Avec cet investissement, Roche déclare que son parc combiné de GPU (entre infrastructures on-premise et cloud) dépasse désormais “3 500 GPU Blackwell.”
Roche présente cet ensemble comme la plus grande capacité annoncée de ce type dans l’industrie pharmaceutique.
L’objectif est d’accélérer le développement de solutions de diagnostic et de traitements, en intégrant l’IA sur l’ensemble de la chaîne de valeur, de la découverte à la commercialisation.
Une infrastructure IA pour concevoir des modèles prédictifs et raccourcir les délais de R&D
Cette annonce s’inscrit dans la continuité du partenariat stratégique noué entre Roche et NVIDIA en 2023. Pour le laboratoire, cette montée en puissance des capacités de calcul doit soutenir une organisation de santé “AI-accelerated”, c’est-à-dire structurée autour d’usages de l’IA à grande échelle.
Selon Wafaa Mamilli, directrice digitale et technologique de Roche, l’AI factory doit associer puissance de calcul et expertise scientifique afin d’intégrer l’IA sur toute la chaîne, de la découverte au développement, en passant par la production et la mise sur le marché. Mais aussi de concevoir des “modèles prédictifs plus sophistiqués” et de réduire le “délai entre découverte biologique et développement d’un médicament”.
La capacité de calcul est désormais un actif stratégique
Roche présente son AI factory comme une plateforme de calcul intensif destinée à soutenir sa transformation numérique. Pour ce faire l’entreprise s’appuie sur un ensemble de briques technologiques, ce choix traduit une volonté d’industrialisation via la standardisation des outils
En recherche et développement, le groupe s’appuie sur la plateforme NVIDIA BioNeMo pour alimenter son dispositif “Lab-in-the-Loop”, qui relie expériences de biologie et de chimie à ses modèles d’IA. L’objectif est de permettre aux équipes scientifiques de tester davantage d’hypothèses, à plus grande échelle.
Dans l’industrie, Roche utilise des jumeaux numériques de lignes de production, construits à partir des bibliothèques NVIDIA Omniverse, pour optimiser les procédés et la conception des usines.
Dans le diagnostic, le calcul accéléré et le logiciel NVIDIA Parabricks sont mobilisés pour traiter de grands volumes de données. En pathologie numérique, ces technologies doivent permettre l’analyse d’un grand nombre d’images afin d’identifier des signaux de maladie peu visibles.
En santé numérique, Roche indique aussi recourir à NVIDIA NeMo Guardrails pour encadrer des agents conversationnels présentés comme adaptés à des usages de santé.
Cette diversité d’applications traduit un élargissement de l’IA au-delà de la R&D, vers des fonctions opérationnelles et cliniques. Roche relie directement cette infrastructure à ses objectifs : accélérer la découverte, améliorer l’efficacité des essais cliniques, et exploiter les données à grande échelle.
Le passage à une pharma structurée par les capacités computationnelles
L’augmentation de la capacité de calcul doit permettre de tester davantage d’hypothèses, de recourir plus largement à la simulation et d’automatiser une partie des analyses.
Puissance industrielle, leadership technologique, attractivité de talents … En affirmant disposer de la plus grande capacité annoncée de ce type dans l’industrie pharmaceutique, Roche envoie un signal positif au marché, celui d’un avantage compétitif.
Cette évolution redéfinit le laboratoire pharmaceutique, qui ne repose plus uniquement sur l’expérimentation, mais aussi sur des capacités computationnelles.
Le groupe rappelle que, dans sa stratégie, l’IA est conçue comme une capacité destinée à “compléter l’expertise humaine”.
Les adultes dorment en moyenne 7 heures par nuit, avec 7 h 30 le week-end, mais cette durée reste insuffisante pour 1 Français sur 5 qui dort moins de 6 heures pendant la semaine. En 2024, 45% des Français déclarent au moins un trouble du sommeil, et 9% souffrent d’apnée du sommeil, contre 5% en 2013. Santé publique France rapporte qu’1 Français sur 2 ressent un stress qui dégrade son sommeil. Les enfants et adolescents sont particulièrement exposés : plus de 30% des enfants et jusqu’à 70% des adolescents ne dorment pas assez, alors que la durée recommandée pour les 15–24 ans est de 8 à 10 heures, contre 7 h 17 observées en moyenne en semaine.
15 à 20% des adultes souffrent d’insomnie, définie par des difficultés d’endormissement, des éveils nocturnes répétés ou un sommeil jugé non récupérateur. Les syndromes d’hypersomnolence concernent environ 5% de la population adulte. Le syndrome des jambes sans repos touche 2 à 8% de la population, et les parasomnies (somnambulisme, bruxisme, terreurs nocturnes, comportements anormaux en sommeil paradoxal) concernent 2 à 4% des personnes.
Les conséquences fonctionnelles sont importantes : la somnolence diurne touche 1 Français sur 4 et plus d’1 sur 3 parmi les 18–24 ans, et entre 10 et 20% des accidents de la circulation sont attribués à la somnolence au volant. Chez les enfants et les jeunes, la dégradation du sommeil réduit les capacités d’apprentissage, de concentration et de raisonnement, avec un impact sur la réussite scolaire.
Le manque de sommeil augmente de 55% le risque d’obésité
Un temps de sommeil trop court augmente de 55% le risque d’obésité chez l’adulte et de 89% chez l’enfant, selon les méta-analyses citées par le ministère de la Santé. Des nuits de moins de 6 heures augmentent de 28% le risque de diabète de type 2. La privation de sommeil perturbe les hormones de l’appétit (leptine, ghréline, orexine), favorise l’augmentation de la prise alimentaire et la baisse des dépenses énergétiques, contribuant à la prise de poids et aux troubles métaboliques.
Le manque de sommeil accroît le risque de maladies cardiovasculaires, dont l’hypertension artérielle, les infarctus du myocarde et les accidents vasculaires cérébraux, via une augmentation du cortisol et du stress oxydatif. Sur le plan immunitaire, la privation de sommeil modifie la nature et le nombre de certaines cellules immunitaires (leucocytes, lymphocytes NK) et augmente la susceptibilité aux infections, tandis que certains épisodes infectieux induisent un allongement du sommeil par activation de médiateurs pro-inflammatoires. Des données récentes suggèrent aussi que l’altération du sommeil pourrait être un signal précoce de maladies neurodégénératives.
L’insomnie corrélée avec la dépression
Le Gouvernement rattache le sommeil à la Grande Cause nationale Santé mentale 2025, en soulignant que la qualité du sommeil contribue directement au comportement et à l’équilibre psychique. L’insomnie multiplie par 2 le risque de développer une dépression selon une méta-analyse portant sur plus de 150 000 participants, et 75% des personnes vivant avec des troubles psychiques déclarent une mauvaise qualité de sommeil. Les études citées montrent que l’insomnie et les troubles du sommeil accentuent les troubles de l’humeur, l’anxiété et les symptômes dépressifs, chez l’adulte comme chez l’adolescent.
À l’inverse, un trouble psychique peut détériorer le sommeil, alimentant une relation bidirectionnelle entre sommeil et santé mentale. Les travaux de recherche mettent également en évidence des liens entre déficit de sommeil et altération des capacités cognitives, avec une présence accrue de plaques séniles à l’imagerie, ainsi qu’un risque accru d’hypertension, d’hypercholestérolémie et d’événements cardiovasculaires chez les personnes dont le sommeil est perturbé.
Facteurs sociaux, environnementaux et organisationnels
La détérioration du sommeil en population générale s’explique par des facteurs individuels et sociétaux : usage intensif des écrans, sédentarité, horaires irréguliers, dette chronique de sommeil, consommation de psychotropes et de substances psychoactives, bruit et chaleur dans l’habitat. Les nuisances sonores liées à une isolation phonique insuffisante retardent l’endormissement, provoquent des réveils nocturnes et réduisent les performances cognitives et professionnelles. Le travail posté et les horaires atypiques dégradent la qualité du sommeil, dans un contexte où la proportion de personnes concernées progresse.
Chez les enfants et adolescents, l’exposition croissante aux écrans retarde l’endormissement et entraîne des réveils nocturnes liés aux notifications, contribuant à une dette de sommeil. Dans l’enseignement supérieur, le manque de sommeil est identifié comme un déterminant des troubles de santé mentale, ce qui justifie des actions de prévention spécifiques dans les services de santé étudiante et les résidences universitaires.
Feuille de route sommeil 2025–2026 : 25 mesures et 5 axes
Face au constat d’un déclin du sommeil, la feuille de route interministérielle 2025–2026 pour la promotion d’un sommeil de qualité et la prévention de ses troubles propose 25 mesures structurées en 5 axes. Les 5 engagements portent sur l’information du public, la promotion d’une bonne hygiène de sommeil chez les enfants et jeunes, l’amélioration de l’environnement (habitat, espaces calmes, travail), le repérage précoce des troubles et le renforcement de la recherche. Parmi les mesures, on trouve : l’enrichissement des contenus en ligne sur les durées recommandées et les risques associés, des campagnes sur le sommeil et la somnolence au volant, l’intégration de questions sur le sommeil dans le carnet de santé de l’enfant, la diffusion d’outils pédagogiques à l’école et l’ajout de plages de déconnexion numérique dans les environnements scolaires.
Déploiement de l’application gratuite Jardin Mental
La feuille de route prévoit la diffusion de recommandations organisationnelles pour favoriser le sommeil des patients et soignants à l’hôpital, la sensibilisation des professionnels de santé au sommeil comme déterminant somatique et mental, et le déploiement de l’application gratuite Jardin Mental, qui permet de suivre quotidiennement le sommeil, l’humeur et d’autres indicateurs. Ce dispositif numérique vise à améliorer les suivis psychiatriques et psychologiques, et à favoriser le dialogue entre patients et professionnels.
Enfin, le texte soutient la recherche sur le sommeil via l’inscription de cette thématique dans plusieurs appels à projets nationaux en prévention, environnement-santé-travail et sécurité routière. Les travaux en cours, détaillés par l’Inserm, explorent les mécanismes neuronaux du sommeil, la génétique des profils de dormeurs, et les liens entre troubles du sommeil, dépression, déclin cognitif, cancers chez les travailleurs de nuit et vulnérabilité aux infections.
Le classement sectoriel reste dominé par l’éducation et la recherche (34 %), suivies des ministères et collectivités territoriales (24 %), devant la santé (10 %) et les télécommunications (9 %).
Les modes opératoires observés en 2025 s’inscrivent dans la continuité des années précédentes. L’ANSSI associe les principales menaces à des acteurs liés à la Russie et à la Chine, engagés dans des logiques d’espionnage ou de pré-positionnement.
Dans un contexte géopolitique tendu, ces acteurs poursuivent leurs activités de collecte de renseignement stratégique. Les infrastructures critiques, notamment dans les secteurs des télécommunications et de l’énergie, restent des cibles privilégiées, y compris dans des logiques de sabotage.
60 % des revendications de fuite seraient infondées
L’année 2025 se caractérise par une progression des activités cybercriminelles. L’ANSSI recense 128 attaques par rançongiciel ainsi que 196 incidents d’exfiltration de données, souvent liés entre eux.
Sur 460 événements signalés comme des fuites potentielles, seuls 42 % correspondent à des fuites avérées. Plus de 60 % des revendications de vol de données formulées par les cybercriminels sont jugées infondées ou exagérées.
Si le vol de données ne constitue pas toujours une source de gains significatifs pour les attaquants, il engendre des coûts importants pour les organisations, en particulier en matière de gestion de crise et de remédiation.
Brouillage des frontières et nouveaux leviers d’attaque
Le panorama met en évidence un rapprochement entre acteurs étatiques et cybercriminels. Le partage de capacités et l’adoption de pratiques communes contribuent à brouiller les distinctions traditionnelles, rendant les opérations plus difficiles à attribuer. Parallèlement, les équipements de bordure (pare-feu, VPN) demeurent des vecteurs d’attaque privilégiés en raison de vulnérabilités récurrentes.
L’ANSSI souligne également l’impact de l’intelligence artificielle générative, qui abaisse les barrières techniques pour des attaquants moins expérimentés et contribue à intensifier la menace globale.
La santé, une infrastructure critique
La préparation des organisations au cœur de la résilience
Avec 10 % des incidents traités, le secteur de la santé se positionne comme la troisième cible des cyberattaques en France. Les systèmes d’information hospitaliers sont particulièrement exposés, avec des conséquences potentielles sur la continuité des soins.
Cette exposition s’inscrit dans un contexte plus large de vulnérabilité des infrastructures critiques. L’ANSSI appelle à une application stricte des mesures de sécurité de base pour renforcer la résilience des établissements de santé.
NIS 2 et Cyber Resilience Act, un cadre à mettre en œuvre
Face à cette menace persistante, l’ANSSI insiste sur l’importance du cadre réglementaire en cours de déploiement, notamment la directive NIS 2 et le Cyber Resilience Act. La mise en œuvre effective des exigences de sécurité prévues par ces textes constitue un levier immédiat pour réduire l’exposition des organisations, y compris dans le secteur de la santé.
Une évolution vers des actions plus destructrices et coordonnées
Enfin, l’agence alerte sur l’évolution des menaces à moyen terme. La fin de l’année 2025 a été marquée par des attaques coordonnées et destructrices contre les infrastructures électriques en Pologne. Cet épisode alimente le scénario d’une montée des attaques hybrides à horizon 2030, combinant cyberattaques et actions déstabilisatrices avec des effets directs sur les infrastructures critiques.
Dans cette perspective, le panorama 2025 vise à documenter les dynamiques en cours et à encourager l’anticipation, alors que la capacité à prévenir et contenir ces attaques repose en grande partie sur le niveau de préparation des organisations.
Dans une analyse des opportunités de ROI de l’IA en santé, Kristin Myers (MPH, vice-présidente exécutive et directrice du numérique et CDO de Northwell Health) met en avant les cas d’usage liés à l’accès aux soins et à l’orientation des patients comme des leviers opérationnels d’efficience pour les systèmes de santé.
Repenser la recherche de médecins à l’ère des outils numériques
Lorsqu’un patient reçoit une recommandation pour consulter un cardiologue, il se tourne de plus en plus vers des outils numériques pour identifier un praticien. Moteurs de recherche généralistes ou agents conversationnels sont désormais utilisés pour orienter ce choix, en l’absence de dispositifs intégrés au système de soins.
Ce mode de recherche, fragmenté, met en évidence les limites actuelles des plateformes de type “trouver un médecin”, souvent jugées peu ergonomiques et peu efficaces pour répondre rapidement à un besoin de consultation spécialisée.
Face à ce constat, certains acteurs travaillent à refondre cette expérience en développant des solutions capables de faire correspondre automatiquement les patients avec les médecins adaptés à leur besoin. L’objectif est double : identifier rapidement le bon professionnel et proposer une prise de rendez-vous en ligne dans un délai réduit.
Ces dispositifs reposeraient sur des logiques d’appariement intégrant plusieurs paramètres : spécialité, disponibilité, localisation, voire caractéristiques du patient. L’intégration directe de la planification en ligne vise à limiter les frictions dans le parcours et à accélérer l’accès effectif à la consultation.
L’IA comme levier de ROI dans les systèmes de santé
Ces initiatives s’inscrivent dans une dynamique plus large identifiée par Kristin Myers, qui souligne que les opportunités de retour sur investissement de l’IA en santé se concentrent sur des cas d’usage opérationnels et mesurables.
Parmi eux, l’amélioration de l’accès aux soins figure en bonne place, aux côtés de la réduction des tâches administratives et de l’optimisation des flux patients.
L’appariement automatisé entre patients et praticiens répond directement à ces enjeux : en orientant plus rapidement les patients vers les professionnels disponibles, il permet de limiter les délais de prise en charge, d’optimiser les taux d’occupation des agendas médicaux et de réduire les pertes liées aux rendez-vous non honorés ou mal orientés.
Cette approche s’inscrit dans une logique d’efficience globale, où l’IA ne se limite pas à un rôle d’assistance individuelle, mais agit sur l’organisation même des parcours de soins.
Des interfaces encore trop complexes pour les patients
L’un des freins identifiés reste la qualité des interfaces actuelles. Les outils de recherche de médecins sont souvent perçus comme complexes, peu intuitifs et insuffisamment personnalisés. Cette expérience dégradée constitue un point de friction majeur dans l’accès aux soins.
L’usage de l’IA pourrait permettre de simplifier ces interfaces, en proposant des recommandations contextualisées et en réduisant le nombre d’étapes nécessaires pour obtenir un rendez-vous. L’enjeu est d’aboutir à des parcours fluides, proches des standards des plateformes numériques grand public.
DocMorris AG a annoncé, ce jeudi 19 mars, un partenariat avec Google destiné à accélérer sa transformation « AI-first ». Le groupe suisse, présent dans la pharmacie en ligne, la télémédecine et les marketplaces santé, veut s’appuyer sur les capacités d’intelligence artificielle de Google et sur son infrastructure cloud pour faire évoluer sa plateforme de santé numérique en Europe.
L’accord prévoit de combiner l’expertise santé et pharmaceutique de DocMorris avec plusieurs briques technologiques de Google, dont Google Cloud, les modèles Gemini, Google Workspace, Google Ads et Google for Health.
Dans le communiqué, DocMorris présente cette transformation comme un moyen “de donner aux patients un accès direct et sécurisé à leur parcours de santé”, dans un “environnement personnalisé”.
DocMorris vise une plateforme de santé intégrée du symptôme à l’ordonnance
Ce partenariat dépasse une simple migration technologique, il révèle une stratégie de transformation où l’IA devient la porte d’entrée du parcours de soin. En intégrant toute la chaîne (du symptôme à l’ordonnance) DocMorris cherche à se positionner comme une plateforme de santé complète, capable de capter la relation patient dès le premier besoin. L’enjeu est double : améliorer l’expérience et la productivité grâce à l’IA, et construire un avantage compétitif durable fondé sur la donnée, la personnalisation.
Gemini, Health Connect et IA conversationnelle au cœur de l’offre
Premier axe du partenariat : la création d’un compagnon santé numérique personnalisé. DocMorris indique vouloir s’appuyer sur les modèles Gemini ainsi que sur des produits Google comme YouTube et Health Connect pour accompagner les patients et consommateurs dès l’apparition des symptômes, jusqu’à la délivrance d’une ordonnance électronique, avec un suivi de bout en bout.
Deuxième chantier : l’amélioration de la pharmacie en ligne. DocMorris prévoit de déployer des interfaces conversationnelles pour proposer des expériences d’achat personnalisées à ses 11 millions de clients actifs.
Le partenariat inclut aussi un volet de productivité interne. Le groupe entend déployer Google Workspace avec Gemini et des agents d’IA afin d’améliorer l’efficacité opérationnelle dans ses différents marchés européens.
L’un des volets de l’accord porte sur l’infrastructure. DocMorris annonce la migration de l’ensemble de son système d’information vers Google Cloud. Le groupe précise que les données de santé à caractère personnel seront traitées dans des centres de données situés dans l’Union européenne et selon des standards de sécurité élevés.
DocMorris précise que l’accord repose sur une collaboration entre plusieurs équipes de Google, notamment Google Ads, Google Cloud et Google for Health.
Un groupe européen aux positions établies
Basé en Suisse, DocMorris AG opère avec plusieurs marques en Allemagne et dans d’autres pays européens. Ses livraisons sont assurées principalement depuis son centre logistique automatisé de Heerlen, aux Pays-Bas. Sa filiale TeleClinic est présentée comme la plus grande plateforme de télémédecine en Allemagne, avec plus de 6 000 médecins connectés. Le groupe exploite aussi des marketplaces de produits de santé et de soins personnels en Europe du Sud.
En 2025, DocMorris a enregistré un chiffre d’affaires externe de 1,186 milliard de francs suisses, avec plus de 12 millions de clients actifs.
Les méthodes conventionnelles nécessitent équipements coûteux et personnel spécialisé, limitant le dépistage en zones rurales.
La plateforme smartphone chinoise
Équipe pluricentrique en Chine (Tianjin Key Lab/Tianjin Medical Univ. Eye Hosp., Shanghai, Hong Kong) a développé un dépistage myopique sur smartphone, compatible télémédecine/mHealth aux caractéristiques suivantes :
Exclusivement smartphone : caméra frontale + écran pour paramètres réfractifs.
Algorithme embarqué : sphère, cylindre, axe astigmatique sans matériel externe.
Accessible/extensible : usage domestique ou dépistage de masse.
Les performances cliniques
Étude prospective sur 230 volontaires (460 yeux) vs référence-étalon optométriste, récemment publiée dans Frontiers Bioeng. Biotech montre :
Une aire sous la courbe (AUC) de 0,973 (erreurs légères) et de 0,986 (erreurs sévères).
Déviations excellentes par rapport à la référence-étalon : 0,11 D (sphère), 4,72° (axe).
Les perspectives
Cette solution mobile atteint une précision quasi-clinique, ouvrant dépistage de masse en zones à ressources limitées face au fardeau croissant des troubles visuels en Asie.
Les modèles de langage atteignent aujourd’hui des hauts scores sur certains examens médicaux. Mais cette performance algorithmique ne se traduit pas nécessairement par une amélioration des décisions de santé lorsqu’ils sont utilisés par des non-professionnels.
Une étude randomisée publiée en février 2026 dans Nature Medicine par (affiliés à l’University of Oxford), s’est penchée sur cette question. Elle examine si des LLM peuvent aider le grand public à identifier une pathologie et à décider du niveau de prise en charge approprié dans des situations médicales courantes.
Résultat : malgré des performances élevées lorsqu’ils sont testés seuls, les modèles n’améliorent pas les décisions des utilisateurs et peuvent même réduire leur capacité à identifier correctement les causes possibles d’un problème de santé.
Un protocole expérimental avec 1 298 participants
L’étude repose sur une expérimentation contrôlée menée auprès de 1 298 adultes vivant au Royaume-Uni. Les participants ont été répartis aléatoirement en quatre groupes :
trois groupes disposant d’une assistance par LLM (GPT-4o, Llama 3 ou Command R+) ;
un groupe contrôle utilisant les ressources habituelles (recherche Internet, connaissances personnelles).
Chaque participant devait analyser deux scénarios médicaux inspirés de situations de la vie courante. Dix vignettes cliniques avaient été élaborées par trois médecins, puis validées par quatre autres praticiens afin d’établir :
le niveau de prise en charge approprié (de l’autosoins à l’appel d’une ambulance) ;
une liste de diagnostics possibles servant de référence.
Au total, 2 400 interactions ont été collectées entre août et octobre 2024.
Des modèles performants… lorsqu’ils sont testés seuls
Lorsqu’ils reçoivent directement les scénarios et les questions, les modèles affichent des résultats élevés :
identification d’au moins une pathologie pertinente dans 90,8 % à 99,2 % des cas selon les modèles ;
recommandation correcte du niveau de prise en charge dans 48,8 % à 64,7 % des cas.
Avec des utilisateurs, les performances chutent
La situation change lorsque des participants utilisent ces modèles pour s’aider à décider. Les résultats montrent que les utilisateurs assistés par LLM :
identifient correctement une pathologie pertinente dans moins de 34,5 % des cas ;
choisissent la bonne prise en charge dans moins de 44,2 % des cas.
Sur l’identification des pathologies, ils font même moins bien que le groupe contrôle, qui utilisait simplement des recherches en ligne ou ses propres connaissances. Les participants du groupe contrôle avaient 1,76 fois plus de chances d’identifier une pathologie pertinente que ceux utilisant un LLM.
Les difficultés proviennent des interactions humain-IA
L’analyse des conversations entre utilisateurs et modèles met en évidence plusieurs mécanismes expliquant ces résultats.
Informations incomplètes
Dans plus de la moitié des interactions analysées, les utilisateurs n’ont pas fourni suffisamment d’informations dès leur premier message pour permettre au modèle d’identifier correctement la situation. Ce problème rappelle une difficulté bien connue des consultations médicales : les patients ne savent pas toujours quels symptômes sont pertinents à mentionner.
Difficulté à interpréter les suggestions
Au cours des échanges, les modèles proposent en moyenne 2,21 diagnostics possibles, mais seuls 34 % sont corrects. Les participants peinent ensuite à distinguer les hypothèses pertinentes et ne retiennent qu’une partie des suggestions dans leurs réponses finales.
Réponses incohérentes ou contextuellement incorrectes
Certaines interactions révèlent aussi des erreurs de contextualisation :
numéros d’urgence incorrects selon les pays ;
conseils contradictoires pour des symptômes similaires ;
focalisation sur un détail secondaire du message utilisateur.
Ces variations rendent difficile la construction d’un modèle mental fiable du comportement de l’IA.
Les chercheurs appellent à développer des LLM capables de guider les patients dans la description de leurs symptômes
Pour les auteurs, ces résultats montrent que la principale limite des assistants médicaux basés sur des LLM ne réside pas seulement dans leurs connaissances médicales, mais dans leur capacité à interagir avec des utilisateurs non experts.
Trois axes de recherche sont identifiés :
améliorer la manière dont les modèles communiquent leurs recommandations ;
développer des systèmes capables de guider les utilisateurs pour collecter les informations cliniques pertinentes ;
réduire la sensibilité des modèles aux variations mineures dans les requêtes.
Les chercheurs recommandent donc de compléter les évaluations techniques par des tests systématiques avec des utilisateurs réels avant toute mise à disposition d’assistants médicaux au grand public. Avec plusieurs millions d’utilisateurs consultant déjà des chatbots pour des questions de santé, ces travaux suggèrent que la fiabilité des interactions humain-IA devra devenir un critère dans l’évaluation et la régulation des outils d’IA médicale.
Article 1 – État des lieux d’un secteur sous tension systémique
L’année 2026 marque un tournant critique pour les établissements de santé français, désormais confrontés à une vulnérabilité systémique illustrée par des fuites de données massives chez plusieurs prestataires. Si la transformation numérique est devenue le cœur battant de la médecine moderne, elle a paradoxalement multiplié la surface d’attaque. Les hôpitaux se retrouvent piégés par une dette technique colossale et des équipements biomédicaux dont le cycle de vie prolongé de 10 à 15 ans interdit souvent les mises à jour de sécurité essentielles. Cette fragilité structurelle est aujourd’hui exploitée par des attaquants utilisant l’intelligence artificielle pour automatiser la recherche de failles et sophistiquer l’ingénierie sociale, plaçant le secteur de la santé au sommet des cibles prioritaires mondiales avec une moyenne écrasante de 2 365 cyberattaques hebdomadaires par organisation.
Article 2 – Un arsenal réglementaire entre ambitions et réalités de terrain
Pour répondre à cette urgence, la France et l’Europe ont déployé un cadre législatif de plus en plus coercitif, transformant les recommandations en obligations juridiques strictes. La Stratégie nationale de cybersécurité 2026-2030 et la transposition de la directive européenne NIS2 imposent désormais aux hôpitaux des standards de résilience élevés, sous peine de sanctions financières et pénales pour les directions. Bien que le programme financier CaRE soutienne ces investissements avec une enveloppe initiale de 250 millions d’euros allouée notamment à la sécurisation des annuaires et des sauvegardes, l’atterrissage opérationnel reste complexe. Les établissements doivent en effet concilier ces exigences avec une pénurie aiguë d’experts en cybersécurité et des budgets de fonctionnement structurellement déficitaires, faisant de la mise en conformité un défi humain autant que financier.
Article 3 – Zoom sur l’enquête de l’ANS sur plus de 700 RSSI
L’enquête 2025 de l’Agence du numérique en santé souligne une évolution majeure de la gouvernance : la cybersécurité est désormais perçue comme un risque opérationnel majeur impactant directement la continuité des soins et la sécurité des patients. Si une grande majorité de directeurs d’établissements s’implique personnellement dans les plans de prévention et les exercices de crise – 87 % d’entre eux déclarant bien connaître le plan de leur établissement -, un fossé persiste entre cette volonté stratégique et les moyens alloués. Dans les faits, 60 % des hôpitaux consacrent encore moins de 5 % de leur budget informatique à la sécurité, laissant 42 % des dirigeants avec le sentiment de ne pas disposer des ressources suffisantes pour contrer cette menace. Conséquence directe de ce sous-investissement : à peine 13 % des décideurs se jugent aujourd’hui pleinement préparés à faire face à une attaque de grande ampleur.
Article 4 – Une cartographie des risques en mutation profonde
La menace cyber à l’hôpital s’est industrialisée et diversifiée, allant du harcèlement quotidien par ransomware – où 71 % des incidents majeurs impliquent un vol de données préalable avec une fenêtre d’action des pirates réduite à seulement 1,5 jour -, à des attaques de plus haute technicité ciblant les API. Le phénomène du Shadow AI, où le personnel utilise des outils d’IA générative non sécurisés pour traiter des dossiers médicaux, crée de nouvelles fuites massives et silencieuses, sachant qu’actuellement 1 requête sur 41 est classée à haut risque. Parallèlement, le risque lié à la chaîne d’approvisionnement devient prédominant – 56 % des attaques ciblant les grandes structures débutant par l’infiltration d’un partenaire -, tout comme la menace liée au matériel personnel qui est à l’origine de 76 % des infections par infostealers. À plus long terme, le secteur doit également anticiper le risque quantique, des acteurs étatiques siphonnant dès aujourd’hui des flux de données chiffrées dans l’optique de les décrypter ultérieurement, menaçant ainsi la confidentialité à vie du secret médical.
Article 5 – L’intelligence artificielle comme nouveau bouclier défensif
Face à cette agression technologique et à la prolifération attendue d’environ 1,67 million d’appareils biomédicaux connectés (IoMT) d’ici 2029, les hôpitaux français adoptent des solutions de défense souveraines dopées à l’IA pour sanctuariser leur système d’information à chaque étape de l’intrusion. De la sécurisation des messageries par analyse sémantique avec Vade ou Mailinblack, au déploiement de solutions EDR et XDR comme celles d’HarfangLab ou Tehtris pour bloquer les processus malveillants en quelques millisecondes, l’IA permet une réaction à la vitesse de la machine. Cette stratégie s’étend à la surveillance des flux réseaux via des technologies de machine learning non supervisé qui apprennent les comportements normaux des équipements pour détecter instantanément toute déviation suspecte. En isolant automatiquement les menaces, ces outils offrent une immunité numérique capable de protéger les infrastructures critiques, même face à des variantes de virus totalement inconnues.
Détenteurs de données hautement critiques et soumis à l’impératif de continuité des soins, les hôpitaux sont devenus la cible privilégiée des groupes cybercriminels. Face à des attaques par ransomwares qui se complexifient de plus en plus, notamment grâce à l’intégration de l’intelligence artificielle, de nombreux hôpitaux français ont également décider d’intégrer l’IA dans leur combat contre la menace cyber, et cela, à tous les étages de son système d’information.
Mais dresser une cartographie de ces déploiements relève du défi : en effet, la confidentialité est la règle d’or pour ne pas exposer l’architecture de défense des établissements. Toutefois, en s’appuyant sur des retours d’expérience officiels et des communications publiques, il est possible de dessiner les prémisses de ce qui pourrait bientôt ressembler à une carte de France de cette nouvelle immunité numérique dopée à l’IA.
Cartographie des solutions cyber alimentées par l’IA utilisées à l’hôpital – @ANS
2 solutions pour couper la porte d’entrée à la menace
La première étape de l’attaquant consiste souvent à tromper un soignant ou un administratif via un e-mail piégé (phishing) pour obtenir un premier accès. Pour bloquer cette menace initiale, l’IA agit comme un filtre sémantique et comportemental : grâce au traitement du langage naturel (NLP) et à l’analyse sémantique, elle est désormais capable de “comprendre” le contexte d’un message pour déjouer les fraudes complexes.
L’expertise française est ici incontournable. La solution Vade de Hornet Securitys’est imposée comme une référence dans la sécurisation des flux de messagerie hospitalière grâce à son moteur d’IA prédictive couplant Machine Learning et NLP. Plutôt que de se fier à de simples listes noires d’expéditeurs ou à des bases de données statiques, l’algorithme analyse dynamiquement le contexte, l’origine, les liens cachés et même le ton d’urgence d’un e-mail. Cette approche permet de bloquer les menaces polymorphes et les attaques de spear-phishing (usurpation d’identité de la direction ou de médecins) avant même qu’elles n’atteignent la boîte de réception des soignants. La pertinence de ce filtre intelligent est démontrée sur le terrain par le centre hospitalier Métropole Savoie (CHMS). L’établissement a déployé la solution pour sanctuariser ses 3 000 boîtes e-mails institutionnelles, avec un bilan documenté sans appel : depuis l’intégration de Vade, aucun malware ou rançongiciel n’a réussi à franchir la barrière de la messagerie.
Dans d’autres établissements, c’est le Mailinblack qui déploie une ligne de défense avancée pour les messageries en s’appuyant sur des modèles d’apprentissage profond (deep learning). Cette IA analyse en temps réel les flux d’e-mails entrants pour y déceler les anomalies sémantiques et comportementales, ce qui lui permet de neutraliser de manière autonome les attaques de spear-phishing. En plaçant immédiatement ces menaces en quarantaine, la solution empêche le vecteur d’infection d’atteindre l’utilisateur final. L’efficacité opérationnelle de cette technologie est directement illustrée par le CHU de Martinique. L’établissement s’appuie sur ce moteur d’IA pour sécuriser ses communications, ses équipes de sécurité ayant publiquement confirmé que les dernières vagues de cyberattaques visant l’hôpital ont toutes été stoppées et isolées avec succès par ce dispositif.
4 solutions pour stopper l’exécution de l’attaque cyber
Si le pirate parvient à franchir la messagerie et à répandre la menace cyber au sein du système d’information de l’établissement à partir d’un ordinateur ou d’un serveur, l’IA doit rapidement réagir pour éviter des dommages qui peuvent parfois être irréversibles (comme le vol de données ou une paralysie de l’établissement. Ici, des solutions boostées à l’IA remplacent les anciens antivirus.
Verrouiller les terminaux et serveurs critiques avec des solutions EDR et XDR :
Au plus près de l’utilisateur et des serveurs de bases de données, les solutions Endpoint Detection and Response (EDR) remplacent l’antivirus classique. Elles utilisent l’analyse comportementale pour bloquer un processus malveillant avant même son exécution.
L’EDR de l’entreprise française HarfangLab s’impose comme la référence souveraine en matière de protection des terminaux. Son moteur d’intelligence artificielle analyse en temps réel le comportement des processus pour détecter et bloquer les charges malveillantes (malwares) et les ransomwares, même inconnus. L’un de ses avantages majeurs en milieu hospitalier réside dans sa légèreté algorithmique : il sécurise des milliers de postes de travail tout en préservant les ressources des serveurs médicaux critiques, souvent vieillissants ou limités en mémoire vive. Ce choix technologique a été porté par le CHRU de Brest, qui a officiellement migré l’ensemble de son parc vers cette solution pour garantir la résilience de ses soins.
Dans une logique de réponse automatisée, la plateforme XDR de Tehtris – une entreprise, encore une fois, française – s’appuie sur son moteur d’IA propriétaire nommé Cyberia. Cette technologie est capable de prendre des décisions de remédiation autonomes (tuer un processus suspect ou isoler une machine du réseau) en quelques millisecondes, sans attendre l’intervention d’un analyste humain. Cette capacité de réaction “à la vitesse de la machine” est cruciale pour stopper la propagation d’un virus au sein d’une infrastructure complexe. Cette solution a marqué l’histoire de la cybersécurité de santé en servant de “bouclier numérique” d’urgence à l’AP-HP au plus fort de la crise sanitaire, neutralisant les vagues d’attaques visant le géant hospitalier parisien.
Pour les grands groupes gérant des parcs informatiques mondiaux et hautement standardisés, le géant américain CrowdStrike propose une plateforme dont les modèles d’apprentissage automatique sont entraînés sur des milliards de signaux de sécurité captés à l’échelle planétaire. Son IA prédictive permet d’identifier les vecteurs d’attaque au stade de la pré-exécution, offrant une visibilité totale sur les parcs géographiquement dispersés. Cette solution équipe aujourd’hui les leaders de l’hospitalisation privée en France, tels que les groupes Ramsay Santé et Vivalto Santé, pour sécuriser certains de leurs établissements.
Une solution pour disséquer les menaces complexes :
Face aux fichiers suspects et aux codes malveillants de plus en plus sophistiqués, l’analyse humaine atteint souvent ses limites de rapidité. C’est là qu’intervient Glimps, une technologie souveraine issue de la recherche militaire française, experte en reverse engineering (rétro-ingénierie). Son moteur d’intelligence artificielle basé sur le deep learning agit comme un véritable analyste virtuel : il lit et “conceptualise” le code binaire en quelques secondes. Cette méthode permet de reconnaître l’ADN d’une menace et d’identifier instantanément s’il s’agit d’une variante d’un rançongiciel connu, même si son code a été lourdement muté ou maquillé par les cybercriminels pour échapper aux détections classiques. Cette capacité à disséquer les menaces complexes et à accélérer drastiquement la réponse à incident a séduit des acteurs de premier plan, à l’image des hospices civils de Lyon (HCL). L’institution s’appuie sur cette IA pour analyser les charges virales inconnues et réduire au maximum le temps de réaction en cas d’infiltration.
5 solutions pour anticiper et bloquer la propagation
Si l’attaquant a compromis un poste, il va chercher à se déplacer discrètement sur le réseau (mouvement latéral) pour atteindre les dossiers des patients, les équipements biomédicaux, ou usurper des comptes administrateurs. Dans cette ultime phase, l’IA écoute le réseau et surveille les identités pour isoler l’attaquant.
3 solutions pour traquer les menaces invisibles et les mouvements latéraux (NDR) :
L’approche par machine learning non supervisé de l’éditeur britannique Darktrace cartographie les flux en temps réel pour apprendre le “motif de vie” normal de chaque équipement. Cette intelligence artificielle repère ainsi instantanément les anomalies de trafic et les mouvements latéraux furtifs. Cette capacité de détection précoce a notamment permis d’identifier les premiers signaux d’une cyberattaque au sein du GHT de la Dordogne (CH de Périgueux), et sécurise aujourd’hui en continu l’Hôpital Américain de Paris.
Sur le plan de la souveraineté, la technologie française Gatewatcher déploie des sondes réseau dopées à l’IA pour analyser les métadonnées et identifier les signaux faibles caractéristiques d’une compromission (comme la préparation d’une exfiltration de données). Cette protection périmétrique avancée a été choisie pour protéger les infrastructures du GHT du Vaucluse.
À l’échelle internationale, la plateforme de Vectra AIexcelle dans l’analyse comportementale algorithmique pour traquer les menaces cachées dans les réseaux complexes, sans se baser sur des signatures connues. Sa puissance de calcul démontre sa pertinence au sein d’infrastructures de santé géantes, comme le prouve son déploiement massif au Northside Hospital (USA).
1 solution pour la sécurisation du parc biomédical (IoMT) :
Les équipements médicaux critiques (IRM, moniteurs patients, pompes à perfusion) tournent souvent sur des systèmes fermés où l’installation d’un antivirus classique est techniquement impossible. L’IA d’Armis répond à ce défi en écoutant passivement le trafic pour cartographier et profiler chaque objet connecté. Elle analyse en permanence leur comportement réseau pour repérer toute déviation suspecte (par exemple, une IRM qui tenterait soudainement de se connecter à internet).
1 solution pour contrôler les identités :
Pour empêcher un pirate d’usurper les droits d’un administrateur système et de désactiver les défenses, Systancia (via son module Cleanroom) a crée un environnement de travail jetable et stérile. En cloisonnant hermétiquement les accès critiques et en vérifiant la légitimité des actions, la technologie garantit une étanchéité totale. C’est sur cette barrière d’accès que s’appuie le centre hospitalier de Tourcoing pour sanctuariser l’administration de ses serveurs de santé.
Cartographie des solutions d’IA cyber utilisées dans les hôpitaux français :
En 2026, l’hôpital n’est plus un sanctuaire : c’est le point névralgique d’une cyberguerre qui ne dit pas son nom. Les chiffres témoignent d’une industrialisation implacable de la menace. En l’espace de cinq ans, la France a enregistré une hausse de 74 % des cyberattaques de toutes natures, culminant à 348 000 incidents recensés en 2024 par le ministère de l’Intérieur, des chiffres qui sont amenés à être réévalués à la hausse lors de la prochaine édition du rapport annuel sur la cybersécurité, tant les incidents se sont multipliés ces derniers mois . Dans le secteur spécifique de la santé, la pression est devenue endémique : dans le monde, ce secteur a été touché par plus de 2 000 attaques par semaines en 2025, ce qui en fait le quatrième plus touché par les cyberattaques.
Le secteur de la santé a été touché par 2 365 attaques par semaine en 2025 (+7 % d’augmentation par rapport à 2024) – @CheckPoint
Cependant, face à cette volumétrie écrasante, toutes les menaces ne se valent pas. Pour les directions des systèmes d’information (DSI), l’enjeu n’est plus de tout bloquer, mais de prioriser. Bien que de différents types, la majorité des risques cyber à l’hôpital reposent sur les utilisateurs et sur l’infrastructure de l’établissement.
Le harcèlement quotidien des ransomware et du phishing
Au sommet de la fréquence, on retrouve les menaces qui saturent chaque jour les pare-feu des hôpitaux. Le rançongiciel (ransomware) reste le prédateur alpha, mais sa méthode a évolué vers la double extorsion. Aujourd’hui, 71 % des incidents majeurs impliquent un vol de données avéré avant le moindre chiffrement et 8 % des attaques par ransomwares dans le monde concernent le secteur de la santé. Les cybercriminels savent que la donnée de santé vaut de l’or et que la menace de sa publication paralyse les directions. Le récent Panorama de la cybermenace de l’Anssi publié au début du mois de mars confirme cette tendance, soulignant même que certains groupes cybercriminels optent désormais pour l’exfiltration pure et simple sans chiffrement, ou poussent jusqu’à la « triple extorsion » en menaçant directement les partenaires ou les patients. Fait inédit, l’Anssi note que même des groupes étatiques, traditionnellement focalisés sur l’espionnage, s’adonnent désormais à l’extorsion de fonds. Plus inquiétant encore, la fenêtre de tir des défenseurs s’est évaporée : il ne s’écoule en moyenne plus que 1,5 jour entre l’intrusion initiale et le déploiement de l’attaque.
Comment ces pirates entrent-ils si vite ? L’ingénierie sociale (Phishing ou Vishing) reste reine, mais elle est désormais massivement aidée par le télétravail et le fait d’emporter son propre matériel (ordinateur, clavier, etc…) au bureau (BYOD ou Bring Your Own Device en anglais). Le rapport Check Point 2026 révèle que 76 % des machines infectées par des “Infostealers” (ces malwares qui volent discrètement les mots de passe) sont des appareils personnels. Un médecin qui consulte ses mails professionnels depuis son ordinateur familial infecté offre littéralement les clés de l’hôpital. Une fois à l’intérieur, les attaquants s’appuient sur la “dette technique” de l’hôpital. Près de 46 % des tentatives d’exploitation utilisent des failles connues datant d’avant 2020. Les hôpitaux, contraints par la continuité des soins, peinent à mettre à jour leurs vieux pare-feu ou leurs passerelles VPN, offrant des bases de lancement idéales aux assaillants.
Une autre vulnérabilité en pleine croissance est, cette fois-ci, matérielle : l’internet des objets médicaux (IoMT). On estime qu’il y aura 1,67 million d’appareils médicaux connectés d’ici 2029. Or, la majorité de ces pompes à perfusion ou moniteurs cardiaques sont dépourvus de sécurité intégrée (secure-by-design). Fonctionnant souvent sur des systèmes d’exploitation obsolètes qu’il est impossible de mettre à jour sans interrompre les soins, ces équipements constituent le maillon faible idéal.
La faille des sous-traitants :
Juste en dessous des ransomwares quotidiens, une autre classe de risques connaît une croissance exponentielle. On parle ici de ceux concernant la chaîne d’approvisionnement (Supply Chain). Les grands centres hospitaliers ayant blindé leurs accès principaux, 56 % des attaques ciblant les grandes organisations- qu’il s’agisse ou non d’hôpitaux – débutent désormais par la compromission d’un partenaire ou d’une filiale. Les pirates infiltrent le prestataire de blanchisserie ou le fournisseur de repas pour remonter, via des connexions de confiance, jusqu’aux dossiers patients.
Des risques désormais dopés par l’IA :
Mais le véritable bouleversement de cette nouvelle normalité est porté par l’intelligence artificielle. D’un côté, les pirates déploient un phishing autonome et polymorphe, générant des milliers d’e-mails sans fautes, hyper-ciblés. De l’autre, l’hôpital souffre de l’intérieur avec le “Shadow AI”. Chaque semaine, du personnel soignant utilise des IA génératives grand public non sécurisées pour résumer des dossiers médicaux complexes, provoquant des fuites de données massives, silencieuses et totalement hors du contrôle des DSI. CheckPoint rapporte qu’en 2025, 89 % des organisations ont subi des fuites de données mensuelles via ces outils, avec 1 requête sur 41 classée à haut risque. Cette pratique, en hausse de 97 % sur l’année , provoque l’exposition involontaire de données personnellement identifiables et de secrets internes. Un médecin cherchant légitimement à gagner du temps en résumant un dossier complexe sur une IA publique provoque ainsi une fuite massive, silencieuse et totalement hors de portée des pare-feu hospitaliers.
1 prompt sur 41 contient des informations dont la fuite est considérée “à haut risque” – @CheckPoint
De nouvelles menaces furtives et avancées
Plus rares en volume, mais d’une technicité redoutable, certaines attaques visent désormais les fondations invisibles de l’hôpital. Plutôt que de pirater un humain avec une fausse page de connexion, les attaquants de haut vol ciblent les “identités non humaines“. Ils volent les clés d’API et les jetons d’accès qui permettent aux centaines de logiciels de l’hôpital de communiquer entre eux. En se faisant passer pour une machine légitime, le pirate contourne toutes les alertes et l’authentification multi-facteur.
L’infrastructure d’IA que les hôpitaux tentent de mettre en place en interne est elle-même ciblée. Le protocole MCP (Model Context Protocol), qui permet aux IA d’analyser des documents de l’entreprise, est déjà sous le feu des critiques : 40 % des serveurs MCP exposés sur internet présentent des vulnérabilités critiques, indique un récent rapport. Les pirates utilisent l’injection d’instructions indirectes, glissant des commandes invisibles dans un dossier patient. Lorsque l’assistant IA de l’hôpital lira ce dossier pour le médecin, il exécutera le code malveillant à son insu.
Le risque quantique, un risque qui risque d’arriver plus tôt que prévu ?
Le risque quantique plane toujours sur le secteur de la santé. Des groupes très avancés (souvent affiliés à des États) siphonnent aujourd’hui des bases de données médicales chiffrées qu’ils sont incapables de lire. Ils les stockent patiemment, sachant que dans cinq à dix ans, l’avènement de l’ordinateur quantique leur permettra de casser les algorithmes actuels. Les données de santé ayant une durée de vie extrêmement longue, le secret médical violé aujourd’hui sera exposé demain. En France, l’Anssi met en garde contre ce type d’agissements : la télémétrie des réseaux et les analyses post-incidents prouvent que des flux massifs de données chiffrées quittent d’ores et déjà les pare-feu des infrastructures critiques, confirmant que cette collecte silencieuse à retardement est déjà en cours.
Des risques qui ont un impact multidimensionnel critique
Si les vecteurs d’attaque se multiplient, c’est parce que les conséquences d’une compromission hospitalière sont dévastatrices et forcent souvent la main des victimes. L’impact de ces risques cyber se décline aujourd’hui en trois dimensions majeures :
L’impact clinique et humain : c’est la conséquence la plus grave. Le chiffrement d’un réseau ou la mise hors service des appareils connectés entraîne le report d’interventions chirurgicales, le détournement des urgences vers d’autres établissements et l’impossibilité de consulter les antécédents médicaux (allergies, traitements en cours). Une cyberattaque à l’hôpital se traduit directement par une perte de chance pour les patients.
L’impact financier et opérationnel : outre le paiement éventuel d’une rançon (fortement déconseillé par les autorités), le coût de reconstruction d’un système d’information hospitalier se chiffre souvent en millions d’euros. À cela s’ajoute la perte d’exploitation liée aux semaines, voire aux mois, de fonctionnement “en mode dégradé” (retour au papier et au stylo).
Le risque légal et réputationnel : avec l’avènement de la double extorsion et du “Shadow AI”, la fuite des données de santé est devenue la norme. Les hôpitaux s’exposent alors à de lourdes sanctions de la part des autorités de régulation (comme la Cnil en France pour non-respect du RGPD) et à une perte de confiance durable de la part des patients, dont les données les plus intimes se retrouvent vendues sur le dark web.
Cartographie des risques cyber à l’hôpital :
Cartographie des risques cyber à l’hôpital – @H&TI
