Articles

  • Expérience patient : 73 % des soignants sensibilisés, et un concept de plus en plus intégré dans les établissements

    Un concept de plus en plus connu — 73 % des soignants y sont sensibilisés

    Depuis 2018, l’Institut Français de l’Expérience Patient (IFEP) publie chaque année un baromètre mesurant l’appropriation de la notion d’« expérience patient » par les professionnels de santé.

    • Dans l’édition 2023, 73 % des répondants déclaraient avoir déjà entendu l’expression « expérience patient », contre 55 % en 2018, soit +18 points.
    • Parmi eux, 63 % des établissements indiquent connaître le concept depuis plus de 2 ans, et 19 % depuis plus de 5 ans.

    Ce glissement marque une diffusion de cette approche, et reflète les efforts des structures et des instances nationales (comme l’Haute Autorité de Santé — HAS) pour la promouvoir.

    Les outils nationaux pour mesurer l’expérience patient

    Plusieurs dispositifs permettent de collecter et d’analyser l’expérience patient :

    • E-Satis, piloté par la HAS, recueille la satisfaction et le ressenti des patients hospitalisés. En 2024, près de 1,3 million de questionnaires ont été analysés, révélant des taux de satisfaction globaux supérieurs à 80 %, tout en soulignant des disparités selon les territoires et les spécialités.
    • Le Baromètre IFEP, enquête annuelle auprès des professionnels de santé, mesure l’appropriation de la notion et les efforts des établissements. En 2024, 60 % des établissements avaient commencé à travailler sur l’expérience patient, contre 38 % en 2019.
    • Des référentiels internationaux comme le Picker Patient Experience Questionnaire permettent d’évaluer les dimensions clés de l’expérience vécue, facilitant la comparaison et le benchmarking.

    Ces dispositifs créent une base méthodologique solide pour recueillir, structurer et analyser les retours patients, préalable indispensable à toute exploitation via l’IA.

    Un impact perçu large : qualité des soins, image, fidélisation…

    L’enquête de l’IFEP de fin 2024, avec 2 407 professionnels sondés révèle l’ampleur des enjeux liés à l’expérience patient.

    • 96 % des professionnels estiment que l’intégration de l’expérience patient influe positivement sur la relation avec les patients et la qualité de la prise en charge.
    • 95 % considèrent qu’elle a un effet bénéfique sur l’image et la réputation de l’établissement, 89 % sur la fidélisation des patients, 87 % sur la fidélisation des personnels, et 86 % sur le bien-être au travail des professionnels.

    Cela montre que, même avant l’intervention de l’IA, l’expérience patient est perçue comme un levier stratégique pour la performance hospitalière, l’attractivité des établissements, et la qualité des soins.

    De l’écoute traditionnelle aux outils standardisés : PREMs, PROMs et e-Satis

    Pour structurer cette “voix du patient”, la France s’appuie sur des instruments reconnus : les Patient-Reported Experience Measures (PREMs), les Patient-Reported Outcome Measures (PROMs), et le dispositif national e-Satis, piloté par la HAS. 

    • Les PREMs permettent de collecter le ressenti du patient sur son parcours — accueil, communication, coordination des soins, qualité perçue, dignité et respect, … 
    • Les PROMs, quant à eux, mesurent le résultat des soins tel que perçu par le patient et par le professionnel (chirurgien, médecin…) : symptômes, douleur, qualité de vie, fonctionnement — souvent avant et après un traitement ou pendant le suivi d’une pathologie. 
    • Suivant les recommandations de la HAS, le guide de l’ARS Île-de-France, depuis 2025 ces questionnaires sont recommandés dans une démarche d’expérience patient globale. 

    Ainsi s’instaure une base méthodologique solide pour recueillir, structurer et comparer les retours — nécessaires avant d’envisager une exploitation via des technologies avancées comme l’IA. 

    Adoption institutionnelle croissante : la politique de santé intègre l’expérience patient

    L’ARS Île-de-France a formalisé la promotion des PREMs et PROMs dans le cadre de sa politique régionale 2023-2028.

    • L’appel à projets « Déployer une démarche d’expérience patient avec des questionnaires PREMs et PROMs » lancé fin 2024 vise à structurer leur déploiement dans les établissements.
    • Plusieurs établissements engagés — notamment via des expérimentations sur des pathologies chroniques, des projets « Value Based HealthCare », ou des initiatives d’innovation organisationnelle — témoignent d’une montée en puissance de ces démarches.

    Les limites : mobilisation inégale, ressources insuffisantes, et données parfois sous-exploitables

    Malgré cette dynamique, des freins persistent à une mise en œuvre généralisée et stratégique. Selon le baromètre 2024 de l’IFEP, plusieurs limitations sont identifiées.

    • Référent inexistant ou flou : 38 % des sondés ne savent pas s’il existe un référent expérience patient dans leur établissement.
    • Pression sur le personnel soignant : 62 % des professionnels identifient l’épuisement et le stress comme freins majeurs.
    • Ressources limitées : 45 % citent le manque de budget ou de personnel et 40 % la formation insuffisante.

    D’un point de vue méthodologique, le guide ARS 2025 souligne que le déploiement des PREMs/PROMs nécessite un pilotage continu, des équipes mobilisées, et une solution numérique pour faciliter la collecte et l’analyse des données.

  • HAS, France Assos Santé, IFEP : panorama des acteurs de l’expérience patient en 2025

    De la loi Kouchner à la réforme de 2016

    Promulguée le 4 mars 2002, la loi relative aux droits des malades et à la qualité du système de santé – dite loi Kouchner – a marqué une rupture dans l’organisation des soins en France. Désormais, un texte de loi place le patient au cœur du dispositif de santé, en lui reconnaissant des droits individuels et collectifs.

    La loi Kouchner donne la capacité des patients à contribuer, par leur expérience, à l’amélioration de la sécurité des soins. Elle affirme plusieurs droits fondamentaux, dont le respect de la vie privée, de la dignité, le droit à l’information et l’absence de discrimination. Elle établit également le principe du consentement libre et éclairé pour tout acte médical, inscrivant le patient comme acteur à part entière du parcours de soins. Cette logique est prolongée par la loi du 26 janvier 2016, qui reconnaît aux usagers la possibilité d’agir collectivement en cas de préjudice lié à leur prise en charge. Ce texte transforme par ailleurs la Commission des Relations avec les Usagers et de la Qualité de la Prise en Charge (CRUQPC) en Commission des Usagers (CDU), renforçant leur place dans les établissements de santé.

    De l’arrêt Teyssier à France Assos Santé : la longue construction de la participation des usagers

    Cette avancée est l’aboutissement d’un long processus historique. Dès l’arrêt Teyssier (1942), les bases du consentement aux soins sont posées, renforcées par la loi Huriet de 1988. Dans les années 1980, face au VIH, les patients imposent un nouveau rapport au corps médical. Les associations comme AIDES ou Act Up deviennent des interlocuteurs du système de santé. L’affaire du sang contaminé en 1991 et les États généraux de la santé (1998-1999) confirment le besoin d’une refondation de la relation patient-soignant. La loi Kouchner organise donc la démocratie sanitaire autour de droits pour les individus et d’un rôle institutionnalisé pour les associations d’usagers. Elle reconnaît aussi la responsabilité médicale, y compris pour les aléas thérapeutiques.

    Depuis 2002, plusieurs textes sont venus compléter le socle instauré par la loi Kouchner :

    Parallèlement, le Collectif Interassociatif sur la Santé (CISS), devenu France Assos Santé en 2017, a consolidé la représentation des usagers à tous les niveaux du système de santé. Il regroupe aujourd’hui plus de 80 associationsN

    Vingt ans après la loi Kouchner, la participation des usagers reste limitée selon France Assos Santé

    Vingt ans après son adoption, la loi Kouchner a vu plusieurs de ses principes remis en question par la gestion de la pandémie. Le rapport de la Conférence nationale de santé de juin 2021 dresse un constat sévère : secret médical non respecté, information partielle, mesures sanitaires peu lisibles, isolement des personnes vulnérables, discriminations dans l’accès aux soins. Les atteintes aux droits ont notamment touché les patients non Covid, du fait de la déprogrammation massive d’interventions ou du manque d’accès aux consultations. Aussi, les inégalités sociales et territoriales se sont accentuées.

    Si la loi de 2002 a ouvert la voie à une meilleure représentation des patients, cette participation reste aujourd’hui limitée. Les représentants des usagers sont peu identifiés par les patients et parfois écartés des décisions.

    France Assos Santé propose des permanences et parlements régionaux pour renforcer la démocratie sanitaire

    • France Assos Santé recommande de créer des permanences physiques dans les établissements et de renforcer leur présence dans les instances.
    • Une autre proposition porte sur la création de parlements sanitaires et sociaux régionaux, indépendants des directions administratives, pour structurer une démocratie sanitaire locale plus ouverte et inclusive.
    • Enfin, l’un des constats majeurs établis dès 2011 reste d’actualité : la répartition territoriale des professionnels de santé demeure inégalitaire. Déserts médicaux, difficultés d’accès à un médecin traitant, coût des soins ou des complémentaires santé sont autant de freins pour une partie des usagers.

    L’IFEP rappelle que l’analyse du vécu patient peut réduire les réhospitalisassions de 30 jours

    Car l’exploitation structurée de l’expérience patient permet d’identifier les points de friction dans les parcours de soins. En recueillant et analysant le vécu des usagers, les établissements peuvent ajuster leurs pratiques et un levier sur des indicateurs comme la réduction des réhospitalisassions ou l’adhésion aux traitements. Elle contribue également à restaurer la confiance dans le système de santé, à condition que ces retours soient intégrés aux processus décisionnels, notamment via les représentants des usagers. Malgré l’introduction historique des droits des patients avec la loi de 2002, les inégalités d’accès aux soins et la faible reconnaissance des représentants des usagers révèlent les limites du modèle, notamment depuis la crise du Covid-19. Or un retour d’expérience patient bien exploité permettrait de diminuer les ré-hospitalisations à 30 jours, selon l’Institut français expérience patient (IFEP).

    @ Health & Tech Intelligence : Résultats nationaux 2023 e-Satis +48h MCO Patients hospitalisés plus de 48h en Médecine – Chirurgie – Obstétrique

    Les acteurs de l’expérience patient 

    Au-delà du binôme médecin-patient, l’expérience de soins mobilise un large éventail de professionnels médicaux, sociaux et institutionnels, appelés à coordonner leurs actions tout au long du parcours.

    Les patients partenaires : impliqués jusqu’à 180 heures dans la formation des étudiants

    En premier lieu, on peut noter l’implication des patients eux-mêmes, une évolution dans la dynamique des soins, étendant leur rôle au-delà de la simple réception des traitements. Ces patients experts, formateurs ou pair-aidants, valorisent leur vécu personnel pour nourrir l’amélioration des pratiques. Leur participation est reconnue. Les patients participent donc à la formation des médecins en France (depuis 2019, la participation des patients est inscrite dans la loi comme une composante des formations médicales, mais son application reste très hétérogène en France). Les patients partenaires peuvent intervenir jusqu’à : 180 heures dans le cadre du DES de médecine générale (3e cycle), 96 heures dans les groupes d’échanges de pratiques en 2e cycle, 36 heures pour l’UE sur le parcours de santé du patient. Cette participation favorise une meilleure sensibilisation des futurs soignants aux réalités vécues par les patients.

    Coordination médico-sociale : un levier sous-utilisé face aux besoins des patients fragilisés

    Les professionnels sociaux et médico-sociaux complètent ce dispositif en prenant en charge les dimensions non médicales, essentielles pour les patients fragiles ; par exemple une étude en cancérologie menée auprès de plus de 7 700 patients a montré que 24% des personnes n’avaient pas été orientées vers des soins de support malgré leurs séquelles, et plus de la moitié ne bénéficiaient pas d’un accompagnement social adapté. Ce constat souligne l’importance du rôle des professionnels médico-sociaux pour combler ces manques et garantir un accompagnement global.

    Les professionnels de santé mobilisent PROMs et PREMs pour améliorer les soins

    Les professionnels de santé (infirmiers, aides-soignants, kinésithérapeutes) sont en première ligne pour observer ce qui fonctionne ou non dans le parcours de soins. Ils recueillent de façon directe et régulière les retours des patients. Un premier exemple concerne la collecte de données par les médecins généralistes via les PROMs (Patient-Reported Outcome Measures). Ces questionnaires permettent de mieux comprendre les symptômes ressentis par les patients et d’ajuster les traitements. Par exemple, lors du suivi des patients atteints de maladies chroniques, les PROMs facilitent la détection précoce des symptômes aggravants, ce qui optimise les interventions médicales. Selon un rapport récent, plus de 60% des maladies recensées par l’OMS sont suivies à travers ces indicateurs de santé rapportés par les patients. Un deuxième exemple illustre le rôle des infirmiers dans les services d’urgence. Par la mise en place de questionnaires d’expérience patient (PREMs), les infirmiers recueillent les perceptions des patients sur la communication, le temps d’attente et la qualité globale des soins. Ce recueil structuré a permis, dans certaines institutions, de réduire le temps d’attente perçu et d’améliorer l’empathie des équipes soignantes, augmentant ainsi la satisfaction globale des patients. Par exemple, l’AP-HP a mis en place un dispositif où les patients reçoivent un questionnaire par mail, pour identifier les axes d’amélioration.

    Les aidants en première ligne

    Les aidants ont un impact direct sur l’expérience patient. Ils assurent une présence continue auprès de la personne malade et participent à de nombreuses décisions du quotidien. Leur soutien contribue à sécuriser le parcours de soins, à faciliter la compréhension des informations médicales et à renforcer l’adhésion aux traitements, notamment en cas de pathologies chroniques ou de perte d’autonomie. Leur implication influence aussi la perception de la qualité des soins, puisque le vécu des proches  se répercute sur celui du patient. Des études montrent que la présence d’un proche aidant peut réduire le stress et l’anxiété des patients hospitalisés, favoriser un meilleur suivi des traitements et limiter les ruptures de soins, même si cette aide expose les aidants à un risque accru de fatigue, de troubles anxieux et de difficultés sociales. Cette double dimension souligne la nécessité d’intégrer les aidants dans les dispositifs d’expérience patient tout en développant pour eux des mesures de soutien adaptées. En France, environ 11 millions de personnes se déclarent aidantes, ce qui montre l’ampleur de cette contribution et son poids dans l’organisation concrète des parcours.

    Les institutions : la HAS encadre la prise en compte dans les établissements de santé

    Plusieurs institutions publiques jouent un rôle dans l’organisation et la régulation de l’expérience patient en France. La Haute Autorité de Santé (HAS) émet des recommandations et évalue la qualité des soins, tandis que les Agences Régionales de Santé (ARS) assurent la coordination territoriale. Les établissements hospitaliers, publics et privés, sont responsables de la qualité des parcours et de la mise en œuvre des dispositifs d’amélioration. Par ailleurs, les caisses d’assurance maladie interviennent dans le financement et le soutien aux parcours, spécifiquement pour les soins de longue durée. Ce cadre institutionnel participe à la promotion des droits. Avec six critères dédiés dans son référentiel 2025, la HAS renforce l’intégration de la parole des patients dans la gouvernance, les pratiques cliniques et les évaluations de la qualité des soins.

    La version 2025 du référentiel de certification des établissements de santé consacre une place à l’expérience patient. La Haute Autorité de Santé (HAS) y inscrit un objectif complet sur l’implication des patients dans la vie de l’établissement, matérialisé par six critères (expression de l’expérience patient, prise en compte de la satisfaction, utilisation des PROMs, partenariats avec les patients et associations, implication des représentants des usagers et accès à l’information).

    Les CDU (Commission des Usagers) doivent inclure au minimum un médiateur médecin et non-médecin, des représentants des usagers et un représentant de l’établissement. La HAS valorise deux formes d’engagement :

    • Le patient partenaire, qui s’implique directement dans son parcours de soins, en collaboration avec l’équipe médicale. Il participe à la prise de décision et à l’amélioration des pratiques.
    • Le patient expert, souvent formé et parfois diplômé, possède une connaissance approfondie de sa pathologie et peut intervenir dans des projets institutionnels, de formation ou d’élaboration de protocoles.

    Ces profils soutiennent une triple légitimité de l’implication des usagers : médicale (pertinence des soins), stratégique (efficacité organisationnelle) et politique (réduction de la dépendance hospitalière). Depuis 2016, le dispositif e-satis permet de recueillir en continu la satisfaction des patients par des questionnaires standardisés. Ce dispositif devient central dans la version 2025 du référentiel, via le critère 1.4-02 qui impose la prise en compte de ces retours.

    Près de 15 000 associations mobilisées pour défendre les droits et améliorer les pratiques de soin

    Les associations de patients, historiquement moins visibles, occupent aujourd’hui une place centrale. Elles sont au nombre de près de 15 000 en France métropolitaine et représentent plus de 20 millions de patients atteints de maladies chroniques. Leur action dépasse le soutien direct aux malades : elles mènent des campagnes multi-supports (télévision, radio, presse, réseaux sociaux) pour sensibiliser la population, prévenir, défendre des droits et faire évoluer les représentations. Cette évolution s’appuie sur une autonomie financière renforcée et une crédibilité accrue. Les associations interviennent aussi dans l’amélioration des pratiques professionnelles et la co-construction avec les industriels de messages et services adaptés à la réalité des patients. Par exemple, elles collaborent avec des groupes pharmaceutiques pour élaborer des référentiels qualité et personnaliser les entretiens pharmaceutiques.

    • L’Institut Français de l’Expérience Patient (IFEP) est une organisation à but non lucratif qui vise à faire de l’expérience patient un levier de transformation du système de santé en France. Il accompagne les établissements dans leurs mutations, outille les professionnels et explore de nouveaux canaux pour impliquer les patients et leurs proches.
    • France Assos Santé fédère toutes les associations de patients et usagers en France. Elle œuvre pour représenter les intérêts des patients dans les décisions de santé publique, promouvoir leurs droits et améliorer l’accès aux soins. L’organisation encourage la participation active des usagers dans le système de santé et soutient les actions en faveur de l’expérience patient.
    • L’Agence nationale d’appui à la performance des établissements de santé et médico-sociaux (Anap) renforce son soutien à la prise en compte de l’expérience patient et usager. Enjeu organisationnel, managérial et clinique, cette démarche permet d’améliorer concrètement la qualité des prises en charge, en s’alignant sur les besoins exprimés par les usagers.

     

  • IA & expérience patient : 23 études et revues confirment un changement d’échelle dans les usages cliniques (revue de littérature 2024‑2025)

    Cadre et sources : une littérature en structuration

    Plusieurs revues de littérature structurent ce champ émergent, en particulier deux synthèses méthodologiques centrées sur l’usage combiné de PROMs et de machine learning pour la prédiction d’issues cliniques. La revue narrative de Pruski et al. (BMC Medical Informatics and Decision Making, University of Manchester et Cardiff University, Royaume‑Uni) analyse 73 études et souligne la diversité des PROMs utilisés, la variété des techniques de ML (forêts aléatoires, SVM, réseaux de neurones, modèles d’ensemble) et l’absence de « meilleur » modèle universel en termes de performance. La revue de portée de Wójcik et al. (Health and Quality of Life Outcomes, University of Leeds et Leeds Teaching Hospitals, Royaume‑Uni) inclut 94 études appliquant des modèles d’IA à des PROMs pour prédire survie, qualité de vie ou décisions thérapeutiques, en particulier en orthopédie et en oncologie, et pointe un déficit récurrent de validation externe et de transparence méthodologique.​

    En complément, Messina et al. (Healthcare Basel, Université de Bologne et partenaires) réalisent une revue rapide assistée par IA des PROMs utilisés dans le diabète de type 2, avec un focus sur les populations âgées. Les auteurs identifient une large palette d’instruments (PAID, DDS, EQ‑5D, SF‑36, DTSQ, échelles de dépression et de bien‑être) mais constatent une intégration limitée de ces mesures dans les flux numériques de routine, freinée par la fragmentation des outils, l’absence d’interfaces adaptées et le manque de formation des professionnels. Enfin, Harrison et Trickett (Journal of Hand Surgery European Volume, University Hospital Wales et University of Oxford) décrivent la transition des PROMs traditionnels vers des approches basées sur l’item response theory, les tests adaptatifs informatisés et l’IA, ouvrant la voie à des mesures plus ciblées et dynamiques de l’expérience et des résultats perçus.​

    PROMs, PREMs et IA : un socle métrique en mutation

    L’ensemble de ces revues suggère que les PROMs et PREMs deviennent un socle essentiel pour des modèles d’IA orientés vers la valeur, à condition d’aborder systématiquement trois dimensions : qualité des données, standardisation et gouvernance. Wójcik et al. relèvent des pratiques hétérogènes de gestion des données manquantes et des classes déséquilibrées, un reporting incomplet des hyperparamètres et un manque général d’informations sur l’ethnicité des participants, ce qui limite la transférabilité et l’évaluation d’équité. Pruski et al. insistent sur le fait que des modèles prometteurs dans une cohorte ou un centre donné ne peuvent être appliqués tels quels dans d’autres environnements, même lorsque la pathologie et les PROMs semblent comparables, faute d’alignement des contextes cliniques, organisationnels et démographiques.​

    Dans le champ spécifique du diabète, Messina et al. montrent que, malgré la disponibilité d’outils validés pour la qualité de vie, la détresse ou la satisfaction, l’usage routinier des PROMs reste marginal dans de nombreux services, ce qui limite la capacité à nourrir des modèles d’IA à grande échelle. Les auteurs soulignent la nécessité de workflows numériques simples (intégration dans les dossiers électroniques, automatisation de la saisie et du scoring, visualisation exploitable en consultation) pour passer d’une logique de recherche à une logique opérationnelle.​

    Modèles prédictifs de satisfaction et d’issues perçues

    Plusieurs équipes utilisent des approches de ML pour prédire directement la satisfaction et la probabilité d’atteindre un bénéfice clinique perçu à partir de PROMs, de données cliniques de base et de variables psychosociales.​

    En chirurgie rachidienne, Hiyama et al. (European Spine Journal, Tokai University School of Medicine, Japon) analysent 149 patients opérés par lateral lumbar interbody fusion. Un modèle Random Forest destiné à prédire la satisfaction postopératoire atteint une exactitude moyenne de 82,6%, une précision de 83,6%, un rappel de 99,2% et un F1‑score de 90,7% en validation croisée, avec un taux global de 85,2% de patients satisfaits. Les facteurs les plus influents sont les scores de douleur lombaire préopératoire, la fonction sociale et les améliorations postopératoires de la marche et de la santé mentale, tandis que des paramètres chirurgicaux tels que le nombre de segments fusionnés ou les lésions de plateaux vertébraux jouent un rôle secondaire.​

    Dans la chirurgie du canal carpien, Manoochehri et al. (BMC Musculoskeletal Disorders, Kermanshah University of Medical Sciences et universités iraniennes partenaires) évaluent quatre algorithmes (Random Forest, Gradient Boosting, SVM, k‑NN) chez 303 patients opérés sous anesthésie locale. Le Random Forest obtient une exactitude de 0,901 (IC 95 % 0,869–0,933) pour la prédiction de la satisfaction, avec une sensibilité de 0,852, une spécificité de 0,941 et une AUC de 0,894, tandis que l’exactitude atteint 0,933 pour le sous‑score fonctionnel du BCTQ (FSS), associée à une sensibilité de 0,901, une spécificité de 0,960 et une AUC de 0,932. Les variables déterminantes incluent la force de préhension, l’âge, l’IMC, les résultats électrophysiologiques et la durée des symptômes.​

    Kawabata et al. (Journal of Orthopaedic Science, consortium multicentrique japonais) développent un modèle SVM linéaire prédictif de la satisfaction (ZCQ) après chirurgie de sténose lombaire à partir des scores JOABPEQ pré‑ et postopératoires. Sur 232 patients pour l’entraînement et 66 pour la validation externe, l’aire sous la courbe atteint 0,82 en validation interne, avec une exactitude de 0,72, une sensibilité de 0,75 et une spécificité de 0,69, puis 0,75 en validation externe avec une exactitude de 0,76 et une sensibilité de 0,83. Les dimensions « troubles psychologiques » et « capacités de marche » ressortent comme composantes majeures du modèle.​

    Enfin, Park et al. (BMC Musculoskeletal Disorders, États‑Unis) appliquent divers modèles de ML à 350 patients de prothèse totale de hanche afin de prédire la non‑atteinte de la difference minimale cliniquement importante (MCID) et du substantial clinical benefit (SCB) pour le score HOOS‑JR. Les résultats montrent que 16,0% des patients n’atteignent pas la MCID ancrée (17,7 points), 8,3% la MCID distributionnelle (10,6 points) et 20,3% le SCB (22 points), les troubles mentaux préexistants et la race apparaissant comme facteurs transversaux associés à l’échec d’atteinte des seuils cliniquement pertinents.​

    IA et analyse massive de l’expérience patient

    Plusieurs travaux récents portent sur l’automatisation de l’analyse des PREMs et du feedback textuel à grande échelle, avec un impact direct potentiel pour les directions de la qualité et de la transformation numérique.​

    Khanbhai et al. (JMIR Medical Informatics, Imperial College London et Imperial College Healthcare NHS Trust, Royaume‑Uni) évaluent un algorithme supervisé de text mining appliqué aux commentaires libres du Friends and Family Test dans neuf organisations de santé anglaises. Le modèle, fondé sur des représentations « bag‑of‑words » et sur une classification supervisée, atteint une exactitude globale d’environ 75% pour la prédiction des thèmes et du sentiment, avec des performances initialement plus faibles en pédiatrie et santé mentale avant adaptation par des schémas de codage locaux. La saturation thématique est atteinte après le cinquième établissement, ce qui permet de limiter le recodage manuel pour les quatre derniers et de stabiliser les modèles.​

    Canfell et al. (BMJ Health Care Informatics, King’s College London et Queensland Digital Health Centre, Australie) réalisent une étude de recherche‑action participative couvrant 114 hôpitaux et 16 services de santé publics d’un État australien, soit 175 282 enquêtes PREMs et 23 982 réponses libres pour un taux moyen de réponse de 13,7% entre 2020 et 2022. Les auteurs documentent des workflows existants jugés problématiques (volume de données, délais analytiques, faible intégration aux circuits de décision, inéquités de ressources analytiques) et co‑conçoivent trois workflows IA semi‑automatisés allant de rapports simples « no‑code » à des tableaux de bord Power BI à granularité unité clinique, intégrant des modules d’analyse thématique non supervisée. Ces workflows sont mappés à un cadre de faisabilité validé et considérés comme prêts pour un pilote clinique.​

    Rahman et al. (Scientific Reports, Begum Rokeya University, Bangladesh) appliquent LightGBM, Random Forest, XGBoost et CatBoost à un échantillon de 312 patients issus de deux hôpitaux privés pour prédire la satisfaction globale. Le modèle LightGBM sans sur‑échantillonnage SMOTE obtient une exactitude de 0,85, une ROC‑AUC de 0,83 et un coefficient de corrélation de Matthews de 0,69, les analyses SHAP identifiant le plan de traitement, l’âge, la facilité de prise de rendez‑vous, le temps d’attente et les informations médicamenteuses comme déterminants principaux de satisfaction. Ces données illustrent, dans un contexte à ressources limitées, la capacité d’outils explicables à mettre en évidence des leviers opérationnels immédiats (organisation des flux, communication structurée).​

    Dans le domaine dentaire, Ingle et al. (Journal of Pharmacy & Bioallied Sciences, universités d’Arabie saoudite et d’Inde) réalisent une revue systématique et méta‑analyse incluant sept études et 1 225 patients. Les technologies d’IA (diagnostic assisté, planification, simulation) sont associées à une taille d’effet globale de 1,16 (IC 95 % 1,11–1,22, Z = 41,75, p < 0,00001) sur la satisfaction, avec des bénéfices décrits en termes de précision perçue, efficacité procédurale, confiance, communication et réduction de l’anxiété.​

    Agents IA, empathie et dispositifs au contact du patient

    L’expérience patient ne se résume pas aux PROMs/PREMs et aux scores agrégés ; plusieurs études examinent les interactions directes entre IA, cliniciens et patients.​

    Marks et al. (Journal of General Internal Medicine, Beth Israel Deaconess Medical Center et Cooper University Health Care, États‑Unis) mènent une étude transversale dans deux services d’urgences universitaires, incluant 1 025 patients adultes. À l’aide d’un algorithme LASSO, les auteurs identifient, parmi 27 comportements de médecins, neuf actions prédictives des scores d’une échelle validée de compassion à cinq items, l’écoute attentive (« écouter soigneusement ce que vous aviez à dire ») étant associée à l’augmentation la plus forte du score. Des analyses exploratoires suggèrent des différences de pondération de certains comportements selon le sexe et la race des patients, ce qui ouvre la voie à des interventions ciblées de formation et à d’éventuels systèmes de feedback augmentés par l’IA.​

    Chen et al. (Digital Health, Beijing University of Chinese Medicine, Chine) exploitent 7 586 dialogues de consultation en ligne, dont 71,8% notés satisfaisants, pour construire, via LightGBM (F1 = 0,78, AUC = 0,81), un modèle de classification des consultations fondé sur sept variables dérivées des trois dimensions de la Jefferson Scale of Physician Empathy. Les dimensions « se mettre à la place du patient » et « prise de perspective » ressortent comme déterminants principaux de satisfaction, suggérant que les marqueurs linguistiques d’empathie peuvent être captés automatiquement et servir de base à des outils d’aide à la communication ou de supervision qualitative.​

    Wang et al. (Digital Health, Affiliated Hospital of Guangdong Medical University et universités chinoises partenaires) analysent, via un modèle d’équations structurelles, les effets de services de consultation IA dans un internet hospital sur 1 113 réponses valides. Le modèle dual montre que la satisfaction résulte d’une voie « technique » (efficacité, disponibilité du système, confidentialité, fulfillment) agissant via la valeur perçue, et d’une voie « expérientielle » où la qualité des rencontres de service influence satisfaction via la valeur perçue et les émotions. Les émotions jouent un rôle d’amplificateur : les émotions positives renforcent l’effet de la valeur perçue, tandis que les émotions négatives l’atténuent, les interactions de service ayant un effet particulièrement marqué sur la réduction des émotions négatives.​

    Li et al. (Journal of Medical Internet Research, hôpitaux chinois) comparent l’expérience de 394 patients externes selon qu’ils ont ou non utilisé un agent conversationnel IA dans leur parcours. Après ajustement multivarié, l’utilisation de l’agent est associée à une augmentation moyenne de 7,51 points du score global d’expérience, ainsi qu’à des scores significativement meilleurs sur les dimensions de communication médecin‑patient, d’information, de résultats à court terme et de satisfaction globale. Ces résultats suggèrent que les agents conversationnels peuvent améliorer l’expérience perçue en amont ou en complément du contact humain, à condition d’être intégrés dans un parcours cohérent.​

    Dans un autre registre, Umman et al. (Transplantation Proceedings, hôpitaux turcs) évaluent un dispositif d’éducation et de conseil basé sur ChatGPT et WhatsApp pour des receveurs et donneurs en transplantation. Sur 196 patients et 1 281 questions, 92% des réponses IA sont jugées « sûres » (score ≥4/5) et 80% « exactes » (score ≥4/5), avec un taux de satisfaction globale de 99,5% sur l’échelle SAPS. Les auteurs insistent toutefois sur la nécessité d’une supervision médicale systématique et de limites explicites du rôle de l’IA.​

    Harvey et al. (World Journal of Pediatric Surgery, système multi‑sites nord‑américain) explorent l’usage d’un scribe clinique IA « ambiant » en consultation chirurgicale externe. L’étude rapporte une adoption de 58 à 90% des consultations, une réduction de la charge mentale (NASA‑TLX) de 14 à 5, une baisse du sentiment de précipitation de 15 à 5 et une diminution du taux de burn‑out de 67% à 33%, avec amélioration des scores d’attention non partagée (de 3,5 à 4,1) et stabilité des indicateurs financiers. Indirectement, ces gains sur la disponibilité cognitive du clinicien peuvent se traduire par une expérience patient perçue comme plus attentive et moins fragmentée.​

    Dans le dépistage, Bhambhwani et al. (Ophthalmic Epidemiology, Northern Ontario School of Medicine et Orbis International) évaluent un programme pilote de dépistage autonome de la rétinopathie diabétique par IA en soins primaires auprès de 202 patients diabétiques à Thunder Bay, Canada. Les examens IA sont techniquement réussis dans 93,6% des cas, 22,2% des patients présentent une rétinopathie « référable », et 76% de ces derniers se rendent effectivement à un rendez‑vous d’ophtalmologie, tandis que le score moyen de satisfaction pour l’ajout de l’examen IA à la consultation est de 4,8/5. L’étude conclut à la faisabilité et à l’acceptabilité de ce modèle, qui renforce l’accessibilité au dépistage sans dégrader l’expérience patient.​

    Qualité de vie et architectures multimodales

    Enfin, Haleem et al. (IEEE Journal of Biomedical and Health Informatics, consortium européen GATEKEEPER) proposent une architecture profonde multimodale pour estimer la qualité de vie de patients atteints de cancer avancé à partir de données de dispositifs portables et de PROMs. Sur 204 patients suivis pendant 42 jours, l’architecture, combinant CNN, BiLSTM avec attention pour les signaux physiologiques (fréquence cardiaque, activité, sommeil) et un réseau parallèle pour les PROMs (HADS, IPOS), atteint une MAPE d’environ 0,24 pour la prédiction d’un score d’HRQoL. Cette approche illustre le potentiel des combinaisons capteurs + PROMs pour un monitoring continu du vécu des patients, avec des applications potentielles en oncologie, soins palliatifs et maladies chroniques.​

    Conditions de succès pour les directions de santé numérique

    Les travaux analysés convergent sur plusieurs conditions nécessaires pour que l’IA devienne un levier durable d’amélioration de l’expérience patient plutôt qu’un ensemble d’expériences isolées. Sur le plan méthodologique, les revues insistent sur la standardisation du reporting (hyperparamètres, gestion des biais, external validation), l’intégration de variables psychosociales et de santé mentale, et la nécessité de ne pas transposer mécaniquement des modèles d’un contexte à un autre. Sur le plan organisationnel, les études anglaises et australiennes montrent que la valeur se situe dans des workflows analytiques réutilisables, ancrés dans les circuits d’amélioration de la qualité (tableaux de bord, boucles d’action, responsabilités claires) plus que dans la sophistication isolée des algorithmes.​

    Pour les CEO et responsables de la santé numérique, plusieurs axes opérationnels se dégagent : investir dans la collecte structurée et longitudinale de PROMs/PREMs (y compris texte libre), co‑concevoir des workflows IA avec les équipes cliniques et les patients, documenter systématiquement l’impact sur les sous‑groupes (équité, acceptabilité), et considérer l’IA à la fois comme outil analytique (priorisation des actions) et comme couche de service (agents, scribes, dépistage autonome) agissant sur la perception directe de la qualité des soins. L’enjeu, au vu de ces travaux, n’est plus de démontrer la faisabilité technique, mais d’industrialiser des usages responsables, validés et centrés sur la valeur vécue par les patients.​

     

    Bibliographie — Sélection 2024‑2025 (revues de littérature et études citées)

    Bhambhwani V et al. Feasibility and Patient Experience of a Pilot Artificial Intelligence-Based Diabetic Retinopathy Screening Program in Northern Ontario. Ophthalmic Epidemiol. 2025;32(5):518‑524. doi: 10.1080/09286586.2024.2434738.​

    Canfell OJ et al. Artificial intelligence after the bedside: co-design of AI-based clinical informatics workflows to routinely analyse patient-reported experience measures in hospitals. BMJ Health Care Inform. 2024;31(1):e101124. doi: 10.1136/bmjhci-2024-101124.​

    Chen J et al. Exploring factors affecting patient satisfaction in online healthcare: A machine learning approach grounded in empathy theory. Digit Health. 2024;10:20552076241309223. doi: 10.1177/20552076241309223.​

    Haleem MS et al. A Multimodal Deep Learning Architecture for Estimating Quality of Life for Advanced Cancer Patients Based on Wearable Devices and Patient-Reported Outcome Measures. IEEE J Biomed Health Inform. 2025;PP. doi: 10.1109/JBHI.2025.3597054.​

    Harrison CJ, Trickett RW. Patient reported outcome measures from the classics to AI. J Hand Surg Eur Vol. 2025;50(6):807‑813. doi: 10.1177/17531934251327291.​

    Harvey CJ et al. Ambient AI-assisted clinical documentation in surgical outpatient care: a preliminary study of usability, workflow, and patient experience. World J Pediatr Surg. 2025;8(5):e001073. doi: 10.1136/wjps-2025-001073.​

    Hiyama A et al. Machine learning insights into patient satisfaction following lateral lumbar interbody fusion. Eur Spine J. 2025;34(9):3670‑3682. doi: 10.1007/s00586-025-08659-6.​

    Ingle NA et al. Impact of AI-Driven Technologies on Patient Satisfaction in General Dentistry: A Systematic Review and Meta-Analysis. J Pharm Bioallied Sci. 2025;17(Suppl 2):S1297‑S1300. doi: 10.4103/jpbs.jpbs_19_2024.​

    Kawabata S et al. Development of a machine-learning model for patient satisfaction prediction in lumbar spinal stenosis surgery: A multicenter study with ZCQ and JOABPEQ scores. J Orthop Sci. 2025;S0949‑2658(25)00196‑4. doi: 10.1016/j.jos.2025.06.014.​

    Khanbhai M et al. Leveraging AI to Drive Timely Improvements in Patient Experience Feedback: Algorithm Validation. JMIR Med Inform. 2025;13:e60900. doi: 10.2196/60900.​

    Li D et al. Use of Artificial Intelligence-Assisted Conversational Agents to Improve Patient Experience Related to Physicians: Cross-Sectional Study in China. J Med Internet Res. 2025;27:e76540. doi: 10.2196/76540.​

    Manoochehri Z et al. Machine learning applications in forecasting patient satisfaction and clinical outcomes after carpal tunnel release: a retrospective study. BMC Musculoskelet Disord. 2025;26(1):1813. doi: 10.1186/s12891-025-09079-9.​

    Marks CM et al. Machine Learning to Identify Physician Actions Associated with Patient Experience of Compassion. J Gen Intern Med. 2025. doi: 10.1007/s11606-025-09914-8.​

    Messina R et al. Patient-Reported Outcome Measures in Adults with Type 2 Diabetes—With a Focus on Older Populations: An AI-Assisted Rapid Review of Use and Implementation in Clinical and Organizational Practice. Healthcare (Basel). 2025;13(22):2840. doi: 10.3390/healthcare13222840.​

    Ormond MJ et al. Artificial Intelligence in Commercial Industry Serving the End-to-End Patient Experience Across the Digital Ecosystem. Arthroscopy. 2025;41(5):1683‑1690. doi: 10.1016/j.arthro.2025.01.064.​

    Park J et al. Preoperatively predicting failure to achieve the minimum clinically important difference and the substantial clinical benefit in patient-reported outcome measures for total hip arthroplasty patients using machine learning. BMC Musculoskelet Disord. 2025;26(1):1150. doi: 10.1186/s12891-025-08339-y.​

    Pruski M et al. A narrative review of the use of PROMs and machine learning to impact value-based clinical decision-making. BMC Med Inform Decis Mak. 2025;25(1):250. doi: 10.1186/s12911-025-03083-8.​

    Rahman MM et al. Identifying key influencers of patient satisfaction using an explainable machine learning approach. Sci Rep. 2025;15:135607. doi: 10.1038/s41598-025-18809-x.​

    Rubio O et al. How could artificial intelligence improve patient experience in the ambulatory setting? Reflections from the JANUS group. Med Clin (Barc). 2025;164(4):190‑195. doi: 10.1016/j.medcli.2024.09.018.​

    Umman V et al. Evaluation of the Effectiveness, Safety, and Patient Satisfaction of Artificial Intelligence-Based Patient Education and Counseling for Both Recipients and Donors in the Preoperative and Postoperative Phases of Organ Transplantation. Transplant Proc. 2025;57(9):1832‑1839. doi: 10.1016/j.transproceed.2025.07.001.​

    Wang J et al. How AI-powered consultation services in internet hospitals influence patient satisfaction: A structural analysis. Digit Health. 2025;11:20552076251358673. doi: 10.1177/20552076251358673.​

    Wójcik Z et al. Using artificial intelligence to predict patient outcomes from patient-reported outcome measures: a scoping review. Health Qual Life Outcomes. 2025;23(1):137. doi: 10.1186/s12955-025-02365-z.​

  • e-Satis demain : une mesure élargie, plus fine, et plus connectée grâce à l’IA et aux IQSS

    Points essentiels

    • Près de 2 millions de patients interrogés chaque année ;
    • Résultats accessibles à tous depuis le site HAS ;
    • Analyse automatique des commentaires grâce à l’IA depuis 2024 ;
    • Putil intégré dans la certification et l’amélioration continue des établissements ;
    • Plus de 1 000 cliniques et hôpitaux participent chaque campagne .
    • Restitution sur portail dédié pour chaque établissement.​

    Un questionnaire anonymisé

    E-satis est un dispositif national de la Haute Autorité de Santé (HAS) piloté depuis 2015. Son objectif : mesurer la satisfaction et l’expérience vécue par les patients lors d’hospitalisations, en médecine, chirurgie, obstétrique et ambulatoire. L’outil s’appuie sur une série de questionnaires électroniques envoyés aux patients après leur passage à l’hôpital ou en clinique. Les questions couvrent l’accueil, l’information, la prise en charge médicale et paramédicale, l’organisation générale et la sortie.

    Un questionnaire anonymisé est proposé aux patients. Les établissements de santé transmettent les adresses e-mail des patients pris en charge. À J+1 ou J+2 de leur séjour, les patients reçoivent un questionnaire électronique sécurisé. Les résultats sont ensuite agrégés, anonymisés et analysés par la HAS. Les établissements accèdent à leurs scores, comparables à ceux de structures similaires. Des rapports et des graphiques sont générés afin d’appuyer les démarches qualité internes.

    E-satis répond à plusieurs enjeux :

    • Il donne au patient une place centrale comme acteur partenaire du soin, outille la gouvernance hospitalière avec des données fiables et sourcées pour piloter la qualité, valorise la transparence du système hospitalier, intègre les données patient dans la démarche de certification qualité et sécurité HAS
    • Et accélère le virage numérique des établissements via l’automatisation de la collecte et du traitement de données.

    Restitution en accès libre

    La HAS publie les principaux résultats sur son site, accessibles à tous, avec des filtres par établissement, région et type de prise en charge. L’établissement dispose de ses propres chiffres et courbes d’évolution, des moyennes nationales et régionales, des principaux points forts et axes d’amélioration, ainsi que de synthèses prêtes à l’emploi pour les équipes qualité. Le module IA, en activité depuis 2024, traite automatiquement les commentaires libres des patients pour fournir une analyse thématique exhaustive et lisible. L’algorithme extrait les tendances, classe les ressentis, et pointe les améliorations prioritaires.

    Usage : pour les directions et équipes terrain

    L’outil E-satis devient incontournable pour les directions hospitalières, responsables qualité, CME (Commission médicale d’établissement) et équipes terrain. Il permet le suivi en temps réel du ressenti patient, l’identification des irritants majeurs, la mise en place de plans d’action et le suivi de leurs impacts, la comparaison avec les pairs en toute objectivité ainsi qu’un reporting structuré pour les tutelles et partenaires. L’appropriation de l’outil est une clé de réussite, car elle repose sur la mobilisation des équipes et une explication claire du dispositif aux patients, dans le strict respect des règles de confidentialité et du RGPD. L’interprétation des verbatims et des scores doit rester prudente et tenir compte du contexte local, d’autant plus que la complétude des réponses peut varier selon les établissements et la typologie de patientèle.

    E-satis, vers une expansion ?

    Les perspectives pour le dispositif e‑Satis incluent un déploiement à plus grande échelle vers d’autres secteurs et parcours de soins, l’amélioration continue des algorithmes d’intelligence artificielle afin d’analyser plus finement les verbatims et d’anticiper les attentes des patients, ainsi qu’une articulation renforcée avec les autres indicateurs IQSS (indicateur de qualité et sécurité des soins) pour permettre un suivi à 360° de la qualité des prises en charge.

    Sources

  • IA : Les pays européens adoptent l’IA pour soulager leurs systèmes, moins pour révolutionner la médecine (rapport OMS)

    l’IA médicale déployée dans 64 % des pays européens, surtout pour les diagnostics

    Selon une première étude de l’OMS publiée le 27 novembre 2025, couvrant 50 pays d’Europe et d’Eurasie, l’intelligence artificielle est en cours d’intégration dans les systèmes de santé. Son principal domaine d’application : l’aide au diagnostic, utilisée dans 64 % des pays, notamment en ophtalmologie, radiologie ou dermatologie.  La France, le Portugal, la Suède, la Hongrie et les Pays-Bas ont déjà institutionnalisé ce type d’outils depuis deux ans. À l’inverse, le Royaume-Uni et l’Italie n’en sont qu’à des déploiements informels, dans quelques établissements. Dans certains cas, les résultats sont déjà mesurables : en Slovaquie, un projet d’automatisation des processus en radiothérapie a permis de réduire de 50 % le temps passé par les oncologues sur certaines taches.

    Après le diagnostic, l’usage le plus répandu de l’IA concerne :

    • les chatbots d’assistance aux patients (50 % des pays),
    • suivis par l’automatisation des tâches administratives (40 %).

    La France est citée parmi les rares pays à expérimenter ou utiliser l’ensemble des usages identifiés : diagnostics, chirurgie, chatbots, administration et vérification des symptômes. L’Espagne affiche également une avancée sur la chirurgie assistée, les tâches logistiques et les chatbots.

    L’enjeu n’est pas juste, budgétaire mais réglementaire

    Contrairement aux idées reçues, le financement ne constitue pas le principal obstacle : seules 78 % des réponses y font référence, contre 86 % pour les incertitudes juridiques. Le manque de clarté sur les processus d’évaluation, d’approbation et de surveillance des systèmes d’IA est un frein identifié. Toutefois, 54 % des pays indiquent disposer d’un ou plusieurs régulateurs pour l’évaluation des systèmes d’IA en santé. L’OMS signale des signes de progrès dans la coopération réglementaire entre États membres, avec un début de mutualisation des connaissances et des ressources.

    Les pays européens misent sur l’IA pour répondre à l’urgence opérationnelle, moins pour innover

    L’étude montre que les pays européens investissent l’IA avec des objectifs opérationnels immédiats.

    • L’amélioration des soins aux patients (70 %),
    • la réduction de la pression sur les personnels de santé (62 %),
    • et la lutte contre les inefficiences (54 %) sont les principales motivations.

    Les enjeux stratégiques à plus long terme, comme la recherche (24 %) ou la réduction des inégalités (38 %), arrivent loin derrière.

  • Apnée du sommeil : une appli validée par 9 centres européens pour remplacer l’examen hospitalier

    Des résultats comparables à un examen de référence

    L’apnée du sommeil reste largement sous-diagnostiquée. Une nouvelle solution numérique pourrait changer la donne. Une étude multicentrique menée dans neuf centres du sommeil en France et en Europe vient de valider la fiabilité de l’application Apneal. Pour quelques dizaines d’euros, ce dispositif grand public permettrait de détecter l’apnée du sommeil via le microphone d’un smartphone, sans nuit à l’hôpital. Les résultats obtenus seraient aussi fiables qu’une polysomnographie, l’examen standard réalisé en milieu hospitalier.

    En France, 20 % des 40-65 ans et 30 % des plus de 65 ans seraient concernés par le syndrome d’apnées obstructives du sommeil, qui provoque des arrêts respiratoires durant la nuit, souvent à l’insu des patients. À l’échelle mondiale, près d’un milliard de personnes seraient touchées. Face à ce constat, Apneal propose une méthode de dépistage simplifiée : il suffit de fixer son téléphone sur le thorax avant de dormir. Grâce au microphone, l’application enregistre les sons nocturnes pour analyser la respiration. Le diagnostic est disponible dès le réveil.

    Un impact attendu sur les parcours de soins et les coûts

    Pour les professionnels de santé, cette solution pourrait permettre de rationaliser les examens du sommeil. Le dépistage précoce de l’apnée du sommeil est également essentiel pour prévenir des complications comme l’hypertension artérielle ou le diabète. Apneal sera disponible pour le grand public d’ici fin décembre, à un tarif annoncé de quelques dizaines d’euros. Un outil potentiellement utile face à une demande croissante de diagnostics et à des délais d’attente importants dans les filières du sommeil.

  • PLFSS 2026 : Sophie Beaupère et Frédéric Valletoux appellent à une programmation pluriannuelle du financement de la santé

    Un déficit record et un PLFSS 2026 sans marge de manœuvre parlementaire

    Invité des Contrepoints de la santé le 5 novembre 2025, Frédéric Valletoux, président de la Commission des Affaires sociales de l’Assemblée nationale, a livré une analyse du PLFSS 2026. Il souligne que le texte, bien qu’examiné en commission, revient toujours en séance sous la version initiale du gouvernement, réduisant le rôle du Parlement à une phase préparatoire. Cette mécanique empêche tout compromis , et traduit selon lui une incapacité politique à réformer durablement le système.

    La Sécurité sociale affiche un déficit de 23 milliards d’euros pour 2025, un niveau qui a plus que doublé en quelques années. L’impact durable de la crise sanitaire, les mesures du Ségur et la croissance continue des besoins de santé pèsent. Ce déséquilibre structurel oppose des dépenses croissantes à des recettes insuffisantes, sans qu’un cap politique ne vienne orienter l’action publique.

    Un texte rédigé sans cap politique, piloté par l’administration

    Selon Frédéric Valletoux, l’instabilité politique depuis 2022 a vidé les ministères de leur capacité à piloter. Les PLFSS successifs ont été rédigés par l’administration, sans impulsion politique. Le texte 2026 ne dessine aucune orientation de fond : il s’agit d’un exercice de gestion budgétaire immédiate, centré sur des économies et de nouvelles recettes, sans transformation du modèle de santé. Il ne s’agit pas, selon lui, d’un texte d’austérité – les dépenses augmentent toujours – mais elles restent inférieures aux besoins.

    Des professionnels ciblés par des mesures perçues comme stigmatisantes

    Les tensions s’exacerbent autour de mesures perçues comme ciblant directement les professionnels : dépassements d’honoraires, mécanismes qualifiés de “rentes”, ou débats sur la financiarisation du système. Valletoux admet que le vocabulaire employé peut heurter, tout en appelant à interroger certains équilibres économiques, notamment dans des secteurs concentrés.

    Valletoux plaide pour une territorialisation réelle du système de santé

    La suspension de la réforme des retraites aurait un impact budgétaire limité sur la santé (100 à 400 millions d’euros). Plus globalement, Frédéric Valletoux critique un système encore trop centralisé, reposant sur des outils comme l’Ondam ou la T2A, devenus inadaptés. Il plaide pour une territorialisation effective, une meilleure coordination entre ville, hôpital et médico-social, et regrette que de nombreux rapports publics ne soient ni partagés, ni suivis d’effets.

    L’appel à une programmation pluriannuelle se renforce

    Sophie Beaupère, déléguée générale d’Unicancer, défend une programmation pluriannuelle du financement de la santé, condition nécessaire pour sortir de l’instabilité actuelle. Elle pointe l’imprévisibilité budgétaire qui freine les investissements, l’innovation et la prévention, et déplore le manque de transparence des travaux administratifs. Frédéric Valletoux appuie cette demande, jugeant l’annualité « antédiluvienne », mais rappelle que seul le gouvernement peut initier une telle réforme. Il cite notamment l’article 51 comme exemple d’un dispositif innovant, devenu un parcours d’obstacles.

    Philippe Bessé (FSPF) alerte sur la désertification pharmaceutique : cinq villages par mois perdent leur dernière officine. Il soutient l’idée d’un réseau France Santé pour garantir l’accès aux soins, mais en critique la précipitation et le manque de concertation. Il appelle à intégrer les dispositifs existants (notamment les CPTS) dans une logique de négociation conventionnelle.

    Sécurité sociale : un attachement fort des Français, mais des inquiétudes croissantes face au déficit

    Selon un sondage Viavoice, 80 % des Français restent attachés à la Sécurité sociale, au-delà de ses aspects techniques : elle constitue un repère culturel et républicain. Mais cet attachement coexiste avec une inquiétude grandissante : 55 % jugent le déficit « grave », 71 % doutent de l’efficacité de la lutte contre la fraude, et les jeunes redoutent une dégradation de leur niveau de vie. Un clivage apparaît : 46 % privilégient l’équilibre budgétaire, 42 % préfèrent préserver la couverture universelle. Les mesures techniques suscitent des réponses contrastées : la hausse du reste à charge est mieux acceptée que la taxation des complémentaires. Une majorité des Français (72 %) souhaite une responsabilisation des assurés, mais préfère la pédagogie aux sanctions.

    Face à un système fragilisé, le PLFSS 2026 cristallise les critiques : absence de cap, mesures techniques, tensions professionnelles et inquiétudes citoyennes. Pour Valletoux comme pour les acteurs de terrain, sortir de cette impasse nécessiterait une volonté politique forte et une réforme d’ensemble, seule voie pour réarticuler financement, qualité et accès aux soins.

  • 45 % des fonds du programme SUN-ES alloués aux hôpitaux publics

    Bilan de 3 ans de soutien aux usages numériques

    Le ministère de la Santé a publié début novembre un bilan du programme SUN-ES (Ségur usage numérique en établissements de santé), désormais clos, qui révèle une répartition différenciée des financements entre les différents types d’établissements. Sur les 142 millions d’euros versés entre 2021 et 2024, 45 % ont été captés par les hôpitaux publics. Ce programme visait à soutenir les usages numériques en santé, à travers notamment le versement de documents dans Mon espace santé ou leur transmission via la messagerie sécurisée MSSanté. Les financements étaient conditionnés à l’atteinte de seuils d’usage précis.

    Les cliniques ont reçu 37 % des fonds, les Espic 16 %

    Les cliniques ont reçu 37 % de l’enveloppe, les établissements privés à but non lucratif (Espic) 16 %, et les centres de lutte contre le cancer (CLCC) 1 %. Parmi les établissements éligibles, 77 % ont participé au programme SUN-ES, représentant 91 % de l’activité du secteur. Au total, 2.172 structures ont été engagées, tous statuts confondus. Le taux d’acceptation des candidatures a atteint 95 %.

    Les établissements de médecine, chirurgie, obstétrique (MCO) constituaient 41 % des participants, devant les établissements de soins médicaux et de réadaptation (SMR, ex-SSR) avec 35 %, les établissements psychiatriques (13 %) et les structures d’hospitalisation à domicile (HAD), qui représentaient 6 %.

  • UK : un cluster à 800M£ pour dynamiser les sciences de la vie

    Un deuxième cluster NHS en 2025 malgré les désengagements industriels

    Un nouvel écosystème dédié aux sciences de la vie a officiellement ouvert ses portes à Londres, sur le site du Barts Health NHS Trust, avec un investissement annoncé de plus de £800 millions. Situé à Whitechapel, le Barts Life Sciences Cluster est porté par Barts Health et les fonds privés BGO, H.I.G. Capital et Lateral.

    Le cluster cherche à attirer de jeunes pousses comme acteurs établis des secteurs medtech, intelligence artificielle, santé numérique et thérapeutique. Il s’appuie sur les infrastructures cliniques et de recherche de Barts Health, avec notamment :

    • une base de données cliniques propriétaire,
    • un accès à des environnements de tests en vie réelle,
    • et des collaborations académiques avec Queen Mary University of London et le Royal London Hospital.

    À terme, le site devrait soutenir des milliers d’emplois et générer une valeur ajoutée brute de £0,75 milliard.

    Il s’agit du deuxième hub d’envergure annoncé cette année autour d’un NHS trust à Londres, après le dépôt d’un projet de £1 milliard autour du Royal Marsden Hospital et de l’Institute for Cancer Research à Sutton. Cette dynamique intervient dans un contexte contrasté, marqué notamment par le retrait de MSD d’un projet d’expansion similaire à King’s Cross et le gel d’investissements chez AstraZeneca et Eli Lilly, affaiblissant les ambitions du gouvernement en matière de relance du secteur. Le cluster de Barts Health pourrait cependant contribuer à concrétiser l’un des objectifs du plan britannique pour les sciences de la vie : faire du pays un environnement propice à la création et à la montée en puissance de nouvelles biotechs. Le lancement en septembre du Moderna Innovation and Technology Centre (MITC) à Harwell, pour £150 millions, va dans le même sens.

    Barts Health a également annoncé un partenariat avec l’Association of British HealthTech Industries (ABHI) pour faciliter l’intégration de nouvelles technologies médicales en milieu hospitalier. Ce partenariat vise à accélérer l’accès des patients à l’innovation tout en fournissant aux industriels des retours sur l’adoption et l’impact de leurs solutions.

  • Expérience patient : comment l’utilisation de 27 solutions d’IA en France signe la fin de la « note sur 10 »

    Pendant des années, l’expérience patient s’est résumée à une question aride : « Sur une échelle de 0 à 10, recommanderiez-vous notre établissement ? ». Ce score, bien qu’utile pour se comparer, agissait comme un thermomètre cassé : il indiquait la fièvre (une mauvaise note), mais jamais la cause de l’infection. Pourquoi ce 6/10 ? Était-ce la froideur du repas ou celle de l’accueil ? Sans lire les milliers de commentaires manuscrits, impossible de le savoir.

    En 2025, ce flou artistique n’est plus toléré. Sur les 27 solutions IA de notre panorama, une majorité s’attaque précisément à ce problème en remplaçant la note par le sens.

    Une révolution sémantique qui fait passer l’analyse de l’expérience patient du thermomètre au diagnostic

    C’est la première rupture technologique de ce millésime. Les établissements, assis sur des mines d’or de données textuelles inexploitées, déploient massivement le NLP (traitement du langage naturel).

    Le verbatims plus fort que le score :

    Des acteurs français comme Better World, ou Entends-Moi, rendent la note obsolète. Leurs algorithmes lisent, comprennent et classent des milliers de verbatims en une fraction de seconde. L’apport est double. D’abord, l’intelligence artificielle (IA) explique le “pourquoi” : elle ne dit pas “la satisfaction baisse”, mais plutôt “les plaintes sur le bruit nocturne en maternité ont augmenté de 20% “.

    La traque des signaux faibles :

    Ensuite, l’IA détecte ce que l’humain ne voit pas. Une note globale de 9/10 peut cacher un commentaire alarmant sur une erreur de médicament évitée de justesse. Là où la moyenne lissait le problème, l’IA sémantique déclenche une alerte. Cette écoute s’étend même désormais “hors les murs” avec la solution Detec’t  de Kap Code, par exemple, qui scanne les réseaux sociaux pour capter la “vie réelle” du patient, loin du cadre formel des questionnaires hospitaliers.

    Quand le vécu devient sécurité avec le PROMs

    Si l’IA permet de mieux écouter, elle permet surtout de mieux soigner. La frontière entre le confort (PREMs) et le résultat clinique (PROMs) s’effondre grâce aux algorithmes de télésurveillance.

    Transformer le ressenti en alerte clinique :

    Des leaders comme Resilience (en oncologie), Nouveal (pour la chirurgie) ou Heko transforment le questionnaire patient en outil de survie. Leurs moteurs de règles analysent les réponses en temps réel pour trier les urgences. Si un patient déclare une douleur anormale à domicile, l’IA ne le classe pas dans une statistique de satisfaction, elle alerte immédiatement l’équipe médicale.

    La médecine de la “valeur” :

    C’est la concrétisation technologique de la Value-Based Healthcare (la médecine fondée sur la valeur). Ce modèle dépasse la simple tarification à l’acte pour rémunérer la qualité du résultat. Grâce à l’IA, le cercle vertueux s’enclenche mécaniquement. : En analysant les symptômes rapportés (PROMs) en temps réel, certaines solutions, comme celle de Résilience, permettent de gérer une toxicité de chimiothérapie avant qu’elle ne devienne critique. Le gain est double : le patient se sent « couvé » et rassuré, et l’hôpital évite une ré-hospitalisation en urgence ou un arrêt de traitement. L’algorithme prouve ainsi mathématiquement qu’une prise en charge empathique est aussi une prise en charge plus efficiente.

    Décoder l’humain, avec son comportement et ses émotions

    Notre panorama révèle une autre percée : l’IA ne se contente plus d’analyser ce que le patient dit, mais “qui il est”.

    L’IA psychologique et comportementale :

    Pourquoi un patient abandonne-t-il son traitement ? La solution SPUR d’Observia utilise le machine learning pour dresser le profil comportemental du malade. En prédisant le risque de non-observance, elle permet au médecin d’adapter son discours pour être mieux entendu.

    Émotion et accessibilité vocale :

    La technologie s’attaque aussi à l’invisible. La start-up Emobot analyse les micro-expressions faciales et la voix des patients âgés pour détecter l’apathie ou la dépression. Pour ceux qui ne peuvent pas écrire, les IA conversationnelles de CareCall ou Caresquad prennent le relais par téléphone. Capables de tenir une conversation fluide, elles humanisent le lien à distance et réduisent l’anxiété, facteur clé du rétablissement.

    L’IA sert aussi à fluidifier les flux

    Enfin, rappelons que la première cause d’une mauvaise expérience reste l’attente. Ici, l’IA agit dans l’ombre pour optimiser les processus.

    Anticiper pour ne plus subir :

    Saniia utilise la science de la donnée pour prédire l’affluence aux urgences en fonction de la météo, permettant d’adapter les effectifs avant la crise. De leur côté, Medana d’Anamnese et Patient Journey d’Ospi fluidifient le tri et les parcours pour éviter les goulots d’étranglement.

    Redonner du temps médical :

    Côté soignants, la révolution s’appelle DAX Copilot (Microsoft). Cette IA générative libère le médecin de la saisie informatique en rédigeant automatiquement la consultation. Moins d’écran, c’est plus de temps pour regarder le patient dans les yeux.

    Panorama des solutions d’IA utilisées en France pour l’expérience patient :

    <span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span>

    Répartitions des solutions du panorama par segments :

    Répartition des solutions IA pour l'experience patient par segments @ H&TI
    Répartition des solutions IA pour l’experience patient par segments @ H&TI