Articles

  • De la prévention à l’AMP : le plan fertilité élargit le périmètre de l’action publique avec 16 actions

    Alors qu’un couple sur huit rencontre des difficultés de fertilité, les pouvoirs publics entrent dans une phase de mise en œuvre. Co-présidé par Salomé Berlioux et Samir Hamamah, le comité de pilotage accompagne la ministre dans le déploiement d’un plan autour de 16 actions, à l’interface des choix individuels et du système de soins.

    Un portail national de référence sur la santé reproductive et la fertilité doit être créé, accessible via Santé.fr, avec des contenus validés scientifiquement et adaptés aux âges de la vie. Le plan prévoit aussi l’envoi, à l’ensemble des Français à 29 ans, d’une information ciblée sur la santé sexuelle et reproductive. Elle rappellera que la fertilité concerne femmes et hommes, abordera la contraception et mentionnera l’autoconservation des gamètes sans la présenter comme une réponse systématique. Ce premier axe comprend également le renforcement de l’éducation à la santé reproductive à l’école, une campagne nationale de communication et la prévention des risques environnementaux et comportementaux.

    Dépistage et diagnostic plus précoces

    L’amélioration du parcours de soins passe par l’intégration d’une fiche dédiée à la fertilité dans « Mon bilan prévention » et par de futures recommandations de la Haute Autorité de Santé sur la santé pré-conceptionnelle.
    La généralisation des plateformes PREVENIR doit renforcer le repérage précoce des facteurs de risque liés aux expositions environnementales. Le plan s’inscrit par ailleurs dans la continuité de la stratégie nationale de lutte contre l’endométriose et prévoit un renforcement du repérage du syndrome des ovaires polykystiques.

    30 nouveaux centres d’autoconservation prévus pour réduire les délais d’accès

    Sur la prise en charge, l’objectif affiché est d’atteindre 70 centres d’autoconservation ovocytaire d’ici 2028, via l’ouverture de 30 nouveaux centres en complément des 40 existants. Des travaux portent sur l’ouverture de cette activité aux centres privés à but lucratif afin de réduire les délais. Un système d’information national pour la gestion des dons de gamètes et d’embryons doit améliorer transparence et traçabilité. Le plan prévoit aussi un sondage national sur l’autoconservation, une amélioration de l’information des patients en AMP et une mission d’organisation des parcours au sein des centres, confiée à l’Agence nationale de la performance sanitaire et médico-sociale.

    La fertilité devient une thématique prioritaire dans certains appels à projets, notamment dans le cadre du programme d’équipement prioritaire de santé des femmes. Le plan annonce également un renforcement du suivi épidémiologique de la santé reproductive féminine et masculine.

    En parallèle, un chantier national est lancé dans un contexte d’indicateurs défavorables : mortalité maternelle stagnante, hausse légère de la mortalité infantile, notamment néonatale, depuis 2011, tensions démographiques des professionnels, fragilité de certaines maternités et baisse durable de la natalité.

    Trois experts missionnés, un périmètre élargi

    Les travaux ont été confiés à Loïc Sentilhes, Elsa Kermorvant et Eliette Bruneau. Leur mission : établir un diagnostic complet de l’organisation des soins périnataux, à partir des recommandations scientifiques, des sociétés savantes, de la mission d’information du Sénat (septembre 2024) et du rapport de l’IGAS en cours de finalisation. Le périmètre couvre l’ensemble du parcours : prévention avant et pendant la grossesse, suivi post-natal, organisation des maternités, urgences, néonatologie et prise en charge des publics précaires ou éloignés du système de santé. Les premières conclusions sont attendues d’ici juin 2026, avec l’objectif de concilier sécurité, qualité et équité des soins sur l’ensemble du territoire. Si plusieurs mesures reposent sur des outils d’information ou de suivi (portail national via Santé.fr, système d’information pour les dons de gamètes, plateformes PREVENIR), à ce stade, le plan fertilité ne comporte pas de volet explicitement dédié au numérique en santé.

    Fertilité et santé périnatale : deux priorités de santé publique renforcées

  • Mammographie : l’IA augmente la détection des cancers de 30 % ( – 44 % de charge médicale), reste à résoudre le modèle de déploiement

    • L’essai MASAI (sur 105 000 femmes en Suède) montre +29% de cancers détectés avec l’IA Transpara.
    • L’IA réduit d’environ 44% la charge de lecture des radiologues.
    • Hongrie, Allemagne, US : plusieurs déploiements nationaux d’IA en dépistage rapportent +15 à +30% de détection et une baisse de la charge de travail.
    • Mais l’accès reste limité et souvent associé à un reste à charge, notamment aux États‑Unis.
    • Les auteurs de MASAI appellent à des études de coût‑efficacité et d’impact à long terme, l’enjeu étant désormais l’intégration systémique de l’IA plutôt que sa seule performance technique.

    Les résultats à deux ans de MASAI confirment le bénéfice clinique de l’IA

    L’essai MASAI (pour Mammography Screening with Artificial Intelligence) a comparé chez plus de 105 000 femmes en Suède sur deux stratégies de lecture des mammographies : une double lecture humaine versus une lecture par un radiologue assisté par une IA.

    L’algorithme évalué, Transpara, a été développé par ScreenPoint Medical et appliqué à des mammographies 2D dans un programme de dépistage organisé. Les résultats initiaux, publiés en 2024, ont été complétés par un suivi à deux ans rendu public fin janvier 2026. Ils constituent aujourd’hui la base probante la plus robuste sur l’usage de l’IA en dépistage du cancer du sein.

    Lors de la phase de dépistage, l’ajout de l’IA a permis une augmentation de 29 % de la détection des cancers, dont 24 % pour les cancers invasifs. Le taux de faux positifs est resté identique entre les deux groupes (1,4 %), tout comme le taux de rappel. Le gain opérationnel est marqué : la charge de lecture a diminué de 44 % pour les radiologues. Cet effet est documenté dans des systèmes européens fondés sur la double lecture, mais des stratégies de tri des examens à très faible risque laissent entrevoir des bénéfices similaires dans des contextes à lecteur unique.

    Le suivi à deux ans renforce l’intérêt clinique. Le bras IA présente 12 % de cancers d’intervalle en moins. Les cancers détectés sont plus petits et biologiquement moins agressifs : 16 % de réduction des cancers invasifs et 27 % de baisse des sous-types non luminal A, incluant les cancers triple négatif et HER2-positifs. Ces données suggèrent un effet préventif indirect par une détection plus précoce des formes à évolution rapide dès le dépistage.

    Des résultats cohérents en conditions réelles

    Les conclusions de MASAI s’inscrivent dans un faisceau d’études en vie réelle. En Hongrie, un déploiement national utilisant l’algorithme de Kheiron a montré une hausse de la détection, avec une réduction de plus de 30 % de la charge de travail. En Allemagne, une analyse portant sur plus de 460 000 femmes, avec l’outil Vara, rapporte une augmentation de 17,6 % du taux de détection. Aux États-Unis, une étude de grande ampleur a observé une hausse de 21,6 % de la détection lorsque l’IA de DeepHealth assistait un radiologue unique, avec des résultats constants selon la densité mammaire et l’origine ethnique. Des travaux prospectifs en Suède et en Corée du Sud aboutissent à des constats comparables, sans augmentation des rappels.

    Vers une prévention individualisée du cancer du sein

    Au-delà de la détection, l’IA ouvre un second champ : l’estimation du risque futur à partir d’une mammographie jugée normale. En juin 2025, CLARITY Breast a obtenu une autorisation de novo de la FDA pour prédire le risque de cancer du sein à cinq ans à partir d’images 2D. Environ 16 % des femmes dans la quarantaine, avec une mammographie normale, sont classées à haut risque par l’algorithme.

    Une information cardiovasculaire opportuniste

    Les mammographies peuvent également servir à estimer le risque cardiovasculaire. La détection automatisée des calcifications artérielles mammaires (BAC) s’est révélée associée à une augmentation significative du risque d’événements cardiovasculaires majeurs. Des solutions comme CureMetrix ou Mammo+Heart ont obtenu des autorisations de la FDA sur cette indication, transformant l’examen en outil de dépistage opportuniste à double usage.

    Des obstacles économiques et organisationnels persistants

    Malgré ces résultats, l’accès reste limité, notamment aux USA, où la lecture assistée par IA est principalement proposée par RadNet et souvent associée à un reste à charge pour les patientes. Les outils de prédiction du risque ou d’évaluation cardiovasculaire impliquent également des surcoûts.

    Les auteurs de MASAI appellent à poursuivre les analyses de coût-efficacité et de bénéfices à long terme, dans un contexte de pénurie de radiologues. Si l’amélioration de la survie n’a pas encore été démontrée directement, la baisse des cancers d’intervalle et la détection plus précoce fournissent des arguments indirects solides. L’enjeu est désormais moins technologique que systémique : intégration sans surcoût pour les patientes, protocoles clairs de prise en charge du risque et alignement avec les politiques de dépistage. Au regard du volume annuel de mammographies et du taux estimé de cancers manqués par la lecture humaine seule, la question posée par MASAI n’est plus tant celle de la performance de l’IA que celle du moment choisi pour en faire un standard de pratique.

  • 80 % des risques jugés insuffisamment anticipés par les établissements de santé européens (Rapport Relyens 2026)

    Le rapport prospectif Relyens 2026 repose sur une enquête Ipsos conduite auprès de 924 professionnels (cadres dirigeants et soignants) issus d’établissements publics et privés en France, Allemagne, Italie et Espagne. Objectif : analyser la perception des risques pesant sur les systèmes de santé européens et identifier les leviers de résilience.

    Premier constat : les acteurs anticipent une accumulation de crises économiques, sociales, sanitaires, climatiques et technologiques. À dix ans, 93 % des répondants estiment que l’environnement du système de santé évoluera vers un contexte « turbulent ou orageux », et déjà 25 % à horizon cinq ans.

    Cette projection s’accompagne d’un diagnostic plus préoccupant : 80 % des risques jugés à fort impact (probabilité et gravité notées 4 ou 5 sur 5) sont également considérés comme insuffisamment anticipés.

    Vieillissement, coûts et pénurie de personnel en tête des risques

    À horizon cinq ans, trois risques dominent nettement les préoccupations :

    • Le vieillissement de la population et l’augmentation des maladies chroniques.
    • L’augmentation des coûts de santé.
    • La pénurie de personnel et l’épuisement professionnel;

    Ces risques combinent une probabilité élevée et un impact jugé sévère sur la capacité des établissements à assurer leurs missions. La pénurie de personnel apparaît comme le facteur de vulnérabilité le plus critique : les répondants s’estiment peu préparés à y faire face et n’identifient pas à ce stade de trajectoire de sortie claire. La cartographie des risques élaborée par Relyens et son comité scientifique met en évidence un décalage structurel : certains risques très graves, comme les tensions RH ou l’inflation des coûts, se situent dans des zones de faible préparation, tandis que d’autres, notamment techniques ou réglementaires, bénéficient de dispositifs plus avancés.

    Dirigeants et soignants : des lectures divergentes des risques qui pèsent sur la sécurité des soins

    Les menaces liées à la cybersécurité et à la protection des données ne figurent pas dans le trio de tête en matière de probabilité, mais leur niveau de gravité est jugé élevé par 75 % des répondants. Elles font ainsi partie du « premier cercle » des priorités. Contrairement aux risques RH, ces enjeux apparaissent mieux anticipés : dispositifs de prévention, plans de continuité et cadres réglementaires contribuent à un niveau de préparation jugé plus satisfaisant. Le rapport souligne toutefois que cette perception ne préjuge pas de la capacité réelle à absorber des attaques de grande ampleur.

    La sécurité des patients constitue la conséquence la plus directe de la polycrise. Selon 72 % des répondants, la pénurie de personnel compromet directement la sécurité des soins. Viennent ensuite l’augmentation des coûts de santé (65 %) et les ruptures des chaînes d’approvisionnement (60 %).

    Le rapport montre que les risques cliniques sont rarement isolés : ils résultent de pressions économiques, organisationnelles et humaines qui se propagent jusqu’au lit du patient.

    Les perceptions diffèrent toutefois selon les profils : les dirigeants classent davantage de risques au-dessus du seuil des 60 % que les soignants, ces derniers mettant plus en avant les inégalités d’accès aux soins, les effets du climat ou les ralentissements économiques.

    Europe : mêmes fragilités, mais hiérarchisations différentes des risques sanitaires

    Malgré des contextes nationaux différents, les quatre pays étudiés convergent sur plusieurs vulnérabilités communes : pénurie de personnel, vieillissement démographique, hausse des coûts et montée des risques environnementaux et informationnels. Des variations apparaissent néanmoins dans la hiérarchisation :

    • En France, les inégalités d’accès aux soins et les ruptures d’approvisionnement concentrent les inquiétudes.
    • En Allemagne, la pression migratoire est plus souvent citée.
    • En Italie et en Espagne, la désinformation et la défiance du public occupent une place plus marquée.

    Tous les pays partagent en revanche la perception d’une interdépendance croissante entre risques, susceptible de provoquer des effets domino.

    Trois axes pour renforcer la résilience

    Au-delà du constat, le rapport identifie plusieurs orientations . Les travaux du comité scientifique convergent vers trois axes :

    • Adopter une approche systémique des risques, en dépassant une logique de silos pour anticiper les interdépendances.
    • Renforcer le leadership et les compétences, afin de poser des limites claires lorsque la sécurité des soins ne peut être garantie.
    • Construire des environnements de confiance, tant pour les patients que pour les professionnels, condition de la qualité des soins et de l’attractivité des métiers.

    Le rapport insiste sur la nécessité d’articuler des actions à effet rapide avec une vision à moyen terme, seule capable de structurer durablement les transformations à engager.

  • Singapour prédit la récupération neurologique post-arrêt cardiaque grâce à un nouvel outil d’IA

    Selon l’OMS, les maladies cardiovasculaires, incluant les arrêts cardiaques extrahospitaliers, causent 18,8 millions de décès annuels (2022), dont plus de 75% dans les pays à revenu faible ou intermédiaire (LMIC). Les outils conventionnels comme les scores cliniques et l’imagerie (IRM cardiaque, TDM cérébrale) manquent de sensibilité (50-70%) pour les pays à revenu faible et intermédiaire, en raison de :

    • Sensibilité insuffisante dans ces contextes : 50-70% seulement.
    • Coûts élevés : IRM : 424-1 695 €/scan.
    • Délais importants : 2-6 semaines pour IRM en Asie du Sud-Est.

    Transfer learning : réduction massive des données nécessaires

    L’équipe du Centre for Biomedical Data Science (Duke-NUS) a repris le modèle japonais Lasso, entraîné sur 46 918 patients japonais en arrêt cardiaque extra hospitalier. Les chercheurs ont :

    • Adapté le modèle Trans-Lasso sur 243 patients vietnamiens (PAROS).
    • Ajusté les coefficients Lasso en quelques heures.

    Ce qui a permis de réalisée une économie majeure de temps (der heures vs des mois)  en évitant la reconstruction complète tout en préservant les variables clés telles que : l’âge, le rythme initial, et la durée de la réanimation cardiopulmonaire. Ce code R est open-source sur GitlHub

    Validation à Singapour : 95,5% de précision sur 15 916 patients

    Les chercheurs ont testé le modèle sur 15 916 patients singapouriens (cohorte PAROS). Résultats publiés dans npj Digital Medicine :

    • Précision: 80% bons résultats neurologiques (vs 46% modèle japonais original)
    • Discrimination globale (AUROC 0,955) : identifie correctement 955 patients sur 1 000 (soit 10 de plus qu’avant)
    • Fiabilité des alertes (AUPRC 0,885) : quand l’IA dit “récupération possible”, elle a raison dans 88,5% des cas (+36% vs original)

    En conclusion, sur 1 000 patients en salle d’urgence, cette IA évite 10 diagnostiques erronées et identifie sûrement 88 patients à soigner intensivement. Ce triage ultra-rapide par intelligence artificielle, favorisant l’équité diagnostique en Asie-Pacifique, est potentiellement applicable au traumatisme, au sepsis, à l’accident vasculaire cérébral et à l’insuffisance cardiaque dans les pays à faibles ressources.

     

  • Données de vie réelle : Lifen structure un nouveau standard pour la recherche clinique en oncologie

    Quand la donnée hospitalière devient un actif scientifique structuré

    Lancée fin 2023 par Lifen et Gustave Roussy, la cohorte LUCC (Large & Unified Cancer Cohort) s’impose rapidement comme un socle de référence sur le cancer du poumon. En moins de deux ans, plus de 15 000 patients ont été inclus, grâce à un réseau de 28 établissements publics et privés. Ce rythme d’extension est révélateur d’un besoin longtemps resté insatisfait : disposer de bases de données cliniques multicentriques, homogènes et exploitables, sans faire reposer l’effort sur des collectes manuelles lourdes et peu reproductibles.

    La singularité de LUCC ne tient pas tant à son volume qu’à sa méthode. En s’appuyant sur Lifen DataLab, la plateforme automatise la structuration des données issues des comptes rendus médicaux, cœur informationnel encore largement sous-exploité des systèmes hospitaliers. Là où la recherche clinique traditionnelle peine à capter la complexité des trajectoires de soins, LUCC permet d’analyser profils de patients, pratiques réelles et efficacité des traitements à une échelle difficilement atteignable jusqu’ici.

    Une validation scientifique qui dépasse le cadre technologique :

    La publication, fin 2025, d’une étude issue de LUCC dans Annals of Oncology, présentée à l’ESMO, marque un tournant. Elle ne valide pas seulement la performance d’un algorithme, mais un modèle méthodologique. Les résultats montrent un taux d’erreurs deux fois inférieur à celui des collectes manuelles, et surtout une réduction significative de l’hétérogénéité inter-centres, un point critique pour toute recherche multicentrique.

    Les résultats de l’étude démontrent que :

    • L’IA seule surpasse systématiquement l’approche manuelle sur chacune des 31 variables cliniques étudiées et pour chacun des 10 centres participants ;
    • L’IA seule réduit notamment de moitié les erreurs par rapport à la saisie manuelle (taux d’erreur de 7,0% pour l’IA contre 14,2% pour la méthode manuelle). Étant dans le cadre d’une étude rétrospective, la vérification humaine par un ARC superviseur n’a pas été faite ;
    • L’IA réduit la variabilité entre centres participants par rapport à la structuration manuelle. Cela signifie qu’elle est capable de mieux systématiser la façon dont les données sont collectées et permet de répondre à l’enjeu d’homogénéité des données dans les études multicentriques ;
    • Et surtout, la méthode hybride IA/expertise humaine va encore plus loin : elle combine l’extraction par l’IA avec une révision manuelle ciblée par l’IA sur les 30 % des cas qu’elle juge les plus incertains, ce qui fait chuter le taux d’erreur à 4,4 %, tout en conservant une vitesse de traitement quatre fois supérieure à l’analyse strictement manuelle.

    Ce que cette étude met donc en lumière, c’est la pertinence d’un modèle hybride : automatisation par l’IA, combinée à une relecture humaine ciblée. Autrement dit, une IA pensée comme un outil d’industrialisation de la donnée clinique, et non comme un substitut à l’expertise médicale. Cette approche répond à une tension bien connue du champ : produire vite, à grande échelle, sans sacrifier la qualité scientifique ni la reproductibilité.

    Annonce du projet ALK-IA, avec Takeda et Heva 

    L’intérêt de LUCC ne se limite pas à la recherche académique. Le projet ALK-IA, mené avec Takeda Oncology et Heva, illustre le passage de la donnée structurée à l’impact clinique. En s’intéressant aux patients atteints de cancers bronchiques non à petites cellules ALK+, une population rare et spécifique, l’étude exploite la cohorte pour évaluer en vie réelle l’efficacité des inhibiteurs d’ALK et les schémas thérapeutiques associés.

    Ici, la valeur ajoutée tient à l’articulation des sources : données hospitalières structurées par IA, expertise d’analyse médico-économique, et chaînage avec le SNDS. Ce type de dispositif ouvre la voie à une compréhension longitudinale des parcours de soins, bien au-delà du cadre hospitalier, et répond directement aux attentes actuelles des industriels, des autorités de santé et des cliniciens en matière de preuves en conditions réelles.

    Vers un nouveau cadre de production de la preuve en oncologie :

    Au-delà de LUCC et d’ALK-IA, Lifen pose les jalons d’un modèle extensible. Des travaux sont déjà engagés en oncologie pédiatrique et dans le cancer de la prostate, avec le soutien de partenaires institutionnels comme la Filière intelligence artificielle & cancers (Fiac). Cette dynamique traduit une évolution plus large : la donnée de vie réelle n’est plus seulement un complément aux essais cliniques, mais devient un pilier structurant de la recherche et de l’évaluation en santé.

    L’enjeu est désormais moins technologique que systémique. Gouvernance des données, acceptabilité réglementaire, confiance des établissements et des patients, capacité à maintenir la qualité dans le temps : c’est sur ces dimensions que se jouera la généralisation de ce modèle. En ce sens, l’expérience de Lifen apporte un retour terrain précieux sur ce que peut être une recherche clinique réellement ancrée dans les pratiques de soin.

    Une inflexion stratégique pour l’écosystème santé

    Ce bilan met en évidence un glissement stratégique : la donnée hospitalière, longtemps perçue comme un sous-produit du soin, devient un actif scientifique à part entière, dès lors qu’elle est structurée, sécurisée et gouvernée. En s’inscrivant dans ce mouvement, Lifen contribue à faire émerger un cadre méthodologique capable de concilier exigences réglementaires, robustesse scientifique et rapidité d’exploitation.

    À l’heure où la recherche clinique est confrontée à des délais, des coûts et des contraintes de plus en plus élevés, ce type d’approche pourrait bien redessiner les équilibres entre essais traditionnels et données de vie réelle, non pas en opposition, mais en complémentarité structurée.

  • Fin du stockage des données du HDH par Azure ? Le Gouvernement abandonne la “solution intercalaire” pour accélérer l’hébergement souverain de la plateforme

    La fin d’un feuilleton sur l’hébergement des données de santé des Français

    Après plusieurs années de questionnements, marquées notamment par l’audition de la ministre de la Santé de l’époque, Agnès Buzyn, sur le choix de l’hébergement de la Plateforme de données de santé (Health Data Hub) par Microsoft Azure, puis par le lancement d’un appel d’offres transitoire doté de 6,2 millions d’euros, le HDH semble enfin entrevoir le bout du tunnel. Le Gouvernement français a en effet déclaré que la plateforme devrait être hébergée, « avant la fin de l’année 2026 », par une solution « sécurisée et souveraine ».

    Un nouvel appel d’offres doit ainsi être lancé sous l’impulsion de la ministre de la Santé, Stéphanie Rist. Cette fois, l’objectif est clair : déployer une solution pleinement opérationnelle, non plus temporaire mais durable. Si le montant alloué à ce nouvel appel d’offres n’a pas encore été rendu public, une chose est acquise : seuls des acteurs disposant de la certification SecNumCloud pourront candidater, acte fort en matière de sécurité et de maîtrise nationale des infrastructures.

    Un nouvel appel d’offres qui pourrait reprendre certains candidats du précédent dispositif :

    Sans surprise, cet appel d’offres pourrait voir réapparaître plusieurs candidats déjà positionnés lors du dispositif transitoire. Le média L’Informé avait révélé une liste de candidats pré-sélectionnés comprenant notamment Cloud Temple, associé à Atos et Docaposte, ainsi que OVHcloud. Tous disposent, ou sont engagés dans l’obtention, des certifications requises pour héberger des données de santé sensibles dans un cadre souverain.

    Même si la liste complète n’a jamais été officiellement confirmée, ces acteurs apparaissent comme des prétendants naturels, à la fois pour leur maturité technique et leur alignement avec les exigences de l’État. Le nouvel appel d’offres pourrait ainsi constituer moins une révolution qu’une clarification, avec, cette fois-ci, uniquement des candidats capables d’héberger les données des Français dans un espace sécurisé et souverain.

    Un dispositif qui intervient comme une nécessité pour éviter le naufrage de la plateforme 

    Au-delà du symbole politique, cette décision répond à une urgence très concrète. L’hébergement du Health Data Hub sur Microsoft Azure l’expose directement au Cloud Act américain, qui permet aux autorités des États-Unis d’exiger l’accès à des données hébergées par des entreprises américaines, y compris lorsqu’elles sont stockées hors du territoire américain. Malgré les dispositifs contractuels et techniques mis en avant, ce cadre juridique crée une incertitude structurelle sur le contrôle effectif des données.

    À cela s’ajoute un risque opérationnel rarement assumé publiquement : en cas de décision unilatérale de l’administration américaine (sanctions, restrictions d’exportation de services numériques, suspension de licences), l’accès à certaines briques cloud critiques pourrait être restreint ou interrompu, sans que l’État français ne dispose de marges de manœuvre juridiques réelles. Dans un contexte de tensions internationales accrues et de réaffirmation de la souveraineté numérique comme enjeu stratégique, le maintien d’un tel niveau de dépendance apparaissait de plus en plus difficilement soutenable pour une infrastructure aussi sensible que celle des données de santé des Français.

    Par ailleurs, plusieurs rapports publics et parlementaires ont dressé un constat sévère sur le Health Data Hub. Gouvernance instable, retards accumulés, faible adoption par la communauté scientifique : certains travaux, dont le biland du Fonds de transformation de l’action publique (FTAP) présenté par la Cour des comptes en novembre 2025, ont souligné une érosion de la valeur opérationnelle de la plateforme, parfois évaluée de manière symbolique à quelques centaines de milliers d’euros. Cette valeur est loin des ambitions initiales affichées lors de la création de la PDS, alors que le projet a été doté, depuis sa mise en oeuvre en novembre 2019, d’un budget total de plus d’un milliard d’euros et avait même été estimé à 54 millions d’euros avant de voir sa valeur être divisée par plus de 100. Cette volonté de passer d’une solution “transitoire” à une solution pérenne et souveraine apparaît comme une nécessité pour éviter de voir le naufrage de la plateforme, après plusieurs années de tensions.

  • FHIR, EHDS, IA : à deux ans de 2028, l’interopérabilité devient le socle stratégique de la santé numérique européenne

    FHIR “partout” : un standard mondial, mais des défis restent entiers

    L’un des constats formulés sans détour pendant la journée est clair : FHIR est désormais partout, mais cela ne signifie pas que tout est réglé. Les acteurs de terrain doivent encore composer avec :

    • des standards fragmentés,
    • des problèmes de qualité des données,
    • des exigences réglementaires en hausse,
    • une complexité d’implémentation qui demeure.

    InterSystems adopte une approche structurée : conserver un FHIR mindset tout en reconnaissant que l’interopérabilité reste un effort de transformation, et non un simple changement de format.

    De l’intégration point-à-point à la donnée comme actif partagé

    Au-delà de la technique, la bascule est aussi culturelle. L’interopérabilité s’éloigne du modèle historique des connexions ponctuelles entre applications pour devenir un système de données partagé, réutilisable et continu. Cette transition modifie la logique des systèmes d’information de santé :

    • hier : des flux transactionnels cloisonnés, centrés sur l’épisode de soin ;
    • Aujourd’hui : des actifs de données en temps réel, conçus pour la coordination, l’analytique et l’IA.

    FHIR ne représente donc pas seulement un langage commun : il devient une infrastructure stratégique.

    Person-centric : la donnée clinique ne suffit plus

    Autre évolution soulignée : le passage du patient-centric au person-centric. Les systèmes de santé intègrent des dimensions plus larges que le dossier médical classique : déterminants sociaux, données comportementales ou contexte de vie. L’objectif : construire une vision complète de la personne, nécessaire à la médecine de précision, à la coordination des parcours et à des IA utiles. FHIR devient ainsi une base de consolidation pour une donnée enrichie, au-delà du périmètre hospitalier.

    Hospital on FHIR : 125 hôpitaux engagés dans une dynamique européenne

    Dans ce contexte, la structuration des communautés devient un levier important. L’initiative Hospital on FHIR, lancée en 2023, regroupe aujourd’hui environ 125 hôpitaux dans plusieurs pays européens. Son ambition n’est pas de produire des recommandations descendantes, mais de favoriser l’échange de pratiques entre établissements, experts et industriels. FHIR y est présenté comme un moyen au service d’un objectif : rendre possible l’échange clinique à grande échelle, dans un cadre européen en construction.

    EHDS : l’échéance 2028 impose une accélération, mais le terrain reste fragile

    L’horizon réglementaire influence fortement les choix technologiques. L’application de l’EHDS à partir de 2028 impose aux systèmes de santé européens d’être prêts rapidement. Mais plusieurs intervenants l’ont rappelé : la norme ne suffit pas, ce sont les usages qui restent à construire.

    Une question sensible demeure : la responsabilité en cas d’erreur dans un échange transfrontalier. Si un document produit dans un pays est mal interprété dans un autre, qui porte le risque clinique ? Ces zones grises montrent que l’expérimentation devient nécessaire, car seules les pratiques permettront d’en révéler les limites.

    Le principal frein : un déficit de compétences en interopérabilité

    Un message revient avec insistance : l’Europe manque de professionnels formés. Le chantier EHDS est vaste, mais le nombre de spécialistes capables de déployer des infrastructures FHIR reste insuffisant. Des initiatives émergent, comme le projet Erasmus SHIA, visant à proposer des formations accessibles sur l’EHDS, FHIR et l’interopérabilité hospitalière. La transformation numérique n’est donc pas seulement technologique : elle est aussi humaine, organisationnelle et pédagogique.

    IA clinique : “garbage in, garbage out” reste la règle

    L’intelligence artificielle est omniprésente, mais une réalité demeure : sans données fiables, l’IA échoue. Les défis identifiés sont connus :

    • données insuffisamment prêtes,
    • coûts élevés,
    • manque de confiance,
    • complexité d’industrialisation.

    InterSystems défend une approche pragmatique : intégrer l’IA comme un levier d’usage, notamment via des copilotes, pour réduire le temps de mise en valeur et faciliter l’adoption dans les workflows.

    5 à 10 millions de patients : l’interopérabilité entre dans l’ère du “petabyte scale”

    L’interopérabilité change aussi d’échelle. Il devient courant qu’un acteur doive gérer des référentiels FHIR couvrant plusieurs millions de patients. Cette industrialisation impose de nouvelles exigences :

    • performance,
    • validation terminologique avancée,
    • capacité de mise à jour continue,
    • gouvernance solide.

    Retour industriel : Bow Medical et la centralisation comme stratégie de simplification

    Le témoignage de Bow Medical illustre cette transformation.

    L’éditeur est passé d’une architecture monolithique à un socle modernisé reposant sur :

    • une base de données unique,
    • un broker événementiel,
    • une meilleure cohérence des règles métier,
    • une ouverture progressive vers FHIR.

    Cette approche permet d’éviter le piège du “big bang”, en modernisant étape par étape, tout en réduisant la dette technique et en renforçant la sécurité. La centralisation devient ici une stratégie de simplification et d’évolution.

    FHIR n’est plus une option : la question est celle de la gouvernance

    Un point est exprimé clairement : FHIR n’est plus une tendance, c’est une dynamique mondiale. La difficulté réside désormais dans la capacité à éviter des implémentations divergentes, des profils incompatibles et une interopérabilité seulement théorique. D’où l’importance :

    • des communautés de pratique,
    • de l’exigence dans les appels d’offres,
    • d’une gouvernance européenne cohérente.

     

  • Au CHU de Nantes, l’IA devient opérationnelle quand elle est pensée pour le déploiement clinique

    Le rapport d’activité Recherche & Innovation 2024-2025 du CHU de Nantes détaille l’intégration de l’IA et des outils numériques, de l’imagerie médicale à la modélisation organisationnelle, avec plusieurs projets dotés de financements publics et industriels.

    L’établissement utilise des données cliniques, biologiques et organisationnelles pour faire de la recherche appliquée. Le rapport parle de plus de 2 400 études cliniques en cours, dont plusieurs mobilisent des outils d’analyse de données, de modélisation ou d’intelligence artificielle.

    Imagerie et jumeaux numériques, redessinent l’évaluation du risque cardiovasculaire

    L’un des domaines où l’IA est déjà structurante concerne l’imagerie médicale. Lancé en 2025, le laboratoire Limao (Laboratoire d’innovation en imagerie médicale nantais) associe le CHU de Nantes, Siemens Healthineers et le GHT 44. Il vise à transformer l’imagerie des pathologies neuro- et cardio-vasculaires par le recours à des outils numériques, incluant l’analyse automatisée d’images et l’aide à l’interprétation.

    Le projet Meditwin constitue un autre exemple d’intégration de l’IA et de modélisation numérique. Meditwin réunit 14 partenaires publics et privés autour de Dassault Systèmes pour développer des jumeaux numériques médicaux. Objectif : simuler l’évolution de maladies ou les réponses à différents traitements en créant des doubles virtuels d’organes ou de patients.

    L’ensemble de ces données permettra de renforcer la modélisation des risques cardiovasculaires

    Car au CHU de Nantes, les travaux portent notamment sur les maladies cardiovasculaires et l’hypercholestérolémie familiale. Les données issues de cohortes cliniques existantes et de nouvelles inclusions alimentent des modèles prédictifs destinés à affiner l’évaluation du risque cardiovasculaire et à adapter les stratégies de prise en charge.

    eCan : 16,8 M€ mobilisés pour appliquer l’IA à la détection des anévrismes intracrâniens

    Le projet eCan, lancé officiellement en juin 2024, développe des outils numériques fondés sur l’IA pour améliorer la détection et le suivi des anévrismes intracrâniens. Après 18 mois consacrés à la construction de flux sécurisés de données d’imagerie issues des hôpitaux du Grand Ouest, les données sont désormais annotées par des radiologues avant d’être utilisées par les chercheurs en IA. Doté d’un budget de 16,8 millions d’euros, dont 5,5 millions financés par l’État via France 2030, eCan réunit neuf partenaires publics et privés.

    Deux outils sont attendus :

    • Une application mobile pour accompagner les patients, actuellement testée,
    • Et un logiciel d’aide au diagnostic en IRM prévu pour 2026.

    L’usage du numérique dépasse le champ strict du diagnostic ou du traitement. L’étude Call-Samu, publiée fin 2024 dans npj Digital Medicine, illustre l’apport des données massives et de la modélisation organisationnelle. En s’appuyant sur près de quatre millions de données issues de cinq Samu des Pays de la Loire, les équipes ont conçu des jumeaux numériques de centres de régulation afin de tester différents scénarios d’organisation et d’améliorer les délais de prise en charge.

    Acculturation, validation clinique et sécurité des données : le cadre posé par le CHU de Nantes

    Pour accompagner ces transformations, le CHU de Nantes a renforcé ses structures de soutien, avec plus de 500 professionnels dédiés à la recherche et à l’innovation. La Fabrique de l’innovation en santé, lancée fin 2024, joue un rôle d’acculturation des équipes aux outils numériques et à l’IA.

    Les priorités affichées portent sur la maîtrise des usages, la validation clinique, la sécurité des données et l’intégration des outils numériques dans les pratiques professionnelles. Plusieurs projets accompagnés sont conçus pour être déployés directement dans le futur hôpital, afin de tester à grande échelle des solutions numériques en conditions réelles.

  • IA conversationnelles : un rapport place leur mésusage en tête des risques technologiques en santé pour 2026

    Le mésusage des IA conversationnelles en santé pourrait s’intensifier dans un contexte de dégradation de l’accès aux soins. La combinaison de facteurs géographiques, économiques et organisationnels (désertification médicale, hausse des coûts, fermetures de structures de proximité) accroît le risque que patients et aidants se tournent vers des chatbots comme substitut. Cette tendance, déjà observée selon ECRI, expose à une diffusion d’informations inexactes et à un contournement des parcours de soins, avec un impact potentiel sur la sécurité des patients et les inégalités de santé.

    Des diagnostics erronés

    Le mésusage des chatbots d’IA en santé arrive en tête du classement 2026 des risques liés aux technologies médicales publié par ECRI (Emergency Care Research Institute), organisation américaine indépendante spécialisée dans la sécurité des patients. Ce classement annuel recense les menaces les plus significatives pour les systèmes de soins, sur la base d’enquêtes d’incidents, de bases de signalement et de tests indépendants de dispositifs médicaux.

    Les outils visés reposent sur des modèles de langage de grande taille (LLM), tels que ChatGPT, Claude, Copilot, Gemini ou Grok. Capables de produire des réponses structurées et plausibles, ces systèmes ne sont ni régulés comme dispositifs médicaux ni validés pour un usage clinique, alors même qu’ils sont utilisés par des patients, des soignants et des personnels de santé. Selon ECRI, plus de 40 millions de personnes consulteraient chaque jour ChatGPT pour des informations de santé.

    ECRI souligne que ces chatbots peuvent apporter une aide ponctuelle, mais qu’ils sont également susceptibles de générer des informations fausses ou trompeuses, avec un risque direct pour les patients. Leur fonctionnement repose sur la prédiction statistique de séquences de mots à partir de données d’entraînement, sans compréhension du contexte médical ou du sens clinique. Les systèmes sont conçus pour répondre systématiquement et avec assurance, y compris lorsque l’information produite est incertaine.

    Les experts d’ECRI rapportent plusieurs exemples d’erreurs parmi lesquels :

    • Diagnostics inexacts.
    • Recommandations d’examens non nécessaires.
    • Promotion de fournitures médicales inadaptées.
    • Ou réponses médicalement incohérentes.

    Dans un test mené par l’organisation, un chatbot a ainsi validé à tort le positionnement d’une électrode de retour d’électrochirurgie sur l’omoplate d’un patient, une pratique exposant à un risque de brûlures.

    ECRI estime que ces usages pourraient devenir plus problématiques à mesure que l’augmentation des coûts de santé et les fermetures d’établissements réduisent l’accès aux professionnels. Dans ce contexte, certains patients pourraient être tentés de recourir aux chatbots comme substitut à un avis médical.

    Au-delà du risque clinique, ECRI alerte sur les effets potentiels en matière d’inégalités de santé. Les biais présents dans les données d’entraînement peuvent influencer les réponses produites et renforcer des stéréotypes ou des écarts existants dans la prise en charge.

    Le rapport formule plusieurs recommandations. Les utilisateurs, patients comme professionnels, sont invités à se former aux limites de ces outils et à vérifier systématiquement les informations obtenues auprès de sources qualifiées. Les établissements de santé sont encouragés à mettre en place des comités de gouvernance de l’IA, à former les cliniciens et à auditer régulièrement les performances des systèmes utilisés.

    Les dix principaux risques technologiques en santé pour 2026

    Outre le mésusage des chatbots d’IA, ECRI identifie neuf autres dangers :

    • Impréparation face à une perte brutale d’accès aux systèmes numériques (« digital darkness »).
    • Produits médicaux de qualité insuffisante ou falsifiés.
    • Défaillances dans la communication des rappels de dispositifs de gestion du diabète à domicile.
    • Mauvaises connexions de seringues ou de tubulures, dans un contexte d’adoption incomplète des standards ENFit et NRFit.
    • Sous-utilisation des technologies de sécurisation du médicament au bloc opératoire.
    • Instructions insuffisantes pour le nettoyage des dispositifs.
    • Risques de cybersécurité liés aux dispositifs médicaux anciens.
    • Implémentations technologiques générant des flux cliniques à risque.
    • Mauvaise qualité de l’eau utilisée pour la stérilisation des instruments.

    Leveraging ECRI’s Top 10 Health Technology Hazards Report: A Strategic Imperative for Healthcare in 2026

  • Etude : l’IA réduit les cancers d’intervalle dans le dépistage organisé (Lancet)

    Dans les programmes de dépistage organisés, la mammographie est relue par deux radiologues afin de limiter les erreurs d’interprétation. Malgré cette double lecture, une limite persiste : les cancers d’intervalle. Ces tumeurs, diagnostiquées entre deux examens pourtant jugés normaux, sont souvent plus volumineuses, plus invasives et de sous-types biologiques plus agressifs.

    Jusqu’ici, l’apport de l’intelligence artificielle dans ce domaine reposait surtout sur des études rétrospectives ou expérimentales. L’essai MASAI apporte pour la première fois des données issues d’un essai randomisé conduit en conditions réelles de dépistage organisé.

    Le plus vaste essai sur le couple IA/dépistage généralisé

    L’essai MASAI a été conduit au sein du programme national suédois de dépistage organisé du cancer du sein. Avec plus de 105 000 femmes âgées de 40 à 74 ans, il s’agit de l’un des plus vastes essais randomisés jamais conduits sur l’intégration de l’IA dans un programme de dépistage. Les participantes ont été randomisées en deux groupes.

    Dans le premier groupe, les mammographies étaient relues selon la procédure habituelle, c’est-à-dire une double lecture par deux radiologues. Dans le second, les examens étaient d’abord analysés par une intelligence artificielle qui triait les images selon leur niveau de suspicion. Les clichés considérés comme à faible risque faisaient l’objet d’une lecture simple par un radiologue, tandis que les images jugées suspectes bénéficiaient d’une double lecture humaine.

    Le critère principal d’évaluation était, dans une analyse de non-infériorité, le taux de cancers d’intervalle, c’est-à-dire les cancers diagnostiqués entre deux mammographies pourtant considérées comme normales. Le suivi s’est déroulé sur deux ans, dans les conditions habituelles du programme de dépistage.

    Les résultats de cette étude ont été publiés le 31 janvier dans le Lancet*.

    Résultats : moins de cancers invasifs et agressifs entre 2 mammographies

    • −12 % de cancers d’intervalle avec l’IA.
    • 81 % des cancers détectés au moment du dépistage avec IA vs 74 % en lecture standard.
    • −16 % de cancers invasifs diagnostiqués entre deux dépistages.
    • −21 % de tumeurs de grande taille (T2+).
    • −27 % de sous-types agressifs.
    • Spécificité inchangée : taux de faux positifs similaire (~1,5 %);
    • −44 % de volume de lecture pour les radiologues observé dans les analyses associées à l’essai.

    Pour les auteurs, l’intérêt de l’IA ne tient pas seulement à une amélioration des performances de lecture. Elle permet surtout de repenser l’organisation du dépistage, en orientant différemment le travail des radiologues : moins de temps consacré aux examens à très faible risque, davantage d’attention portée aux images jugées suspectes par l’algorithme. Dans un contexte où de nombreux programmes européens font face à une pénurie de lecteurs expérimentés, cette dimension organisationnelle est centrale. Les chercheurs soulignent également un autre effet observé dans l’essai : en signalant aux radiologues des images discrètement suspectes, l’IA permet de détecter dès le dépistage des cancers qui, sans cette alerte, auraient été diagnostiqués plusieurs mois plus tard entre deux mammographies.

    Une moindre « pression sur la charge de travail »

    « Déployer largement une mammographie assistée par IA dans les programmes de dépistage pourrait aider à réduire la pression sur la charge de travail des radiologues, tout en aidant à détecter davantage de cancers à un stade précoce, y compris des sous-types agressifs », explique Kristina Lång.

    L’équipe insiste toutefois sur la nécessité d’un déploiement encadré. Les performances observées ont été obtenues dans un cadre précis : un programme national, un protocole défini, un seul système d’IA. Pour les auteurs, l’enjeu est désormais de comprendre comment ces outils se comportent dans d’autres contextes de dépistage, et comment suivre leur impact dans le temps.

    « Introduire l’IA en santé doit se faire avec prudence, en utilisant des outils testés et avec une surveillance continue en place », souligne la chercheuse, afin de documenter la manière dont ces systèmes influencent les programmes de dépistage selon les régions et les pratiques locales.

    * Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial

    Gommers, Jessie et al.

    The Lancet, Volume 407, Issue 10527, 505 – 514

    https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(25)02464-X/abstract