, mais structurent un espace de prévention et de modification comportementale à grande échelle.

    Cas d’usage pédiatrique et hospitalier 3 solutions

    Les cas d’usage spécialisés constituent une quatrième catégorie de 3 solutions : le babyphone dopé à l’IA, le « pyjama intelligent » et le dispositif pour patients de réanimation. Le babyphone de Cubo AI promet d’améliorer le sommeil du nourrisson et des parents en analysant en continu sons, mouvements et éventuellement paramètres physiologiques, puis en ajustant recommandations et alertes via IA. Ce type de solution ouvre la voie à un dépistage précoce de troubles du sommeil pédiatriques, tout en répondant à une forte demande parentale.

    Le « pyjama intelligent » dévellopé par l’université de Cambridge , intègre des capteurs permettant de surveiller les troubles du sommeil de manière non invasive, avec une analyse des signaux par IA pour détecter événements et anomalies. Enfin, la startup poitevine Somno enginnering développe un dispositif pour surveiller et « prendre soin du sommeil » des patients de réanimation, milieu où la fragmentation du sommeil aggrave morbidité et récupération. Ces solutions restent en phase plus expérimentale, mais préfigurent l’extension de l’IA du domicile vers les unités hospitalières critiques, avec un potentiel d’intégration aux systèmes de monitoring existants.

    Withings Intelligence et abonnements : opportunités économiques et cliniques transverses

    L’introduction de services basés sur l’IA – comme « Withings Intelligence », les abonnements Withings+ avec Cardio Check-Up, ou les offres Premium des applications Somno et Oura – crée un modèle récurrent de monétisation des algorithmes et de la donnée, au‑delà du seul matériel. Les offres d’abonnement (mensuelles ou annuelles) de Somno et Withings structurent un marché de services numériques qui peut intéresser assureurs, mutuelles et hôpitaux dans une logique de programmes de prévention ou de suivi à distance.

    Du point de vue clinique, la combinaison de dépistage validé (Sleep Analyzer, projets académiques), de suivi continu (bagues, lits, montres) et de coaching comportemental (applications IA, coach Google) ouvre la possibilité de parcours de soins hybrides, où le patient est suivi dans son environnement réel, avec des alertes pouvant déclencher des téléconsultations ou des examens complémentaires. Pour les dirigeants hospitaliers, ces briques offrent des leviers de désengorgement des laboratoires de sommeil, de fluidification du triage, et potentiellement de réduction des complications cardiovasculaires associées à l’apnée non traitée.

    Aucune donnée n’est téléchargée ou divulguée : risques, limites et enjeux de gouvernance

    Plusieurs solutions mettent en avant la protection des données, comme Somno qui affirme que toutes les données sont stockées localement ou chiffrées dans iCloud, sans téléchargement ni divulgation, ou Withings qui promet un stockage illimité sécurisé et non partagé avec des tiers. Cette transparence reste un élément clé pour l’adoption par les patients comme par les institutions, mais ne supprime pas les enjeux de gouvernance des algorithmes, de biais potentiels ni de validation clinique externe.

    Les limites tiennent également à la fragmentation de l’écosystème et à l’absence de standards d’interopérabilité réellement opérationnels entre dispositifs grand public et systèmes d’information hospitaliers, malgré la compatibilité annoncée avec Apple Health et plus de 100 applications pour certaines solutions. La frontière entre bien‑être et dispositif médical est parfois floue, comme en témoignent la différence de positionnement entre Sleep Analyzer (détection médicalement validée) et des applications de coaching; ceci pose des questions de responsabilité clinique, de remboursement et de régulation à moyen terme.

    Vers une médecine du sommeil augmentée par l’IA, encore à structurer

    Au total, les documents mettent en évidence au moins 17 solutions d’IA appliquées au sommeil, réparties entre dépistage/diagnostic à domicile (3), objets connectés et lits intelligents (7), coaching numérique et applications (4) et cas d’usage spécialisés pédiatriques ou hospitaliers (3). Pour les décideurs, l’enjeu est désormais de transformer ce foisonnement en parcours de soin structurés, fondés sur des dispositifs cliniquement validés et interopérables avec les systèmes hospitaliers.

    Les perspectives stratégiques en médecine du sommeil reposent ainsi sur trois axes : industrialiser le dépistage de l’apnée du sommeil à domicile grâce aux solutions validées, capitaliser sur les flux de données issus des objets connectés pour un suivi longitudinal réellement exploitable, et encadrer les outils de coaching IA par des référentiels cliniques et éthiques robustes. L’arbitrage entre innovation rapide portée par les acteurs grand public et exigences de sécurité, de preuve clinique et de souveraineté des données constituera le principal déterminant de la valeur créée pour les systèmes de santé comme pour les investisseurs.

  • 14 cas d’usage de l’intelligence artificielle en médecine du sommeil

    Un sous-diagnostic massif comme moteur principal : 80% des malades ignorent leur condition

    L’apnée du sommeil constitue le cas d’usage pivot de l’IA en médecine du sommeil, précisément parce que la barrière au diagnostic est structurelle. L’examen de référence — la polysomnographie (PSG) — est coûteux, logistiquement contraignant et peu accessible hors des grandes métropoles. Ce déficit de diagnostic est massif : sur les quelque 900 millions de personnes affectées dans le monde, environ 80% ignorent leur condition. En France, l’INSERM estimait à 1,8 million le nombre de patients traités par pression positive continue en 2017, témoignant d’un réservoir de malades non captés considérable.

    C’est dans ce contexte que plusieurs acteurs, publics et privés, développent des approches d’IA pour automatiser, démédicaliquer ou amplifier le diagnostic.

    Trois cas d’usage diagnostiques : du smartphone à la bague connectée

    Le smartphone comme dispositif médical de dépistage

    La startup française Apneal a présenté au CES 2025 une application mobile qui transforme le smartphone en dispositif médical logiciel d’aide au diagnostic du syndrome d’apnées-hypopnées obstructives du sommeil (SAHOS). Positionné sur le thorax du patient en mode avion, le smartphone mobilise ses capteurs intégrés (accéléromètre à 500 valeurs/seconde, gyroscope six axes, microphone) pour enregistrer les mouvements respiratoires, les battements cardiaques et les sons nocturnes (ronflements). L’IA génère ensuite un rapport transmis au médecin, atteignant un taux de corrélation de 90% avec la PSG. La solution fait l’objet d’une étude clinique européenne impliquant plus de 1 000 patients dans 20 centres répartis entre la France, l’Allemagne et l’Espagne. La startup est lauréate du programme de l’accélérateur prévention de BPIFrance et co-pilote d’un consortium EIT Health Flagship (budget global de 2,2 M€) avec Air Liquide, leader européen du traitement de l’apnée du sommeil.

    Le capteur de literie à validation clinique

    Withings Sleep Analyzer propose un dispositif sous-matelas à capteur pneumatique qui mesure la fréquence cardiaque, la respiration et les mouvements tout au long de la nuit, sans contact direct avec le dormeur. L’appareil permet une détection de l’apnée du sommeil cliniquement validée, développée en collaboration avec les médecins du sommeil de l’Hôpital Béclère à Paris, dont les résultats ont été comparés à ceux de la PSG. Son algorithme classifie les résultats selon leur gravité. C’est à ce jour l’une des rares solutions grand public bénéficiant d’une validation clinique explicite.

    Les bagues connectées multi-capteurs

    Plusieurs acteurs du marché des bagues connectées intègrent désormais des fonctionnalités de suivi du sommeil et de détection préliminaire de l’apnée : Oura Ring 4, valorisé à 11 milliards de dollars selon CNBC après une levée de 900 millions de dollars, mesure plus de 20 données biométriques (fréquence cardiaque, VFC, température, SpO2) ; la Samsung Galaxy Ring, disponible dans 53 pays depuis son lancement mondial en juillet 2024, analyse les phases de sommeil, la température cutanée et les niveaux d’oxygène sanguin ; la RingConn Gen 2 embarque un algorithme d’apprentissage profond affichant un taux de précision annoncé de 90,7% pour la détection de l’apnée du sommeil dans des études cliniques ; enfin, Ultrahuman Ring AIR propose un Sleep Index composite basé sur la qualité du sommeil profond, la chute de fréquence cardiaque nocturne, la température corporelle et la VFC, sans abonnement obligatoire contrairement à ses concurrents.

    Trois cas d’usage d’optimisation du sommeil : du lit intelligent au coach algorithmique

    Le lit thermorégulé à adaptation temps réel

    Eight Sleep (Pod) est un matelas à régulation thermique active dont l’IA adapte en temps réel la température de chaque côté du lit (entre 13 °C et 43 °C) en fonction des données biométriques du dormeur. L’entreprise annonce une réduction du temps d’endormissement jusqu’à 44%, une augmentation du sommeil profond jusqu’à 34%, une réduction des ronflements jusqu’à 45% et une diminution des réveils nocturnes jusqu’à 23%. La base ajustable détecte les ronflements et surélève automatiquement le buste pour dégager les voies respiratoires. Sleep Number, de son côté, a analysé plus de 13 milliards d’heures de données sur le sommeil pour améliorer ses algorithmes de détection, avec une ambition déclarée de détecter à terme les maladies cardiovasculaires et les troubles du sommeil.

    Le coach IA contextualisé et adaptatif

    Google/Fitbit a annoncé en août 2025 un Personal Health Coach basé sur l’IA Gemini, intégré à l’application Fitbit Premium. Ce coach exploite les nouvelles avancées algorithmiques de Fitbit en analyse du sommeil — notamment la capacité à distinguer précisément la phase d’endormissement de la phase de sommeil effectif — pour adapter dynamiquement les recommandations d’activité physique, de récupération et de gestion du stress. Si un score de sommeil dégradé est détecté, le plan d’entraînement est automatiquement allégé. L’intégration avec Health Connect (poids, VFC, glucose) permet une approche holistique.

    L’application de suivi personnalisé

    L’application Somno (iOS) génère des rapports de sommeil par IA à partir des données Apple Watch, identifie les causes des problèmes dans un langage simplifié et propose des recommandations actionnables. Elle intègre un algorithme de score de recharge énergétique personnalisé tenant compte de la qualité du sommeil, des rythmes naturels et des objectifs individuels. Apple Watch propose de son côté un suivi nativement intégré des phases de sommeil (paradoxal, lent, profond) et de la fréquence respiratoire nocturne, avec une recommandation explicite de ne pas utiliser ces données à des fins médicales.

    Deux cas d’usage émergents : des populations cliniques spécifiques

    La réanimation : protéger le sommeil des patients critiques

    La startup poitevine Somno Engineering, issue du CHU de Poitiers et cofondée par le Professeur Xavier Drouot (chef du service de neurophysiologie clinique), a développé un dispositif médical qui analyse en temps réel l’activité cérébrale des patients de réanimation afin d’identifier les fenêtres de sommeil et d’éviter que les interventions soignantes ne les interrompent. Présenté au CES 2025, le dispositif a déjà été testé par neuf services de réanimation en France, dont certains l’ont acheté. La startup a obtenu son marquage CE en novembre 2025, franchissant ainsi le verrou réglementaire majeur pour sa commercialisation en routine hospitalière. Ce cas d’usage adresse un enjeu documenté : un meilleur sommeil en réanimation réduit les séquelles, accélère la guérison et diminue la confusion post-réanimatoire.

    La pédiatrie et la parentalité connectée

    Le babyphone CuboAi 3 intègre une IA capable d’analyser la qualité du sommeil du nourrisson, de suivre automatiquement la croissance (taille), de détecter les situations de danger (visage couvert, zone à risque) six fois plus rapidement que le modèle précédent, et de générer des recommandations à destination des parents. Les données sont accessibles depuis une application partagée entre jusqu’à huit utilisateurs simultanément.

    Trois cas d’usage de confort augmenté : textiles, audio et domotique

    Les textiles intelligents

    Des chercheurs de l’Université de Cambridge ont développé un pyjama à capteurs graphène intégrés, capables d’identifier six états de sommeil distincts (dont le sommeil régulier, la respiration buccale, le ronflement et l’apnée) avec une précision de 98,6%, publiée dans les Proceedings of the National Academy of Sciences. L’objectif déclaré : offrir une alternative « confortable et facile à utiliser chaque nuit » à la PSG clinique, selon le Professeur Luigi Occhipinti du Cambridge Graphene Center.

    Les écouteurs inducteurs de sommeil

    La startup sud-coréenne dbbeats (For Me Buds) propose des écouteurs Bluetooth équipés de capteurs infrarouges, de mouvement et de photopléthysmographie (PPG) qui analysent le sommeil et diffusent des sons à battement binaural pour induire l’endormissement. Une étude publiée dans la revue Sleep en avril 2024 indique que ce type de stimulation dynamique a aidé 50% des sujets à s’endormir. L’application propose plus d’une centaine de contenus audio avec une sélection algorithmique automatique.

    L’environnement de sommeil domotisé

    Samsung Health, couplée à SmartThings, analyse l’environnement de sommeil (température, humidité, qualité de l’air, luminosité) et peut ajuster automatiquement les paramètres de la pièce pour créer des conditions optimales au coucher. Cette convergence entre données biométriques personnelles et actionneurs domotiques illustre la montée en puissance d’une logique d’environnement de sommeil intelligent.

    Un cas d’usage fondationnel émergent : la prédiction de maladies à partir du sommeil

    Le modèle SleepFM, publié dans Nature Medicine en janvier 2026 et développé conjointement par Stanford et Mount Sinai, constitue la percée scientifique la plus significative recensée dans ce corpus. Entraîné sur 585 000 heures de données polysomnographiques issues de 65 000 participants, ce modèle fondationnel multimodal (EEG, ECG, EMG, flux respiratoire, SpO2) prédit avec précision 130 conditions pathologiques, dont la maladie de Parkinson (C-index 0,89), la démence (0,85), les crises cardiaques (0,81), le cancer du sein (0,87) et la mortalité toutes causes confondues (0,84). Mobilisant une technique d’entraînement inédite dite leave-one-out contrastive learning, ce modèle — qui « apprend le langage du sommeil » selon le Professeur James Zou (Stanford) — démontre que les signaux de sommeil constituent une mine d’or physiologique encore largement inexploitée.

    Opportunités Principales

    Une convergence technologique sans précédent : l’adoption massive des wearables crée un flux continu de données biométriques nocturnes exploitables par des algorithmes de plus en plus performants. Les cas d’usage couvrent désormais l’ensemble du continuum — prévention, dépistage, diagnostic d’aide à la décision, suivi thérapeutique et prédiction pronostique — ce qui ouvre des possibilités inédites de parcours de soin intégré.

    La désintermédiation du laboratoire du sommeil : des solutions comme Apneal (90% de corrélation avec la PSG) ou la RingConn Gen 2 (90,7% de précision annoncée pour l’apnée) offrent une alternative scalable à la PSG traditionnelle, créant les conditions d’un dépistage de masse pour une pathologie dont le sous-diagnostic coûte des milliards aux systèmes de santé.

    La valeur prédictive du signal sommeil : SleepFM illustre que les données de sommeil sont prédictives non seulement des troubles du sommeil mais de conditions oncologiques, neurodégénératives et cardiovasculaires à long terme. Pour les assureurs, les hôpitaux et les systèmes de santé à paiement à la valeur, cette prédictivité représente une opportunité de prévention primaire structurée.

    Risques Majeurs

    La validité clinique reste le verrou central : la majorité des dispositifs grand public (bagues, applications mobiles) ne bénéficient pas d’un statut de dispositif médical. Samsung elle-même précise que la Galaxy Ring « n’est pas un dispositif médical » ; Apple stipule que les données respiratoires ne doivent pas « être utilisées à des fins médicales ». L’écart entre précision commercialement annoncée et validation clinique réglementaire est structurellement sous-estimé.

    La fragmentation des données et l’interopérabilité : la multiplication des écosystèmes propriétaires (Apple Health, Samsung Health, Oura, Withings+) génère des silos de données incompatibles avec les systèmes d’information hospitaliers, freinant l’intégration dans les parcours de soin réels.

    Les biais algorithmiques et la représentativité des cohortes : des modèles entraînés sur des populations homogènes (ethniquement, physiologiquement) risquent de sous-performer pour des sous-groupes non représentés, particulièrement en pédiatrie, en gériatrie et pour les populations à comorbidités multiples.

    La gouvernance des données de santé nocturnes : le suivi biométrique continu durant le sommeil génère des données particulièrement sensibles (HRV, SpO2, cycles circadiens, comportements nocturnes). Les risques liés à la monétisation secondaire, aux cyberattaques et à l’absence de consentement éclairé en contexte de somnolence constituent des enjeux éthiques et juridiques non résolus.

    Synthèse et Perspectives Stratégiques

    Au total, ce corpus identifie 14 cas d’usage actifs ou en cours de validation en médecine du sommeil, structurés en cinq catégories :

    Catégorie Nombre de cas d’usage Exemples clés
    Diagnostic et dépistage 3 Apneal, Withings Sleep Analyzer, RingConn Gen 2
    Optimisation et coaching 3 Eight Sleep Pod, Google/Fitbit Gemini Coach, Somno App
    Populations cliniques spécifiques 2 Somno Engineering (réanimation), CuboAi (pédiatrie)
    Confort et environnement de sommeil 3 Pyjama Cambridge, For Me Buds, Samsung SmartThings
    Prédiction pronostique fondationnelle 1 SleepFM (Stanford / Mount Sinai)
    Dispositifs de suivi multimodaux 2 Oura Ring 4, Samsung Galaxy Ring

    La trajectoire stratégique de ce marché suit une logique d’escalade de valeur : des solutions de confort (wearables grand public) vers des outils cliniques validés (dispositifs médicaux logiciels), puis vers des modèles fondationnels prédictifs. Les acteurs les mieux positionnés seront ceux capables d’articuler précision médicale, validation réglementaire (marquage CE, FDA clearance) et intégration dans les systèmes d’information de santé. Pour les dirigeants hospitaliers, l’enjeu immédiat réside dans la définition de protocoles d’intégration différenciés selon le niveau de validation clinique des outils ; pour les investisseurs, dans l’identification des acteurs capables de franchir le verrou réglementaire, à l’image de Somno Engineering avec son marquage CE obtenu fin 2025 et d’Apneal dont la validation européenne est en cours sur 20 centres.

  • Sommeil : un champ médical sous-exploité à la croisée de l’industrialisation des soins et de la révolution data/IA

    L’écosystème de la médecine du sommeil se structure autour d’un continuum allant de la prévention et de l’éducation à la santé jusqu’aux centres d’exploration du sommeil et aux chaires de recherche intégrant l’IA, avec une montée en puissance des approches réseau et des modèles industrialisés de prise en charge. Dans ce contexte, les principaux acteurs (réseaux associatifs, centres de santé spécialisés, structures hospitalières, universités et plateformes d’IA) disposent d’importants leviers de création de valeur, mais sont confrontés à des contraintes organisationnelles, économiques, réglementaires et technologiques significatives.

    Opportunités principales

    Un fardeau épidémiologique et sociétal encore largement sous-adressé

    • Les troubles du sommeil (insomnie, apnées, hypersomnies, parasomnies, troubles du rythme veille–sommeil) restent sous-diagnostiqués alors qu’ils constituent un déterminant majeur de la santé cardiométabolique, cognitive et mentale.

    • Les données issues de chaires comme Sleep Health‑AI montrent que les troubles du sommeil contribuent de manière significative aux maladies chroniques et aux coûts indirects (absentéisme, baisse de productivité, accidents), ce qui crée un important potentiel de réduction de coûts pour les payeurs et les employeurs.

    • Cette « sous‑adéquation » entre besoin réel et capacité de prise en charge ouvre un espace de croissance pour les acteurs capables d’augmenter les volumes diagnostiqués (centres du sommeil, plateformes de dépistage, réseaux de santé, acteurs de l’IA appliquée).

     Structuration d’un maillage territorial et renforcement des parcours de soins

    • L’INSV développe une cartographie des structures prenant en charge les troubles du sommeil et se positionne comme interface de communication et de prévention entre associations de patients, professionnels de santé et pouvoirs publics, ce qui favorise la lisibilité de l’offre et la construction de parcours coordonnés.

    • Le Réseau Morphée, réseau de santé francilien financé par l’ARS, illustre le rôle des réseaux territoriaux pour l’orientation des patients, la formation des médecins et la mise en place de parcours de soins innovants, notamment via un questionnaire en ligne de pré‑évaluation et des actions structurées autour du sommeil de l’enfant et de l’adolescent.

    • Les centres comme AQODI ou les nouveaux centres intégrés dans des cliniques (ex. clinique Jeanne‑d’Arc à Lunéville) mettent en œuvre des parcours complets (consultation, examens, mise en place du traitement, suivi) et renforcent la capacité régionale d’exploration du sommeil, contribuant à réduire les délais d’accès aux diagnostics.

    Industrialisation et professionnalisation des centres de sommeil

    • AQODI déploie des centres de santé et des laboratoires du sommeil « partout en France », avec une gouvernance médicale forte, des équipes pluridisciplinaires et des équipements de pointe, cherchant ainsi à standardiser la qualité et à mutualiser les investissements techniques (polysomnographie, enregistrements multiparamétriques, etc.).

    • Le centre du sommeil de la clinique Jeanne‑d’Arc (Lunéville), adossé à un groupe privé (Louis Pasteur Santé) et à une association médicale spécialisée (AGEM), témoigne du potentiel d’intégration verticale entre groupes de cliniques, associations de somnologie et plateaux techniques dédiés.

    • La montée en puissance de ces modèles permet de créer des économies d’échelle, de développer des protocoles standardisés et d’améliorer la productivité médicale, préfigurant l’émergence d’opérateurs nationaux de la médecine du sommeil.

    Montée en compétence des professionnels et consolidation du capital humain

    • Le DIU « Le sommeil et sa pathologie » (Montpellier–Nîmes) est emblématique d’une offre de formation inter‑universitaire pluridisciplinaire, visant à approfondir les connaissances des professionnels sur la physiologie du sommeil et l’ensemble des pathologies associées, avec une articulation explicite entre diagnostic, thérapeutique et prise en charge globale.

    • Les actions de formation du Réseau Morphée, notamment les webinaires dédiés aux professionnels, renforcent les compétences en soins primaires pour le dépistage, l’orientation et la prise en charge, contribuant à diffuser une culture somnologique au‑delà des centres spécialisés.

    • L’INSV, en tant qu’association nationale de référence fondée sous l’impulsion de la SFRMS, structure un écosystème où associations de patients, sociétés savantes et professionnels se coordonnent autour d’actions de prévention, de sensibilisation et de formation continue.

    Transformation numérique et IA comme leviers de rupture

    • La chaire internationale Sleep Health‑AI, portée par l’Université Grenoble Alpes avec des partenaires académiques et industriels, vise explicitement à transformer la médecine du sommeil par l’exploitation de l’IA et des données de vie réelle (dossiers médicaux, données de remboursement, capteurs portables, données rapportées par les patients).

    • L’intégration de l’IA dans la prévention, le diagnostic et la gestion des troubles du sommeil permet d’envisager des approches de médecine prédictive, préventive et personnalisée, avec des algorithmes transparents, physiologiquement ancrés et cliniquement interprétables, ce qui répond aux attentes de confiance des cliniciens.

    • Ces initiatives ouvrent de nouvelles opportunités pour les partenariats public–privé (universités, industriels du dispositif médical, éditeurs de logiciels, fabricants de wearables, assureurs), et pour la création de plateformes de données et d’algorithmes pouvant être déployées à large échelle dans les centres du sommeil ou en ambulatoire.

    Différenciation par la prévention, la pédagogie et l’ancrage grand public

    • L’INSV, via ses campagnes de prévention et la Journée du Sommeil, contribue à la reconnaissance du sommeil comme facteur essentiel de la santé, renforçant la demande sociale pour des solutions et légitimant les investissements publics et privés dans ce champ.

    • Le Réseau Morphée développe des ressources numériques ciblées sur le sommeil de 0 à 18 ans, avec un site de référence et des contenus à destination des parents, enseignants et infirmières scolaires, ce qui positionne le réseau comme acteur clé de la prévention pédiatrique.

    • Ces actions offrent aux acteurs de la médecine du sommeil des opportunités d’extension de leur périmètre d’activité vers l’éducation à la santé, les partenariats avec le système scolaire et les programmes d’entreprise, favorisant des modèles économiques hybrides (financement public, partenariats privés, mécénat).

    Risques majeurs

    Fragmentation de l’offre et disparités territoriales

    • Malgré les efforts de cartographie de l’INSV et le développement de réseaux locaux (Morphée) ou de centres spécialisés (AQODI, cliniques privées), l’offre demeure hétérogène, avec un risque de disparités importantes entre régions bien dotées et territoires sous‑équipés.

    • Les initiatives restent souvent portées par des structures associatives ou des opérateurs privés isolés, ce qui peut limiter la mutualisation des moyens, la standardisation des pratiques et la visibilité globale de l’écosystème pour les patients et les payeurs.

    • Pour les dirigeants hospitaliers et les investisseurs, cette fragmentation complexifie la mise en œuvre de stratégies d’expansion cohérentes et augmente le risque de duplication des investissements ou d’effets d’aubaine à faible impact populationnel.

    Tension sur les compétences et dépendance à une expertise rare

    • La montée en puissance de centres spécialisés (AQODI, centres hospitaliers, cliniques privées) accroît la demande en médecins du sommeil, techniciens de sommeil, psychologues et infirmiers spécialisés, alors que le vivier de professionnels formés reste limité.

    • Si le DIU « Le sommeil et sa pathologie » et les actions de formation des réseaux contribuent à élargir le socle de compétences, ces dispositifs nécessitent du temps pour produire un volume suffisant de professionnels, créant un risque de goulet d’étranglement sur la capacité de montée en charge.

    • À court terme, cette tension peut se traduire par une concurrence accrue entre acteurs pour l’attraction des talents, une augmentation des coûts salariaux et un risque de dégradation de la qualité si des profils insuffisamment formés sont mobilisés pour répondre à la demande.

    Incertitudes économiques et soutenabilité des modèles

    • Les réseaux de santé comme Morphée sont largement dépendants de financements publics (ARS), ce qui les expose aux arbitrages budgétaires et aux priorités changeantes des autorités sanitaires.

    • Les centres associatifs ou médico‑sociaux (ex. AQODI) combinent des missions de qualité des soins, de prévention et de prise en charge des pathologies chroniques, avec des contraintes économiques propres au secteur médico‑social, créant une tension structurelle entre mission sociale et viabilité économique.

    • Les investissements nécessaires en équipements (plateaux techniques d’exploration du sommeil), en systèmes d’information et, demain, en infrastructures de données et d’IA, peuvent peser lourdement sur les comptes d’exploitation des cliniques, des centres et des hôpitaux si les modèles de financement ne reconnaissent pas pleinement la valeur générée (prévention, réduction des complications, gain de productivité).

    Maturité inégale des solutions numériques et risques de non‑adoption de l’IA

    • La chaire Sleep Health‑AI affiche une ambition forte d’intégration de l’IA dans la prévention, le diagnostic et la gestion de la santé du sommeil, mais la transposition opérationnelle de ces travaux dans les pratiques cliniques est conditionnée par la capacité des établissements et des professionnels à intégrer de nouveaux outils et à adapter leurs workflows.

    • Les exigences de transparence, de reproductibilité et d’interprétabilité des algorithmes, rappelées par la chaire, sont critiques pour obtenir la confiance des cliniciens, mais peuvent allonger les cycles de développement et de validation, retardant la disponibilité de solutions matures.

    • En l’absence de cadres de remboursement, de référentiels d’évaluation et d’interopérabilité clairement définis, les solutions d’IA en médecine du sommeil risquent de rester cantonnées à des pilotes académiques, sans passage à l’échelle, ce qui constituerait un risque pour les investisseurs technologiques et les établissements qui misent sur ces innovations.

    Risques de cloisonnement entre prévention, soins primaires et centres spécialisés

    • L’INSV et les réseaux comme Morphée portent une forte dynamique de prévention et d’éducation, mais la traduction de ces actions en flux structurés vers les centres de sommeil (publics, privés, associatifs) dépend de la qualité de l’intégration avec les médecins traitants et les systèmes d’orientation.

    • Le développement de centres spécialisés et de plateaux techniques peut conduire à une forme d’hyperspécialisation, si les liens avec les soins primaires, la pédiatrie, la santé mentale et la médecine du travail ne sont pas activement entretenus, entraînant des ruptures de parcours ou des retours insuffisants d’information aux prescripteurs.

    • La multiplication d’initiatives numériques (questionnaires en ligne, sites d’information, webinaires) sans intégration dans les systèmes d’information de santé (DMP, logiciels métiers) accentue ce risque de cloisonnement, en créant des « silos » d’information déconnectés des décisions cliniques.

    Concurrence des approches non validées et enjeux d’image

    • Le fort intérêt du grand public pour le sommeil favorise l’émergence d’acteurs non médicaux (applications grand public, dispositifs non certifiés, contenus non validés) susceptibles de brouiller les repères et de détourner une partie des patients des parcours validés par les sociétés savantes et les réseaux.

    • Les acteurs légitimes (INSV, réseaux, centres agréés, universités) doivent maintenir un haut niveau d’exigence scientifique et de pédagogie pour se différencier, au risque sinon de voir leur image diluée dans un environnement informationnel surchargé.

    • Pour les investisseurs et dirigeants d’établissements, ce contexte accroît la nécessité de due diligence scientifique et réglementaire avant d’accompagner des projets liés à la santé du sommeil, afin d’éviter des risques réputationnels et de conformité.

    Synthèse et perspectives stratégiques

    Les acteurs de la médecine du sommeil évoluent aujourd’hui dans un environnement où l’ampleur des besoins non couverts, la structuration progressive de réseaux et de centres spécialisés, et l’émergence de solutions d’IA créent un potentiel important de valeur médicale, sociale et économique. Dans le même temps, la fragmentation de l’offre, la rareté des compétences, les incertitudes financières et la maturité encore incomplète des solutions numériques font peser des risques élevés sur la soutenabilité et la capacité de passage à l’échelle de ces modèles.

    Pour les dirigeants hospitaliers, la priorité stratégique consiste à intégrer la médecine du sommeil dans une vision de parcours, en articulant prévention, soins primaires, centres d’exploration et plateformes numériques, tout en investissant dans la formation (DIU, réseaux) et dans des partenariats structurés avec les acteurs référents (INSV, Réseau Morphée, chaires universitaires). Pour les investisseurs, les opportunités les plus attractives se situent probablement à l’intersection des opérateurs de centres multi‑sites (modèles type AQODI, cliniques intégrant des centres du sommeil) et des plateformes de données/IA ancrées dans des partenariats académiques solides, à condition de maîtriser le risque réglementaire et d’adoption. Pour les médecins, enfin, l’enjeu est de tirer parti de ces dynamiques (formations spécialisées, réseaux, outils d’IA) pour enrichir leur pratique, participer à la co‑construction de standards de qualité et s’assurer que la transformation numérique reste alignée avec les exigences de la clinique et de l’éthique.

  • UK : 91 % des hôpitaux équipés en DPI, mais un marché numérique structuré en quatre modèles NHS (rapport)

    • Le Royaume-Uni ne peut plus être appréhendé comme un marché homogène, mais comme un ensemble de quatre écosystèmes quasi autonomes (Angleterre, Écosse, Pays de Galles et Irlande du Nord ) chacun avec ses propres logiques de gouvernance, d’achat et de déploiement. Cette fragmentation casse les approches centralisées traditionnelles et oblige les industriels à repenser leur accès au marché, faisant émerger un “mini-continent” de la santé numérique.
    • Dans le même temps, le marché bascule d’une logique d’équipement vers une logique d’exécution : avec 91 % des établissements déjà dotés d’un EPR, l’enjeu n’est plus de s’équiper, mais de réussir le déploiement réel, l’adoption par les équipes et la démonstration de gains mesurables, ouvrant une nouvelle phase où la valeur se joue dans l’usage.
    • Cette bascule est amplifiée par la montée en puissance de la NHS App, qui, avec ses dizaines de millions d’utilisateurs, s’impose comme le point d’entrée du système de santé.
    • Parallèlement, les critères de décision évoluent : le logiciel hospitalier n’est plus un sujet purement IT, mais un investissement évalué à l’aune de son impact business  (productivité, résilience, cybersécurité, retour sur investissement) avec une implication des directions générales et financières.

     

    Avec 39 millions d’utilisateurs pour la NHS App et un objectif de 96 % de couverture EPR en Angleterre dès mars 2026, la transformation numérique des soins s’accélère, mais selon des logiques d’achat et de déploiement désormais différenciées entre les nations du Royaume-Uni.

    Un marché fragmenté en quatre systèmes

    Le rapport United Kingdom: State of Acute Care EHR and Digital Healthcare 2026 publié par Black Book Research décrit une mutation du marché britannique des systèmes d’information hospitaliers.

    Le Royaume-Uni n’apparaît plus comme un acheteur homogène, mais comme un ensemble de quatre environnements distincts (Angleterre, Écosse, Pays de Galles et Irlande du Nord) caractérisés par des modèles de gouvernance, des architectures numériques et des stratégies de déploiement propres.

    Cette fragmentation se traduit par des différences dans les comportements d’achat, les priorités d’interopérabilité et le positionnement des fournisseurs.

    Une numérisation inscrite dans l’opérationnel

    Selon Black Book, la santé numérique est désormais considérée comme une exigence opérationnelle et de gouvernance. En Angleterre, cette dynamique repose sur plusieurs évolutions :

    • Une accélération de la numérisation des soins de première ligne.
    • Une pression vers une couverture quasi universelle des dossiers patients électroniques (EPR).
    • Le rôle de la NHS App comme point d’entrée numérique national.

    Dans les autres nations, les trajectoires diffèrent :

    • L’Écosse s’appuie sur 14 NHS Boards territoriaux.
    • Le Pays de Galles structure son système autour de WelshPAS, avec plus de 2,6 milliards de transactions annuelles.
    • L’Irlande du Nord déploie un système centralisé via le programme Encompass.

    Des indicateurs qui changent la lecture du marché

    Plusieurs données illustrent l’ampleur de la transformation :

    • 91 % des établissements de soins secondaires en Angleterre disposent d’un EPR (187 sur 206), avec un objectif de 96 % en mars 2026
    • 39 millions d’utilisateurs pour la NHS App
    • 67,8 millions de prescriptions renouvelées en un an
    • 62,3 millions de connexions en novembre 2025
    • 42 Integrated Care Systems en Angleterre

    Ces indicateurs traduisent une maturité, mais aussi un changement dans les critères d’évaluation des projets.

    De nouveaux critères de décision

    Les acheteurs ne se limitent plus aux fonctionnalités des dossiers patients électroniques. Ils intègrent désormais :

    • L’intégration de l’accès patient.
    • La productivité opérationnelle.
    • La maturité en matière d’interopérabilité.
    • La capacité de migration.
    • La cybersécurité.
    • La résilience des infrastructures.
    • La capacité à démontrer des résultats mesurables.

    Black Book identifie sept dynamiques qui orienteront le marché :

    • L’accélération des échéances de couverture EPR.
    • L’intégration de la NHS App comme exigence stratégique.
    • L’impact croissant des modèles décentralisés.
    • La dissociation entre coût logiciel et coût réel de transformation.
    • Le passage de l’interopérabilité technique à une capacité opérationnelle.
    • L’intégration de la cybersécurité dans les arbitrages d’investissement.
    • L’importance de la performance post-déploiement.

  • Imagerie : L’Académie de médecine inscrit l’IA validée dans l’obligation de moyens

    Le non-recours aux outils validés pourrait constituer “une perte de chance”

    Dans son rapport adopté en janvier 2026, l’Académie nationale de médecine considère que l’utilisation des applications d’IA dont l’utilité clinique a été démontrée relève désormais des obligations de moyens en imagerie médicale. L’IA est décrite comme un outil d’assistance 24 h/24 au radiologue et au clinicien qui limite les risques d’erreur, d’inattention ou de méconnaissance et facilite la décision médicale, notamment via l’amélioration de la qualité des images, la détection d’anomalies, la segmentation, la quantification et l’estimation de paramètres pronostiques.

    Le rapport va jusqu’à indiquer que la non‑utilisation d’applications ayant un marquage réglementaire, des performances scientifiquement démontrées et une utilité clinique documentée pourrait, à terme, être assimilée à une perte de chance pour le patient. Cette position s’appuie sur une vision où l’IA, lorsqu’elle est validée, fait partie intégrante de l’arsenal de moyens que le radiologue doit mobiliser au bénéfice du patient, au même titre que les protocoles d’examen ou les outils de post‑traitement.

    En parallèle, l’Académie rappelle que l’autorisation de mise sur le marché par la FDA ou via le marquage CE repose souvent sur la non‑infériorité par rapport à des panels de radiologues, sans preuve systématique d’un bénéfice clinique final, ce qui impose de ne pas réduire l’obligation de moyens à une simple conformité réglementaire. Le recours à l’IA doit rester encadré par une démarche de preuve, des essais cliniques et une évaluation continue de la valeur ajoutée pour la prise en charge.

    Un usage encadré par la vigilance et la validation médicale

    L’obligation de moyens n’exonère pas les professionnels de leurs responsabilités individuelles et collectives dans l’utilisation de systèmes d’IA parfois opaques et sensibles aux biais. Le rapport insiste sur le fait que les résultats des applications d’IA doivent toujours être validés par le médecin responsable de l’examen, afin d’éviter une délégation de facto de la décision à la machine. L’Académie alerte sur le risque d’absence de validation humaine, dans un contexte de pression démographique et économique qui pourrait pousser certains acteurs à s’appuyer excessivement sur des flux automatisés.

    Cette vigilance passe aussi par l’information systématique des patients et des prescripteurs sur le recours à l’IA, de façon traçable, en cohérence avec la loi de bioéthique de 2021 et les exigences d’explicabilité du fonctionnement des algorithmes. Le rapport souligne que les concepteurs doivent assurer une explicabilité suffisante pour les utilisateurs et que les professionnels doivent pouvoir accéder aux données utilisées et aux résultats produits. Sur le plan juridique, l’Académie anticipe un développement rapide d’un droit de l’IA en santé calé sur la loi de 2002, la loi de 2021, le règlement européen du 13 juin 2024 et la jurisprudence existante sur les robots médicaux.

    L’algorithmovigilance, une maintenance continue des modèles

    Au‑delà de la vigilance médicale, le texte introduit explicitement la notion d’algorithmovigilance, entendue comme une maintenance continue des algorithmes par les fabricants et les utilisateurs. Les constructeurs d’équipements embarquant de l’IA et les éditeurs d’applications doivent assurer une matériovigilance et une algorithmovigilance sur leurs produits et leurs évolutions successives, avec remontée, analyse et prise en compte des résultats erronés.

    L’Académie décrit un dispositif dans lequel les structures d’imagerie ont la responsabilité locale de surveiller les performances, de détecter les dérives, de recenser les erreurs et de les communiquer aux constructeurs, tout en garantissant la protection des données des patients sur l’ensemble du circuit des images. Cette organisation suppose la mise en place de registres ou de grandes cohortes rigoureusement collectées et annotées, l’identification de « vérités terrain » (biopsies, suivi longitudinal) et un dialogue continu entre cliniciens, radiologues, data scientists et industriels.

    Les facteurs de dérive identifiés sont multiples : nouvelles modalités d’acquisition (scanners à comptage photonique), modifications d’algorithmes embarqués, nouveaux produits de contraste, émergence de nouvelles pathologies, évolution des populations ou des pratiques thérapeutiques. Pour y répondre, les auteurs insistent sur la nécessité de réentraîner régulièrement les modèles, d’utiliser des données synthétiques pour anticiper des situations inédites et de documenter les versions successives dans une charte de responsabilité.

    Charte de responsabilité, gouvernance et IA Act européen

    L’algorithmovigilance s’inscrit dans un cadre plus large de gouvernance et de responsabilité partagée entre fabricants et usagers. L’Académie recommande l’élaboration et le respect d’une charte de responsabilité pour les algorithmes utilisés en diagnostic radiologique, inspirée du code de conduite de la National Academy of Medicine, couvrant des critères de fiabilité, sécurité, efficacité, équité, efficience, accessibilité, transparence, responsabilité, sûreté et évolutivité. Chaque centre d’imagerie ou institution doit désigner une gouvernance robuste, chargée de veiller au respect de cette charte et au déploiement effectif de l’algorithmovigilance.

    Le rapport articule cette gouvernance avec le règlement européen sur l’IA adopté le 13 juin 2024, qui classe la plupart des systèmes utilisés en santé parmi les IA « à haut risque » et impose des exigences renforcées sur la maîtrise de l’outil, la qualité des données, la formation des utilisateurs et la cybersécurité. L’Académie rappelle que la CNIL demande un contrôle humain effectif, une transparence sur le système et un niveau approprié d’exactitude, de robustesse et de stabilité tout au long du cycle de vie, et souligne la convergence avec les principes américains de « learning health system ».

    Dans ce cadre, la responsabilité se répartira entre professionnels de santé (mauvaise utilisation, défaut de maintenance), établissements, fabricants (produits défectueux au sens de la loi de 1998) et acteurs intermédiaires, avec une probabilité croissante de contentieux liés soit à une utilisation inadéquate, soit à la non‑utilisation d’un outil pertinent, assimilable à une perte de chance.

    Former à la fois à l’obligation de moyens et à l’algorithmovigilance

    Enfin, l’Académie fait de la formation un levier central de cette double dynamique : obligation de moyens et algorithmovigilance. La compréhension du potentiel de l’IA en imagerie, de ses biais, de ses limites, de ses risques, de la nécessité de son actualisation continue et des questions éthiques associées doit faire partie intégrante de la formation initiale et continue de tous les professionnels de santé. L’objectif est d’éviter la perte de compétence, le biais de supériorité de la machine et la dépendance aux systèmes automatisés, tout en développant une culture de maîtrise humaine et de contrôle critique des résultats.