Articles

  • IA et essais cliniques : le screening automatisé réduit de 80% le temps de revue d’éligibilité (revue 2025-2026)

    Les essais cliniques constituent le socle de la médecine fondée sur les preuves, permettant l’évaluation rigoureuse de nouvelles thérapeutiques avant leur mise sur le marché. Toutefois, ce processus demeure caractérisé par des inefficiences structurelles : coûts élevés (en moyenne 879,3 millions de dollars par médicament développé), durées prolongées, taux d’échec considérables (seuls 14,3% des molécules obtiennent une approbation réglementaire) et difficultés persistantes de recrutement des patients. L’intelligence artificielle (IA), et en particulier les grands modèles de langage (Large Language Models, LLM), apparaît comme un levier potentiel pour transformer chaque étape du cycle de vie des essais cliniques, du recrutement à l’analyse des résultats.[1]

    Le présent article propose une synthèse rigoureuse de la littérature scientifique récente (2025-2026) consacrée aux applications de l’IA dans les essais cliniques. Il s’appuie exclusivement sur un corpus d’articles publiés dans des revues de référence. Parmi les sources mobilisées figurent notamment :

    • l’essai randomisé de Unlu et al. publié dans JAMA (Mass General Brigham / Harvard Medical School, Boston) ;
    • la revue de cadrage de Le Berre et al. dans Clinical Gastroenterology and Hepatology (Inserm / CHU de Nantes, France ; Western University, Canada ; IRCCS San Raffaele, Milan) ;
    • l’étude de Teodoro et al. dans NPJ Digital Medicine (Université de Genève, Suisse ; CNRS / Université Paris-Saclay, France) ;
    • l’essai randomisé de Mazor et al. dans JAMA Network Open (Dana-Farber Cancer Institute, Boston) ;
    • l’étude de Callies et al. dans Communications Medicine (Inato, Paris ; Université Paris Cité / INSERM) ;
    • le système CTPM de Gong et al. dans JCO Clinical Cancer Informatics (Yale Cancer Center) ;
    • l’étude sur les jumeaux numériques de Wang et al. dans Alzheimer’s & Dementia: Translational Research & Clinical Interventions (AbbVie / Unlearn AI) ;
    • la plateforme NetraAI de Geraci et al. dans NPJ Digital Medicine (NetraMark Corp. / Queen’s University / NIH) ;
    • ainsi que plusieurs autres travaux publiés dans Cancer Cell, Drug Discovery Today, ESMO Open, BMJ Open, Clinical Pharmacology & Therapeutics et Scientific Data.

    L’objectif de cette revue de littérature est d’offrir une vue d’ensemble structurée des avancées, des performances quantifiées et des limites de l’IA appliquée aux essais cliniques.

    Recrutement et appariement patient-essai

    Un goulet d’étranglement persistant

    Le recrutement reste le principal défi opérationnel des essais cliniques. En oncologie, moins de 10% des adultes atteints de cancer participent à un essai. Le taux d’inclusion global ne dépasse pas 5 à 7%. L’appariement manuel entre dossiers médicaux et critères d’éligibilité est chronophage et sujet à l’erreur humaine.​

    Performances des systèmes automatisés

    Plusieurs études récentes ont évalué l’apport des LLM et du traitement automatique du langage naturel (Natural Language Processing, NLP) :​

    Étude Revue Méthode Précision Gain d’efficacité
    Unlu et al. (2025) JAMA LLM pour le pré-screening (insuffisance cardiaque) Essai randomisé IA vs. manuel Réduction du temps de pré-screening
    Callies et al. (2025) Communications Medicine Pipeline multimodal LLM 93% (n2c2) ; 87% (réel) Revue en < 9 min/patient (−80%)
    Gong et al. (2026) JCO Clin Cancer Inform Système hybride NLP + règles 94% rétrosp., 88% prosp. Charge ÷ 10 ; temps −41%
    Mazor et al. (2025) JAMA Network Open Notifications IA (progression tumorale) Pas d’effet significatif (p = 0,41) Résultat négatif
    Hassan et al. (2025) Interventional Neuroradiology Détection IA d’hématomes VPP 81,4% Inclusion +36%

    Le pipeline multimodal de Callies et al. (Inato, Paris / Université Paris Cité) exploite les capacités visuelles des LLM pour interpréter directement les documents médicaux non structurés (images, tableaux). Les coordinateurs ont évalué l’éligibilité en moins de 9 minutes par patient, soit −80% par rapport aux revues manuelles.​

    L’essai randomisé de Mazor et al. (Dana-Farber, n = 20 707) montre que la simple notification aux oncologues d’essais génomiquement appariés lors d’une progression tumorale ne suffit pas à augmenter l’inclusion (+0,18 point, IC 95% : −0,25 à 0,58 ; p = 0,41). L’IA doit intervenir au-delà de la seule prédiction de changement thérapeutique.​

    Disparités d’accès et déterminants socio-économiques

    L’étude de Mehari et al. (Science Advances, UCSF / Duke University) a analysé 1 042 patients atteints de gliome à l’aide de réseaux de neurones augmentés (Boosted Neural Networks, BNN). Pour les populations minoritaires, les variables socio-économiques (statut d’assurance : effet total = 0,213 ; classification professionnelle : 0,204) deviennent les facteurs les plus influents, devant les variables cliniques.​

    Prédiction des résultats et conception des essais

    Évaluation des risques par IA

    La revue de cadrage de Teodoro et al. (NPJ Digital Medicine, Université de Genève / CNRS Paris-Saclay) a analysé 142 études (2013-2024). Trois catégories émergent : prédiction de la sécurité (n = 55), de l’efficacité (n = 46) et des risques opérationnels (n = 45). En 2023, les LLM apparaissent dans 7 des 33 études publiées. Certains modèles atteignent un AUROC de 96%, mais des biais de sélection et un manque d’études prospectives persistent.​

    Prédiction de la durée des essais

    Cho et al. (Contemporary Clinical Trials Communications, MIT) ont appliqué des modèles de survie au plus vaste jeu de données constitué dans ce domaine. Le modèle DeepSurv produit les prédictions les plus précises et identifie les facteurs clés de la durée des essais.​

    Prédiction de la survie à partir de critères de substitution

    Hwang et al. (ESMO Open, MGH / Harvard / Samsung Medical Center) développent des modèles de machine learning explicables pour prédire la survie globale (SG) dans les cancers tête et cou. Le taux de survie à 1 an présente la corrélation la plus forte avec la SG médiane (r = 0,87, p < 0,001). Le modèle Elastic Net atteint une corrélation de 0,74 sur le jeu de test.​

    Jumeaux numériques et enrichissement des essais

    Jumeaux numériques pour la maladie d’Alzheimer

    Wang et al. (Alzheimer’s & Dementia: TRC&I, AbbVie / Unlearn AI) démontrent l’utilité des jumeaux numériques (digital twins, DT) générés par IA. Un modèle de machine de Boltzmann conditionnelle restreinte (CRBM), entraîné sur 6 736 sujets historiques, génère des prédictions individualisées des trajectoires cliniques sous placebo. La variance résiduelle est réduite de 9 à 15%, permettant une réduction équivalente de la taille d’échantillon et une réduction du bras contrôle de 17 à 26%. Cette technologie est acceptée par la FDA et l’EMA.​

    Enrichissement de précision par IA explicable

    Geraci et al. (NPJ Digital Medicine, NetraMark / Queen’s University / NIH) présentent NetraAI, une plateforme d’IA explicable. Appliquée à un essai de phase II sur la kétamine dans la dépression résistante (n = 63), NetraAI améliore la précision prédictive de 25 à 30% par rapport aux modèles standards. Un modèle à 8 caractéristiques IRM atteint 95% de précision et 100% de spécificité.​

    Découverte de biomarqueurs prédictifs

    Arango-Argoty et al. (Cancer Cell, AstraZeneca / Tempus AI) présentent le Predictive Biomarker Modeling Framework (PBMF), un réseau de neurones basé sur l’apprentissage contrastif. Appliqué à un essai de phase 3, il identifie un biomarqueur conférant une amélioration de 15% du risque de survie.​

    Éducation des patients et consentement éclairé

    Gao et al. (JNCI Cancer Spectrum, MIT / Harvard / Dana-Farber) évaluent la capacité de GPT-4 à générer des résumés éducatifs à partir de formulaires de consentement éclairé. Les résumés améliorent la compréhension et l’intérêt des patients pour les essais. Plus de 80% des participants rapportent une meilleure compréhension après lecture (Waters, JNCI Cancer Spectrum). Le principal risque identifié : la production d’informations inexactes lorsque le LLM est sollicité sur des éléments insuffisamment décrits dans les formulaires sources.​

    Surveillance de la sécurité

    Bejan et al. (medRxiv, étude multi-institutionnelle) évaluent GPT-3.5, GPT-4 et GPT-4o pour l’identification des événements indésirables immuno-médiés (immune-related Adverse Events, irAE) chez 442 patients sous inhibiteurs de point de contrôle immunitaire. GPT-4o obtient les meilleurs scores F1 : 1,0 (irAE hématologiques), 0,81-0,85 (gastro-intestinaux). Les modèles présentent une tendance à la sur-prédiction.​

    Qualité des protocoles et conformité au reporting

    Shin et al. (Clinical Pharmacology & Therapeutics, University at Buffalo) évaluent GPT-4o pour la revue des plans d’analyse statistique. Sur 15 essais, le modèle identifie correctement la maladie, l’intervention et les groupes comparateurs dans 100% des cas.​

    Wrightson et al. (BMJ Open, UBC / Ottawa) évaluent GPT-4 Turbo et Llama 2 pour vérifier la conformité au reporting dans 113 articles d’essais cliniques en médecine du sport. GPT-4 Turbo atteint un F1 de 0,89 et une précision de 90% (IC 95% : 85-94%).​

    Enjeux éthiques, réglementaires et limites

    Plusieurs limites transversales émergent :​

    • Nécessité persistante de supervision humaine (taux d’hallucination de 21 à 50% selon les modèles) ;

    • risques de « faux espoir » pour les patients et courbe d’apprentissage pour les professionnels ;

    • préoccupations relatives à la confidentialité des données et à l’intégration avec les dossiers médicaux électroniques (DME) / dossiers de santé électroniques (DSE) ;

    • Le Berre et al. (Clinical Gastroenterology and Hepatology, Inserm / Nantes) concluent que l’IA peut accélérer le développement médicamenteux sous réserve de prendre en compte les limitations éthiques et réglementaires ;

    • un rapport conjoint FDA / Clinical Trial Transformation Initiative (Poddar et al., NEJM AI, 2025) cadre les réflexions réglementaires sur l’intégration transparente de l’IA dans le développement de médicaments.

  • Lucis lève 8,5 M$ et s’allie à Livi pour structurer un parcours européen de prévention

    Après une levée de 8,5 M$, Lucis accélère son expansion européenne

    À la suite d’une levée de fonds récente de 8,5 millions d’euros, Lucis prévoit d’accélérer le déploiement de sa plateforme de prévention au Royaume-Uni et au Portugal. La startup française développe une infrastructure qui repose sur l’agrégation de données biologiques et de santé, conçue comme un dispositif complémentaire au système médical. Le co-fondateur Baptiste Debever est revenu, pour Health and Tech Intelligence, sur les ambitions de la startup.

    Créée il y a un peu plus d’un an, Lucis vise à rendre la prévention plus accessible en Europe, en développant un système capable d’agréger et d’exploiter des données aujourd’hui dispersées et parfois difficiles à interpréter.

    L’entreprise se concentre pour l’instant sur le marché français, mais prévoit une expansion progressive dans plusieurs pays européens. Le projet n’est pas pensé dans un cadre strictement national, mais comme une offre destinée à s’inscrire dans des systèmes de santé aux logiques proches. « Notre mission, c’est de démocratiser la prévention et de construire une infrastructure pour la rendre accessible en Europe », déclare Baptiste Debever.

    « Notre objectif est de transformer des bilans complexes en signaux compréhensibles et exploitables dans le temps »

    Lucis s’appuie sur des partenariats avec des fournisseurs de tests, principalement des laboratoires d’analyses. À partir de ces données, la plateforme construit des bilans de prévention et les transforme en indicateurs compréhensibles pour les utilisateurs. Les résultats sont traduits en scores par grands systèmes physiologiques (métabolique, cardiovasculaire, inflammatoire), puis analysés de manière longitudinale. L’objectif est de permettre un suivi dans le temps, en reliant les évolutions biologiques aux actions mises en place et au ressenti quotidien.

    Au-delà des scores, Lucis propose une interprétation des signaux et des liens entre différents systèmes de santé. La plateforme fournit des recommandations d’actions et permet d’évaluer leurs effets au fil des mois. « La donnée à un instant T n’est pas suffisante : ce qui compte, c’est la donnée longitudinale », affirme le co-fondateur.

    Lucis et Livi lancent un parcours digital pour rendre la prévention « plus lisible et plus actionnable »

    Les profils des utilisateurs sont variés : sportifs à la recherche de performance, mais surtout des personnes qui souhaitent comprendre leur état de santé ou faire face à des symptômes persistants. Les déclencheurs peuvent être personnels, familiaux ou liés à un suivi déjà engagé avec des professionnels comme des médecins ou des praticiens du bien-être.

    Dans cette logique, Lucis et Livi annoncent le lancement d’un parcours digital de santé préventive, articulant analyse biologique avancée, intelligence artificielle et téléconsultation médicale. L’offre repose sur l’analyse de 110 biomarqueurs. Les données sont intégrées à la plateforme Lucis, qui génère un bilan personnalisé à l’aide d’outils d’IA, avant validation par des médecins. Au moment de la restitution des résultats, les utilisateurs peuvent réserver une téléconsultation avec un praticien formé à la médecine préventive via Livi.

    Deux abonnements, à 190 € et 490 € par an

    Le modèle repose sur un abonnement annuel. La formule Discovery, 190 € par an, comprend une prise de sang annuelle analysant 60 biomarqueurs, avec un Data Hub et un plan d’action couvrant plusieurs systèmes corporels, sans intégration de données issues de wearables.

    L’offre Care (à 490 € par an) élargit le périmètre avec des analyses sanguines, urinaires et salivaires totalisant jusqu’à 110 biomarqueurs, un suivi biannuel, un plan d’action étendu à 11 systèmes et une intégration des appareils connectés permettant de corréler données biologiques et modes de vie. Le différentiel tarifaire reflète ainsi un passage d’une photographie annuelle à une logique de suivi longitudinal enrichi, plus proche d’un dispositif de monitoring personnalisé.

    La start-up s’appuie sur l’argument économique souvent avancé dans la prévention : un euro investi en amont permettrait d’économiser plusieurs euros à long terme.

    « L’IA change profondément la relation médecin-patient, parce que les patients arrivent beaucoup plus informés. »

    Baptiste Debever estime que la valeur se situe moins dans la donnée ponctuelle que dans sa mise en perspective dans le temps. Aussi, interrogée sur l’essor des outils d’IA conversationnelle en santé, comme OpenAI et ses modèles spécialisés, l’équipe de Lucis y voit avant tout un soutien à la compréhension et à la décision, pour les patients comme pour les médecins. L’essor de patients mieux informés pourrait modifier les échanges en consultation, notamment dans le cas de maladies chroniques ou complexes. Pour Baptiste, ces outils peuvent aider les patients à comprendre ce qui leur a été expliqué, en amont ou en aval des rendez-vous, sans se substituer à l’expertise médicale. « ChatGPT est un allié pour la compréhension et la décision, mais pas un outil qui remplace le médecin », conclut le co-fondateur de Lucis.

  • Eurobiomed affiche 302 M€ en 2025 et structure trois filières en HealthTech

    105 M€ pour Adcytherix, rachat d’ImCheck, commercialisation de MedinCell, Eurobiomed dresse son bilan 2025

    Eurobiomed, cluster de la filière HealthTech couvrant notamment Toulouse, Montpellier, Nice, Sophia Antipolis et Marseille, publie un bilan 2025 marqué par une augmentation des financements et de l’accompagnement malgré un contexte jugé exigeant pour les entreprises de santé.

    Les membres du cluster ont obtenu 302 M€ de financements publics et privés, dont 142 M€ pour 22 projets de R&D (dont 100 M€ via France 2030) et 160 M€ de capitaux privés. Cette dynamique se concrétise par plusieurs opérations emblématiques :

    • MedinCell a amorcé la commercialisation aux États-Unis d’un traitement injectable à action prolongée.
    • ImCheck Therapeutics a été rachetée par Ipsen et Adcytherix a réalisé une levée de 105 M€ en série A, présentée comme la plus importante pour une biotech française en 2025.

    Le cluster basé sur un modèle d’un accompagnement associant stratégie, ingénierie de projet, accès aux financements et connexions cliniques et industrielles revendique 432 adhérents. Eurobiomed s’appuie sur un collège d’environ 60 experts issus de l’industrie, du monde académique et de la recherche, en 2025, ce collège s’est enrichi d’un pool d’entrepreneurs et d’industriels expérimentés, parmi lesquels Pierre d’Epenoux (PDG d’ImCheck Therapeutics), ou Christine Guillem (PDG d’Angany).

    Invest In Biomed, un dispositif ciblé sur la levée de fonds

    Pour répondre à la sélectivité des financements, Eurobiomed a structuré une offre de programmes premium adaptés aux différents stades de maturité, dont Invest In Biomed, centré sur les stratégies de levée de fonds.

    En 2025, ce programme a réuni 9 entreprises innovantes et 37 investisseurs spécialisés, avec plus de 130 rendez-vous BtoB, autour d’un parcours articulé sur le diagnostic stratégique, la compréhension des attentes des investisseurs et la structuration de la proposition de valeur. Eka Surgery, qui développe une plateforme d’intelligence artificielle pour assister les chirurgiens, a engagé des discussions avec des partenaires financiers, tandis que Circle Safe, issue d’une promotion précédente d’Invest In Biomed, a levé 8 M€ en 2025 pour sa solution de sécurisation des procédures d’ablation de la fibrillation atriale.

    Immunothérapie, dermatologie et santé numérique pour 2025–2026

    Eurobiomed structure désormais son action autour de trois filières : immunothérapies et médecine régénérative, santé numérique et dermatologie.

    Les immunothérapies et la médecine régénérative, portées notamment par le Marseille Immunology Biocluster, s’inscrivent dans le segment des thérapies innovantes, avec un marché pharmaceutique mondial estimé à plusieurs centaines de milliards de dollars. La santé numérique est décrite comme un levier transversal de transformation des systèmes de soins, adossé à un marché mondial évalué à plus de 400 milliards de dollars en 2025, stimulé par l’intelligence artificielle et les dispositifs médicaux connectés.​

    La filière dermatologie et sciences de la peau se situe à l’interface entre dermatologie médicale, cosmétique et biotechnologies, sur un marché skincare estimé à 178 milliards de dollars en 2025, dont 48 milliards pour les dermocosmétiques.​

    Skin Excellence, structurer la dermatologie et la santé de la peau

    Sur la base d’une cartographie de plus de 80 acteurs (startups, laboratoires académiques, industriels, établissements hospitaliers) et de près de 4 000 emplois en Occitanie et dans la région Sud, Eurobiomed a lancé Skin Excellence, projet de structuration international de la filière peau.

    L’initiative repose sur quatre axes : cartographie des acteurs, renforcement de la visibilité et du réseau, organisation d’événements et développement de projets d’industrialisation.

    Le lancement du site officiel Skin Excellence et des partenariats avec La Roche-Posay, Beiersdorf et Bioderma doit soutenir la mise en réseau et la visibilité de l’écosystème.
    Le premier Skin Summit a réuni près de 200 participants issus de plus de 10 pays et débouchera sur une seconde édition en 2027, tandis que le Tiers-Lieu d’Expérimentation Skin, dédié aux phases de test et de validation des innovations en santé de la peau, a obtenu un financement de 1 M€ via France 2030.

  • La e-santé portée par l’interopérabilité, le prédictif et l’intégration aux parcours selon Precedence Research

    Un marché multiplié par 4,2 sur dix ans

    La valeur se déplace vers l’interopérabilité et le prédictif

    Precedence Research examine l’évolution des infrastructures numériques hospitalières, des solutions de télésurveillance, des logiciels cliniques et des plateformes d’analyse de données. La trajectoire annoncée ne repose pas uniquement sur l’augmentation des volumes, mais sur un déplacement de la valeur vers des outils interopérables, prédictifs et intégrés aux parcours de soins.

    Une nouvelle génération de solutions revendique un apport prédictif. À partir de données longitudinales, des systèmes d’apprentissage automatique détectent des variations subtiles. Un ECG considéré comme normal peut ainsi révéler une dégradation progressive avant l’apparition de symptômes. Dans le champ cardiovasculaire, l’argument économique est avancé : jusqu’à 80 % des cardiopathies seraient évitables.

    L’enjeu se déplace vers l’agrégation et la contextualisation des données

    Selon l’analyse sectorielle, la multiplication des capteurs génère des flux de données hétérogènes dont la valeur dépend de leur intégration. La « sensor fusion » et l’articulation avec les dossiers médicaux électroniques sont identifiées comme des axes structurants. Antécédents, facteurs génétiques, chirurgies, allergies ou traumatismes enrichissent l’interprétation des mesures collectées à domicile.

    Cette évolution suppose des accords de partage de données et des partenariats industriels. Les exigences de confidentialité restent centrales, avec des mécanismes d’anonymisation, de pseudonymisation et de chiffrement avancé. Les phases d’entraînement et de validation des algorithmes doivent exclure toute donnée directement identifiable.

    Dispositifs prédictifs sous exigence de preuves cliniques et d’intégration aux parcours

    Le développement du traitement automatique du langage améliore l’accessibilité des résultats pour les patients, notamment via des explications contextualisées et des analyses de sentiments adaptées aux inquiétudes exprimées.

    Toutefois la validation clinique demeure un prérequis. Les dispositifs doivent être évalués sur des populations larges et diversifiées, avec des garde-fous destinés à prévenir toute recommandation inappropriée. Le diagnostic reste de la responsabilité d’un praticien habilité.

    La projection chiffrée de Precedence Research met en évidence l’ampleur des investissements attendus. Pour les établissements, industriels et régulateurs, l’enjeu dépasse la croissance du marché : il porte sur l’intégration aux parcours, la robustesse des preuves cliniques et la solidité des cadres de gouvernance.

  • Japon, une IA conversationnelle pour la communication vaccinale HPV

    HPV et défiance vaccinale au Japon

    Le papillomavirus humain (HPV) est responsable de la quasi-totalité des cancers du col de l’utérus. Selon GLOBOCAN-OMS 2022 :

    • 662 044 nouveaux cas/an.
    • 348 709 décès/an.
    • 95 % des cancers du col liés au HPV.

    Au Japon, la suspension de la recommandation vaccinale entre 2013 et 2021 a fait chuter la couverture sous 1 %. Les campagnes publiques et le dépistage cytologique restent limités face à la désinformation numérique.

    Consortium et innovation technologique

    L’étude est coordonnée par la Graduate School of Medicine de l’Université de Kyoto et associe l’Université de Tokyo, l’Université de Waterloo (Canada), l’Université Texas Tech (Etats Unis d’Amérique, et l’Université des sciences et technologies de Chine (USTC). Le système repose sur une architecture RAG intégrant publications scientifiques, documents de l’OMS et du ministère japonais de la Santé, du Travail et des Affaires sociales, ainsi que médias et réseaux sociaux.

    • Chatbot médical RAG.
    • Analyse de sentiment.
    • Génération de rapports institutionnels.

    Étude expérimentale de validation

    L’étude a porté sur une cohorte de 53 conversations simulées soit 209 échanges avec 139 questions réponses analysées, avec une évaluation LLM + validation par 3 experts sur une échelle : 0 à 5. Les résultats de l’étude Prépublié dans arXiv montre que :

    • Sore global : 4,80/5
    • Cohérence conversationnelle : 5,00/5
    • Validité des références : 5,00/5

    L’architecture pourrait être adaptée à d’autres programmes vaccinaux (COVID-19, grippe, hépatite B) et à la communication hospitalière en santé publique.

     

  • Etude : les IA médicales se font piéger 1 fois sur 2 par de fausses recommandations (Lancet)

    Publiée le 9 janvier 2026 dans The Lancet Digital Health, l’étude* montre que les modèles acceptent une affirmation fausse comme vraie dans 31,7 % des cas, et jusqu’à 46,1 % lorsque l’erreur est formulée comme une recommandation clinique.

    Les modèles d’IA sont désormais utilisés pour résumer des comptes-rendus médicaux, produire des synthèses destinées aux patients ou répondre à des questions de santé. Mais on sait encore mal comment ils réagissent lorsqu’une information erronée est insérée dans un texte qui ressemble à un document médical authentique.

    20 modèles d’IA à l’épreuve de la désinformation

    Les chercheurs ont testé 20 modèles d’IA à partir de trois types de contenus contenant chacun une fausse information médicale :

    • De vraies notes de sortie hospitalière issues de la base MIMIC, dans lesquelles les chercheurs ont ajouté une recommandation volontairement erronée.
    • Des messages de désinformation issus de forums de discussion en ligne correspondant à de vraies rumeurs de santé circulant sur internet.
    • 300 situations cliniques fictives mais réalistes, rédigées par les chercheurs pour reproduire des cas typiques de consultation, puis relues par 2 médecins pour s’assurer qu’elles ressemblent à des situations crédibles de la pratique.

    Pour chaque cas, les modèles devaient dire si la recommandation était médicalement correcte ou non. Les chercheurs ont ensuite repris ces mêmes contenus en les reformulant selon dix types de raisonnements fallacieux connus (par exemple « tout le monde sait que », « un expert affirme que », « cela va forcément conduire à… ») afin d’observer si la manière d’écrire modifiait la réaction de l’IA.

    Les résultats de cette étude ont été publiés le 9 janvier 2026 dans The Lancet Digital Health

    Résultats : des fausses informations échappent aux LLM

    • Face à une fausse information présentée de façon neutre, les modèles la considèrent comme correcte dans 31,7 % des cas.
    • Lorsque cette fausse information est intégrée dans une note de sortie hospitalière réaliste, ce taux monte à 46,1 %.
    • Lorsqu’elle provient de rumeurs issues de forums en ligne, ce taux chute à 8,9 %.
    • Dans les scénarios médicaux fictifs, il descend à 5,1 %.
    • Formuler la même fausse information sous la forme « tout le monde sait que » réduit ce taux à 11,9 %
    • En revanche, la formuler sous la forme « un expert affirme que » l’augmente à 34,6 %.
    • La présenter comme une « pente glissante » (« cela va forcément entraîner… ») l’augmente à 33,9 %.
    • Les modèles GPT sont les moins vulnérables (autour de 10 %), certains modèles open source dépassent 60 %.
    • Les modèles spécifiquement entraînés sur des données médicales sont en moyenne plus vulnérables que les modèles généralistes.

    Ces résultats montrent d’abord que les modèles d’IA ne réagissent pas de la même manière selon le type de texte auquel ils sont confrontés. Une même fausse information est beaucoup plus facilement acceptée lorsqu’elle est intégrée dans une note hospitalière réaliste que lorsqu’elle provient d’un forum en ligne. Autrement dit, « le langage clinique formel est celui qui trompe le plus facilement les modèles, alors qu’un langage conversationnel, typique des réseaux sociaux, déclenche davantage de méfiance, » indiquent les auteurs de l’étude.

    Ce point est critique pour les outils qui résument automatiquement des comptes-rendus médicaux ou génèrent des synthèses destinées aux patients : une recommandation erronée, insérée dans un document qui ressemble à un dossier médical standard, peut être relayée sans être détectée.

    L’IA trompée par des formulations scientifiques

    Autre résultat marquant : la manière de formuler la fausse information change fortement la réaction du modèle. Présentée sous la forme « tout le monde sait que », elle est beaucoup moins souvent acceptée. En revanche, lorsqu’elle est introduite par « un expert affirme que » ou par un raisonnement de type « cela va forcément conduire à… », les modèles deviennent plus vulnérables. Les auteurs y voient la trace des mécanismes d’alignement actuels : les IA ont appris à se méfier de certains marqueurs rhétoriques typiques des débats complotistes ou émotionnels, mais restent sensibles au ton d’autorité clinique.

    L’autre résultat, présenté comme contre-intuitif par les chercheurs, est que les modèles spécifiquement entraînés sur des données médicales sont en moyenne plus vulnérables que les modèles généralistes. Selon eux, ces modèles médicaux sont souvent construits à partir de versions plus petites ou plus anciennes, et leur entraînement privilégie la précision terminologique ou le refus de répondre plutôt que la capacité à repérer des erreurs cachées dans des textes variés.

    Les auteurs en concluent que « les progrès en matière de sécurité dépendront moins de la taille des modèles que de stratégies de vérification des faits et de garde-fous sensibles au contexte, adaptés aux usages cliniques. » Une exigence particulièrement importante dans un contexte où la désinformation médicale circule largement en ligne et où la confiance envers les institutions de santé s’érode.

    *Mapping the susceptibility of large language models to medical misinformation across clinical notes and social media: a cross-sectional benchmarking analysis

    Omar, Mahmud et al.

    The Lancet Digital Health, Volume 8, Issue 1, 100949

    https://www.thelancet.com/journals/landig/article/PIIS2589-7500(25)00131-1/fulltext

     

  • Souveraineté, cybersécurité, IA : le point sur les récentes annonces du ministère de la Santé

    En déplacement aux Hospices Civils de Lyon début février, la ministre de la Santé, des Familles, de l’Autonomie et des Personnes handicapées, Stéphanie Rist, a détaillé une feuille de route articulée autour de la souveraineté numérique, de la sécurisation des systèmes d’information et du soutien à l’innovation en santé.

    La Plateforme des données de santé abandonne la solution intercalaire et vise un hébergement souverain en 2026

    La Plateforme des données de santé (PDS) évoluera vers un hébergement souverain et sécurisé. Sur la base d’une mission d’expertise interministérielle, la ministre a décidé d’engager immédiatement la construction d’une solution cible destinée à accueillir la base principale des données de remboursement de l’Assurance maladie sur une infrastructure souveraine fondée sur des technologies ouvertes d’ici fin 2026. Cette orientation acte l’abandon de la solution dite « intercalaire » au profit d’un modèle présenté comme pérenne et compatible avec les exigences européennes, avec l’objectif de garantir la maîtrise des données de santé pour la recherche et l’innovation.

    Souveraineté hospitalière, 13 établissements s’engagent avec la CAIH contre la dépendance aux offres non européennes

    En parallèle, le projet Alternative est conduit avec la Centrale d’Achat de l’Informatique Hospitalière et 13 grands établissements, dont les Hospices Civils de Lyon. Il vise à développer des solutions substitutives aux offres dominantes non européennes afin de réduire la dépendance technologique des hôpitaux. Le cahier des charges a été publié par la CAIH en décembre 2025, avec une date limite de candidature fixée au 19 février. Le ministère indique soutenir cette trajectoire technologique axée sur l’open source afin de permettre aux établissements de mieux maîtriser le choix et les coûts de leurs outils numériques.

    120 M€ engagés via CaRE pour la cybersécurité

    Lancé fin 2023, le programme CaRE a engagé 120 M€ pour renforcer la cybersécurité et la résilience hospitalières. Selon le panorama de la cybermenace 2024 de l’Agence nationale de la sécurité des systèmes d’information, la part des hôpitaux parmi les cibles de rançongiciels est passée de 11 % à 4 %. Le programme s’appuie sur trois leviers : réduction de l’exposition aux risques, évaluation de la maturité cyber à partir d’indicateurs communs et déploiement d’approches coordonnées à l’échelle des groupements hospitaliers de territoire.

    HospiConnect : 225 M€ pour l’identité numérique des professionnels

    Un nouveau programme, HospiConnect, est doté de 225 M€ sur la période 2026-2028. Il vise à renforcer la gestion de l’identité numérique des professionnels et la sécurisation des accès aux systèmes d’information hospitaliers, en simplifiant l’accès aux services nationaux tels que le DMP (Mon espace santé). Depuis l’ouverture du guichet le 20 janvier, plus de 700 dossiers ont été déposés. Les candidatures sont ouvertes jusqu’au 13 février.

    Dans le cadre de la stratégie d’accélération « santé numérique » de France 2030, plusieurs dispositifs soutiennent l’innovation, en particulier dans l’IA, l’évaluation médico-économique des dispositifs médicaux numériques et leur interopérabilité.

    Impact IA : 2 M€ pour trois projets

    L’appel à projets « Impact IA », opéré par Bpifrance pour le compte de l’État, finance l’évaluation en conditions réelles des modifications organisationnelles et d’usage induites par des dispositifs médicaux numériques intégrant de l’IA. Trois projets sont soutenus pour un total de 2 M€ :

    49 études financées pour 30 M€ sur le médico-économique

    L’appel à projets dédié à l’évaluation du bénéfice médico-économique des dispositifs médicaux numériques, également financé par France 2030 et opéré par Bpifrance, a soutenu 49 études pour un montant cumulé supérieur à 30 M€. Trois nouveaux lauréats bénéficieront de 1,3 M€ :

    • SECURITY V2, porté par SEMEIA.
    • ON TRAC, porté par AXOMOVE.
    • EVAL LYV, porté par LYV HEALTHCARE.

    Diagnostic Dispositif Médical : 264 entreprises accompagnées

    Le guichet « Diagnostic Dispositif Médical », financé par France 2030 et opéré par Bpifrance, élargit ses volets à la cybersécurité et à l’interopérabilité, avec une prise en charge publique pouvant atteindre 50 % des coûts. Depuis 2022, 264 entreprises ont été accompagnées vers l’obtention du marquage CE, pour près de 9 M€ engagés et 411 diagnostics réalisés. Parmi elles, 192 entreprises du numérique en santé ont bénéficié de plus de 5 M€, correspondant à 260 diagnostics spécialisés.

  • bioMérieux acquiert Accellix pour industrialiser le contrôle qualité des thérapies cellulaires

    Une cytométrie en flux miniaturisée et automatisée

    Les thérapies cellulaires et géniques ciblent cancers hématologiques et maladies rares, exigeant un contrôle qualité microbiologique et immunologique strict. Selon l’OMS :

    • 20 millions nouveaux cas de cancer/an (2022).
    • 9,7 millions décès/an.
    • 1 000 essais cliniques en cours.

    La cytométrie en flux conventionnelle reste longue, coûteuse et opérateur-dépendante. Accellix (San José/Jérusalem), acquise après partenariat depuis 2020, développe un système fermé miniaturisant la cytométrie en flux pour analyses rapides en production :

    • Automatisation complète du workflow.
    • Standardisation multi-sites via logiciels.

    Des performances validées en conditions industrielles

    L’étude multicentrique auprès de fabricants de thérapies cellulaires, publiée dans Cell & Gene Therapy Insights, montre :

    • Concordance : corrélation 0,90-0,96 avec cytométrie classique (marqueurs clés).
    • Régularité : variabilité inter-opérateurs <5% (automatisation).
    • Rapidité : 35 min vs >3 h (gain x4-5).

    Une intégration stratégique dans le diagnostic pharmaceutique

    bioMérieux intègre la plateforme pour 35 millions d’euros dans son portefeuille diagnostic pharmaceutique, avec déploiement progressif. Deux axes stratégiques sont poursuivis :

    • Usages prioritaires : Production CAR-T, médecine personnalisée, biothérapies en environnements contraints.
    • Positionnement clé : Convergence diagnostic-bioproduction-thérapies avancées, accélérant l’accès aux traitements.

     

  • 16 laboratoires, 23 plateformes, 650 équipements, le Genopole déploie une infrastructure complète pour la bioproduction

    Le Genopole, centre d’excellence et d’innovation en biotechnologies, est un puissant pôle de recherche, Il couvre l’intégralité de la chaîne de valeur, de la recherche académique et appliquée jusqu’à la production industrielle, avec « une ambition claire : faire converger science, innovation et industrie » et d’accélérer la bioproduction industrielle pour renforcer durablement la compétitivité des biotechs européennes. En même temps il supporte, grâce à plusieurs dispositifs sophistiqués, la création et le développement de start-ups et de PME jusqu’au stade industriel.

    Un pôle d’excellence scientifique

    Le Genopole comporte 16 laboratoires de recherche académique placés sous plusieurs tutelles en génomique, biologie synthétique, bioproduction, data sciences, santé et bioéconomie. Plusieurs dispositifs ont été mis en place pour soutenir la recherche dans les laboratoires du Genopole :

    • ApogeeBio : co-financement avec l’Union européenne d’un post-doctorant auprès d’un laboratoire pendant deux ans.
    • Les Actions Thématiques Incitatives du Genopole (ATIGE) : renforcement de l’équipe de recherche d’un laboratoire du cluster pendant 3 ans sur une thématique de recherche.

    Des dispositifs plus classiques sont destinés à promouvoir de nouvelles générations de chercheurs :

    • Bourses en 2ème année de master.
    • Bourses de recherche biomédicale à l’intention des médecins et pharmaciens souhaitant se former à la recherche dans un des laboratoires du cluster.

    D4GEN hackathon : c’est un concours d’innovation en IA, ouvert aux chercheurs et aux entrepreneurs, qui réunit chaque année des équipes venues explorer les moyens d’appliquer la puissance de l’intelligence artificielle pour résoudre des questions médicales ou environnementales.

    Les 23 plateformes techniques mutualisées, mises à dispositions des chercheurs et des développeurs, sont équipées de plus de 650 appareils de haute technologie, et le programme Saturne vient compléter chaque année les équipements des laboratoires, sur la base d’appels à projets. Saturne est doté de 800 000 € au titre du programme 2026.

    Entreprendre en biotechnologies

    Le Genopole propose plusieurs dispositifs pour soutenir la création et le développement des startups et des entreprises de biotechnologies, en accompagnant les porteurs de projets dans leur développement jusqu’à leur première levée de fonds. Plusieurs programmes spécifiques sont proposés :

    Le programme Shaker, destiné à faire éclore des startups en biotechnologie, grâce à des porteurs de projets sélectionnés sur appel à candidatures. Le soutien apporté pendant 6 mois est à la fois scientifique, avec accès à un laboratoire partagé, et entrepreneurial, avec des ateliers collectifs et des rencontres avec des partenaires industriels et financiers.

    Le programme Gene.iO est un programme d’accélération destiné aux startups de biotechnologie à la recherche d’investisseurs ou de partenaires industriels, sélectionnés sur appel à candidatures dans les filières prioritaires du Genopole : santé et bio-économie. Outre l’accès aux plateformes technologiques, les entrepreneurs lauréats bénéficient notamment pendant un an d’un mentorat.

    GATE-X (Grow & Test) opère la transition du processus entre le laboratoire et une production pilote sur l’infrastructure du Genopole, grâce à 5 prestations :

    • La mise à l’échelle des bioprocédés.
    • L’optimisation du processus.
    • Des tests parallèles à haut débit.
    • Un contrôle qualité de la bioproduction.
    • Une expertise en management de projet pour la mise à l’échelle du processus.

    Protopia donne l’accès à une plateforme de prototypage, équipée des outils nécessaires pour le développement de prototypes biotechnologiques. Dans l’environnement collaboratif du Genopole, Protopia donne accès à plusieurs modules :

    • Plateau d’analyse, doté d’instruments de pointe.
    • Laboratoires de culture cellulaire.
    • Cuisine professionnelle équipée.
    • Laboratoire de formulation.

    UX-Care propose un tiers-lieu d’expérimentation pour des solutions digitales dans le domaine de la santé, qui s’intègre dans la communauté nationale des 37 tiers-lieux d’Expérimentation en santé animée par l’Agence du Numérique en Santé (ANS) et l’Agence Nationale de la Performance sanitaire et médico-sociale (ANAP). Le programme UX CARE est porté par un consortium, associant des acteurs de l’innovation, du soin, de la valorisation et du transfert industriel : le centre hospitalier Sud Francilien, le Centre d’études et de recherche pour l’intensification du traitement du diabète (CERITD) et la Société d’accélération de transfert technologique (SATT) du cluster de Paris-Saclay.

    Le passage à l’échelle internationale

    Le Genopole coordonne le programme européen lancé en 2024 APROVALS (Accelerating PROteins innoVAtors beyond reguLatory Sandboxes). Ce programme est destiné aux startups et PME du domaine de l’agriculture cellulaire, qu’il s’agisse de protéines produites par fermentation de précision dans des cellules microbiennes, de cellules microbiennes, ou encore de viande cultivée.

    APROVALS est porté par des clusters et réseaux d’innovation en agri-food pionniers dans le domaine, couvrant l’ensemble des pays européens :

    • GENOPOLE, France (coordinateur)
    • CAMPANIA BIOSCIENCE, Italie
    • EUROPABIO, Belgique
    • IRISH BIOECONOMY FOUNDATION, Irlande
    • Planet B.io, Pays-Bas
    • SMILE INCUBATOR AB, Suède
    • Pôle VITAGORA, France
    • TEKNOLOGIAN TUTKIMUSKESKUS VTT OY, Finlande

    Le 8 octobre 2025, dix entreprises, sélectionnées parmi les plus prometteuses du secteur de l’agriculture cellulaire, ont été réunies pour la première fois à Amsterdam, dans le cadre de la journée annuelle de Cellular Agriculture Netherlands et Invest NL. Ces dix entreprises européennes sont représentatives de la diversité des solutions biotechnologiques :

    • äio tech OÜ (ÄIO)
    • Cell4Food
    •  Cultimate Foods GmbH
    • Ingrediome
    • Bio
    • Perfect Day Inc.
    • The Protein Brewery
    • Farmless B.V.
    • Re:meat
    • Niskus Biotec

    Leur intégration au programme marque le passage d’APROVALS d’une phase de conception à une phase opérationnelle. Ces entreprises travailleront sur les modules méthodologiques et opérationnels développés par le consortium, avec pour objectif d’aboutir à des cas d’usage concrets et des recommandations partagées. Les résultats alimenteront la réflexion européenne sur l’agriculture cellulaire et contribueront à la formulation de recommandations règlementaires. L’objectif est de proposer, à l’horizon 2027, un cadre opérationnel permettant à l’Europe de se positionner comme leader mondial de l’agriculture cellulaire.

    « La sélection et la première réunion de ces dix entreprises concrétisent la vocation d’APROVALS : créer un espace où innovation et règlementation avancent de concert. C’est une étape essentielle pour installer durablement l’agriculture cellulaire dans le paysage européen », souligne Alexis Biton, coordinateur des affaires internationales du Genopole.

     

  • Un fonds de 100 M€ pour financer la prévention (Bpifrance)

    Le 11 février 2026 à Paris, Bpifrance, la Banque des Territoires, CNP Assurances, Harmonie Mutuelle et le Groupe Vivalto Santé ont annoncé le lancement du Fonds Prévention Numérique en santé. Présenté comme “le premier fonds à impact social” consacré à la prévention en santé en France, il est opéré par Bpifrance.

    Doté de 100 M€, avec un premier closing à 80 M€, le fond investira dans des start-up qui développent des solutions numériques en prévention primaire, secondaire et tertiaire.

    Un accompagnement sur l’ensemble de la chaîne de valeur

    Le fonds prévoit d’investir dans une quinzaine d’entreprises en phase d’amorçage ou de développement. Les modèles soutenus devront reposer sur des dispositifs numériques intégrant des technologies d’IA et de valorisation des données de santé.

    Au-delà de l’apport en capital, l’accompagnement portera sur la démonstration de l’efficacité clinique, l’obtention des certifications réglementaires nécessaires à la mise sur le marché et la structuration de modèles économiques. En tant que fonds à impact social, le dispositif prévoit une méthodologie de mesure et de pilotage de l’impact sur l’ensemble du cycle d’investissement.

    L’évaluation médico-économique des solutions et leur capacité à améliorer les parcours de prévention en vie réelle seront examinées. Le fonds indique également vouloir veiller à l’accessibilité des solutions aux populations fragiles, quels que soient leur territoire, leur âge ou leur situation socio-professionnelle.

    Inscription dans la feuille de route « Santé Grand âge »

    Le fonds s’inscrit dans la dynamique de la French Care, mouvement porté par Bpifrance pour favoriser les coopérations entre start-up, industriels, chercheurs, professionnels de santé et acteurs publics.

    L’équipe d’investissement en charge du nouveau fonds gère depuis 2018 le Fonds Patient Autonome, dédié à la santé numérique. Elle a investi dans des sociétés telles que Fizimed, Implicity, Incepto Medical, Invivox, Ludocare, NaoX, Poppins et Tribun Health. Elle met en avant son expérience en capital-risque et sa maîtrise des enjeux de validation clinique, d’accès au marché et d’intégration de technologies d’IA dans les systèmes de soins.

    Plus largement, la création du Fonds Prévention Numérique en santé et le déploiement de l’Accélérateur s’inscrivent dans la feuille de route « Santé Grand âge » du groupe Caisse des Dépôts. Celle-ci prévoit la mobilisation de plus de 25 milliards d’euros d’ici 2030 pour les secteurs de la santé et du grand âge.

    Quatre axes structurent cette stratégie : 

    • Financer l’offre de soins et l’accompagnement de la perte d’autonomie.
    • Soutenir les innovations au service de la santé et du vieillissement.
    • Structurer l’offre et fluidifier les parcours de santé.
    • Accompagner les citoyens dans le financement de leur santé et de la perte d’autonomie.

    Avec ce nouveau fonds, les acteurs publics et privés concernés cherchent à doter la prévention numérique d’outils financiers et d’accompagnement adaptés, dans un contexte où la transformation des modèles de prise en charge est présentée comme une condition de soutenabilité du système de santé.