Articles

  • IA générative en santé : de l’EEG au compte rendu radiologique, une nouvelle chaîne de valeur clinique se dessine

    Au-delà de la diversité des cas d’usage, la conférence fait ressortir plusieurs lignes de force utiles pour toute organisation de santé ou acteur de la e-santé :

    • L’IA générative ne remplace pas les spécialistes, elle restructure leur travail en filtrant, triant, préparant, résumant.
    • Les modèles de fondation deviennent un actif central (EEG, imagerie, texte), au service de multiples algorithmes cliniques.
    • Les plateformes de données et d’IA (stockage, dev, déploiement, sécurité) sont aussi importantes que les modèles eux-mêmes.
    • La souveraineté et la sécurité des données ne sont plus des annexes : elles sont au cœur des architectures, côté cloud comme côté clinique.
    • Enfin, les usages les plus prometteurs sont ceux qui s’inscrivent au plus près des workflows existants : EEG à domicile, viewer de radiologie, poste de travail radiologue, portail des courtiers.

    Quatre cas d’usage, un même fil rouge : industrialiser l’IA générative

    La session dans le cadre de la journée AWS Healthcare à PariSanté Campus s’ouvrait sur un constat partagé par tous les intervenants : l’IA, et désormais l’IA générative, n’est plus un gadget de démonstration mais une infrastructure qui doit s’intégrer aux flux de travail existants : examens, outils métiers, systèmes d’information et régulation.

    • Ulysse Gimenez (BioSerenity) part du lit du patient, avec l’EEG à domicile et l’analyse neurologique à distance.
    • Antoine Hirtz (Devoteam) illustre l’apport de l’IA générative du côté des assureurs santé et de leurs 8 000 courtiers partenaires.
    • Alexandre Attia (AZMed) montre comment l’IA radiologique accompagne déjà les radiologues sur plus de 15 millions d’images par an.
    • Eric Plisson (Philips) élargit la focale en décrivant le futur poste de travail du radiologue, où la génération de compte rendu devient le terrain de jeu central de l’IA générative.

    En toile de fond : la pénurie de spécialistes, l’augmentation massive des volumes d’actes, et un mot-clé qui revient chez tous les intervenants : modèles de fondation et industrialisation.

    EEG : 20 % des examens français déjà dans le cloud

    Premier cas d’usage : celui de l’électroencéphalogramme (EEG), examen clé du diagnostic neurologique. Ulysse Gimenez rappelle un fait rarement discuté hors des cercles de spécialistes : de nombreux patients épileptiques, Alzheimer ou atteints d’autres pathologies neurologiques restent en errance diagnostique pendant des années, faute d’accès à l’examen et de spécialistes pour l’interpréter.

    BioSerenity s’attaque à ces deux goulets d’étranglement :

    • Accessibilité : la société a développé un casque EEG médical léger, sans fils, que des techniciens peuvent poser directement au domicile des patients. L’enregistrement n’est plus limité à une vingtaine de minutes à l’hôpital : il peut se faire sur plusieurs heures ou jours, dans la vie réelle.
    • Interprétation : les signaux sont envoyés dans le cloud, où un réseau de neurologues partenaires réalise la télé-interprétation.

    BioSerenity est désormais présente « dans le flot » de 20 % des EEG réalisés en France. Mais la prochaine marche se joue côté médecins : comment leur faire gagner du temps sur l’analyse d’examens très complexes et bruités, sans les déposséder de leur rôle ? La réponse de l’entreprise : un modèle de fondation appliqué à l’EEG. Concrètement, les signaux sont découpés en petits « patchs », transformés dans le domaine fréquentiel, puis discrétisés en un « dictionnaire » de plusieurs milliers de tokens EEG. Le modèle apprend ensuite, par masquage et prédiction de ces tokens, la « grammaire » des ondes cérébrales. Sur cette base, BioSerenity peut :

    • Accélérer des tâches répétitives des neurologues, en les recentrant sur les cas complexes.
    • Développer de nouveaux biomarqueurs pour détecter plus précocement certaines pathologies ou mieux les suivre dans le temps.

    Un premier algorithme dérivé de ce modèle de fondation (un outil de triage des patients normaux vs pathologiques ) arrive en production, marquage dispositif médical à la clé. Le calcul s’effectue en environ une minute après l’examen ; le neurologue garde la main, mais peut prioriser d’abord les cas les plus suspects, tout en filtrant les examens clairement normaux ou non concluants. Dernier élément important : BioSerenity insiste sur trois plateformes internes : stockage des données, développement IA, déploiement en production, et affiche sa volonté de partager son modèle de fondation avec l’écosystème académique français, dans une logique de souveraineté face aux modèles américains ou chinois.

    8 000 courtiers santé épaulés par un chatbot génératif

    Le second temps de la conférence déplace l’IA générative vers un autre maillon de la chaîne de valeur santé : l’assurance. Antoine Hirtz (Devoteam) présente le cas d’un courtier grossiste en assurance, spécialisé notamment sur le médical, le paramédical et les officines, qui anime une plateforme numérique au service de 8 000 courtiers partenaires et plus de 1 000 activités couvertes. Jusqu’ici, le chatbot de la plateforme reposait sur des logiques classiques, avec une capacité limitée à comprendre des demandes complexes et à naviguer dans un catalogue et une base de connaissances très riches. L’objectif du projet mené avec Devoteam : introduire l’IA générative sans repartir de zéro et en s’appuyant sur le socle cloud existant (AWS).

    L’architecture décrite repose sur plusieurs briques :

    • Un routeur intelligent, propulsé par des modèles génératifs (Anthropic via AWS Bedrock), capable de comprendre l’intention du courtier et de l’orienter vers :
      • la recherche de produits d’assurance adaptés, dans un catalogue de plus de 1 000 offres ;
      • la recherche de contrats via des APIs ;
      • l’exploration d’une base de connaissances (en PDFs ou HTML, convertis en embeddings et indexés dans une base vectorielle type OpenSearch) ;
      • l’analyse de comportements anormaux ou à risque (tentatives de fraude, usages suspects, etc.).

    Un socle de sécurité-by-design : authentification SSO/OIDC, gestion fine des droits, chiffrement des données, VPC cloisonné, supervision des coûts, et mécanismes de guardrails pour éviter les fuites de données ou réponses inappropriées. Antoine évoque un « curseur d’autonomie » : pour l’instant, l’assistant reste peu autonome, il guide, propose, route mais la montée en puissance des services IA du cloud rend possible, à terme, des agents plus autonomes. Le choix actuel est volontairement prudent : améliorer l’expérience utilisateur sans perdre la maîtrise du risque, dans un contexte où les données médicales et assurantielles sont particulièrement sensibles.

    Radiologie : 15 millions d’images analysées chaque année

    Avec AZMed, la conférence revient au cœur de la clinique. Alexandre Attia rappelle que le volume d’images médicales a doublé en une décennie, alors que le nombre de radiologues est resté stable. Résultat : pression accrue sur les équipes, risque d’erreurs et délais rallongés pour les patients. AZMed s’est positionnée d’abord sur la radiographie standard 2D, qui représente l’essentiel du volume :

    • Traumatologie (fractures, lésions aux urgences).
    • Radiographie thoracique (pathologies pulmonaires, pneumothorax…).
    • Mesures ostéo-articulaires complexes (alignements, angles, longueurs).
    • Âge osseux chez l’enfant, utile pour évaluer la croissance.

    L’IA ne se contente pas de détecter les anomalies ; elle réalise aussi du triage et de la priorisation. Intégrée dans les viewers des radiologues, elle ajoute des vues annotées, résume les fractures détectées et précise ce qui n’a pas été retrouvé (épanchements, lésions associées…). Les chiffres partagés sont parlants :

    • +83 % de gain sur le temps diagnostique en traumatologie.
    • Diminution des erreurs d’environ deux tiers, notamment des faux négatifs.
    • Valeur prédictive négative de 99,37 % : lorsque le logiciel indique qu’il n’y a rien, c’est presque toujours le cas, ce qui renforce la confiance des radiologues.
    • Plus de 15 millions d’images analysées par an, dans environ 2 500 sites de santé répartis dans plus de 55 pays.

    L’entreprise, qui compte une quarantaine de collaborateurs, a également lancé un logiciel pour scanner thoracique 3D, dédié au dépistage et au suivi des nodules pulmonaires dans la perspective des futurs programmes de dépistage du cancer du poumon. Derrière ces produits, il y a surtout un actif stratégique : une base de 20 millions de radiographies, provenant de plus de 40 pays, dont un sous-ensemble annoté par trois radiologues indépendants, et des processus qualité alignés sur les exigences de dispositifs médicaux.

    Mais AZMed se heurte à trois défis structurels :

    1. La généralisation des algorithmes d’un pays, d’un appareil ou d’une population à l’autre.
    2. Le scalage à un nombre croissant de pathologies, sans devoir tout réentraîner de zéro.
    3. L’exploitation des données non annotées, qui représentent la majorité des 20 millions d’images.

    La réponse, là encore : la construction d’un modèle de fondation spécialisé en imagerie médicale, par vertical (trauma, thorax, etc.), capable de comprendre la « grammaire » des images radiologiques et d’alimenter à la fois la détection de pathologies et, à terme, la génération de comptes rendus structurés.

    Du film au compte rendu généré : la troisième révolution des cabinets de radiologie

    Dernier temps fort : la vision d’Eric Plisson (Philips) sur le poste de travail radiologique. Il replace l’IA dans une histoire en trois actes :

    1. Passage du film au digital et informatisation des systèmes (PACS, RIS).
    2. Reconnaissance vocale dans les années 2000, première grande victoire de l’IA « classique », qui a fait gagner des minutes par compte rendu et supprimé les allers-retours avec les secrétariats de transcription.
    3. IA d’imagerie spécialisée, via de nombreux algorithmes convolutionnels orchestrés par des plateformes, chacun ciblé sur une modalité (scanner, IRM, radio…) et une pathologie ou une tâche (détection de fracture, quantification vasculaire, etc.).

    La prochaine rupture se situe clairement au niveau du compte rendu radiologique. Les modèles de langage – et demain les modèles multimodaux image + texte – permettent d’imaginer un flux de travail très différent :

    • Résumé automatique de l’historique patient et des examens antérieurs pertinents.
    • Ambiant reporting : le radiologue parle (sans micro dédié), et l’IA génère un premier jet de compte rendu.
    • Génération automatique de la conclusion à partir des observations dictées.
    • Contrôle qualité automatisé, en comparant le compte rendu à des modèles ou à une base de rapports, pour signaler des incohérences ou oublis (mesures manquantes, conclusions peu claires…).
    • Traduction en langage patient : version simplifiée du rapport ou bulles d’explication pour rendre le compte rendu compréhensible sans passer systématiquement par une recherche sur Internet.

    Philips propose déjà son infrastructure d’imagerie en cloud (hébergée notamment sur AWS), ce qui rapproche les données, les outils métiers et les modèles génératifs dans un même environnement sécurisé. Le radiologue reste responsable de la relecture et de la signature, mais pourrait passer de 10 minutes à quelques minutes par compte rendu, un gain décisif dans un contexte de vieillissement de la population et d’augmentation des maladies chroniques.

     

  • Onco’Link d’Unicancer validé pour un déploiement en droit commun

    Un modèle de suivi à domicile confirmé par les autorités

    Le Comité technique de l’innovation en santé (CTIS) et le Conseil stratégique de l’innovation en santé (CSIS) ont rendu, le 8 octobre 2025, un avis favorable à la généralisation du dispositif Onco’Link. Porté depuis 2021 par Unicancer, ce programme de suivi à distance des patients sous anticancéreux oraux s’inscrit dans le cadre de l’article 51 de la loi de financement de la Sécurité sociale. Avec plus de 13 800 patients inclus et 41 établissements partenaires, il constitue l’expérimentation la plus importante menée sur ce dispositif législatif. Le modèle repose sur une coordination entre équipes hospitalières et professionnels de ville, notamment les pharmaciens d’officine. Il vise à renforcer la sécurité du suivi, améliorer la qualité de vie et soutenir l’autonomie des patients traités à domicile.

    Réduction des hospitalisations non programmées et observance améliorée selon les retours médecins

    L’évaluation conduite par le CTIS souligne la qualité du dispositif et son caractère innovant. Les patients se sont déclarés satisfaits du suivi, avec un ressenti d’autonomie renforcée et une observance thérapeutique améliorée. Les professionnels de santé rapportent une meilleure coordination entre ville et hôpital ainsi qu’une détection plus précoce des effets indésirables. Sur le plan économique, le dispositif n’a généré aucun surcoût significatif pour l’Assurance maladie. Les premiers bilans suggèrent même un impact favorable grâce à la réduction des hospitalisations non programmées et à l’optimisation de la prise en charge des toxicités.

    41 établissements mobilisés et plus de 5 500 professionnels impliqués

    Fin octobre 2025, Onco’Link associait 41 établissements hospitaliers relevant des secteurs public, privé et à but non lucratif. Parmi eux, les Hospices Civils de Lyon, l’Institut Paoli-Calmettes et l’Institut Bergonié figurent parmi les principaux contributeurs avec plus de 1 000 patients inclus chacun. L’expérimentation mobilise au total 600 professionnels hospitaliers et 5 500 acteurs de ville.

    L’avis favorable du CSIS ouvre une période de transition pouvant aller jusqu’à 18 mois avant la généralisation du dispositif. Cette phase permettra d’élaborer les modalités précises du futur financement en droit commun et d’intégrer le modèle dans les réformes nationales de tarification hospitalière. Les établissements déjà partenaires poursuivront les inclusions, tandis que de nouveaux sites pourront intégrer la démarche après la période transitoire. L’objectif est d’inscrire Onco’Link dans l’organisation du suivi de cancérologie de ville, en cohérence avec la stratégie décennale des cancers 2021‑2030.

    Une réponse aux enjeux du virage ambulatoire en cancérologie

    Le dispositif vise deux enjeux identifiés en cancérologie : hausse du recours aux traitements oraux et développement des soins à domicile, avec des protocoles partagés et un suivi structuré. Le passage en droit commun d’Onco’Link pourrait devenir un jalon de la transformation numérique du parcours en cancérologie et servir de référence pour d’autres pathologies chroniques pris en charge à domicile.

     

  • Stratégie interministérielle des données de santé : ce qui change avec la nouvelle version

    Recentrage autour du CNS pour piloter la stratégie

    Une gouvernance simplifiée, recentrée sur le comex du CNS :

    Premier changement notable : la gouvernance. Alors que la version de juillet prévoyait de créer un Forum des parties prenantes, la version de novembre recentre tout autour du Conseil du numérique en santé (CNS), via un Comité exécutif (Comex) qui coordonnera les actions. Une façon de capitaliser sur l’existant et de clarifier les instances.

    Côté droits citoyens, peu de changement : la centralisation de l’exercice des droits RGPD et de l’Espace européen des données de santé (EEDS) reste prévue via un portail unique piloté par la Plateforme des données de santé (PDS – ex Health Data Hub). Idem sur la sécurisation des usages : les référentiels et les hébergements devront toujours respecter les règles européennes et françaises, avec une doctrine alignée par le Comex du CNS.

    Des bases de données toujours prioritaires :

    Pas de virage stratégique non plus du côté du sujet des bases de données, mais une gouvernance ajustée. La prioritisation des bases à enrichir ou constituer (SNDS, entrepôts hospitaliers, cohortes, etc…) relève désormais du comex du CNS. Un changement de pilotage donc, mais les ambitions restent : combler les lacunes de couverture, améliorer la qualité des données, et anticiper les usages.

    Côté infrastructures, la stratégie maintient un modèle hybride avec possibilité de chaînage entre données locales et SNDS via des services optionnels de la PDS. Le chantier sur la rationalisation des copies SNDS est confirmé, avec une loi attendue en 2026 pour ancrer les principes. Rien n’a changé non plus sur l’interopérabilité ou la doctrine d’évaluation des bases.

    Répertoires et financement désormais mieux organisés :

    Le calendrier des actions sur les répertoires et l’accès aux données reste inchangé. Une première version du portail FReSH (pour ‘Facilitation de la Recherche en Santé humaine’), un outil piloté par l’Institut pour la recherche en santé publique visant à recenser et décrire les bases de données mobilisables pour la recherche, est attendue d’ici fin 2025. Il accompagnera la mise en conformité du répertoire national des données de santé avec l’EEDS. La volonté de convergence entre répertoires demeure.

    Sur le financement, même ligne : les bases stratégiques doivent être soutenues via des moyens nationaux et européens, avec un cadre de redevances à finaliser pour s’adapter aux règles de l’EEDS. Ce qui change, là encore, c’est le pilotage : les travaux sont désormais coordonnés dans la nouvelle gouvernance CNS.

    Accès aux donnés facilité et nouveaux leviers d’usage 

    Pour ce qui est de l’accès aux données de santé, la stratégie interministérielle reste claire : basculer d’un régime d’autorisation de la Commission national de l’internet et des libertés (Cnil), vers un régime de déclaration, pour les projets conformes à des référentiels éthiques et scientifiques préétablis. Cette évolution législative, toujours prévue d’ici fin 2025, vise à réduire les délais d’accès aux données tout en maintenant un haut niveau de sécurité et de responsabilisation des acteurs. Elle s’accompagnera de la création de comités éthiques locaux, qui pourraient, sous certaines conditions, se substituer au Cesrees pour les projets les moins sensibles.

    Parallèlement, les travaux sur les données synthétiques et les nouveaux usages se poursuivent. L’objectif reste de permettre aux chercheurs et innovateurs d’expérimenter, de tester ou de développer des solutions sans accès direct aux données réelles. Le séminaire national initialement prévu en septembre est reprogrammé pour décembre 2025. Il servira de point d’étape et de lancement d’une feuille de route structurée, pilotée par le Comex du CNS aux côtés de l’Inria, la Délégation au numérique en santé et la PDS.*

     

  • Recherche en oncologie : le Pr Fabrice André alerte sur la complexification de la recherche clinique, plaide pour une simplification et l’usage de l’IA

    La recherche clinique en oncologie “devient infaisable”

    Directeur de la recherche à Gustave Roussy et président de l’ESMO, le professeur Fabrice André décrit, lors de la 4ᵉ Journée nationale de l’innovation en santé numérique, une situation où les essais cliniques s’alourdissent au point de devenir peu réalisables.

    Le nombre de procédures par étude a augmenté de 57 %, celui des formulaires à remplir de 227 %. Les centres doivent mobiliser des équipes importantes pour répondre à ces exigences, ce qui réduit le volume d’études, le recrutement de patients et l’équité d’accès à la recherche. La conséquence est aussi un appauvrissement des données disponibles, notamment pour entraîner les modèles d’IA. Pour y répondre, deux voies s’imposent selon lui : automatiser ou supprimer certaines procédures. Il défend une stratégie de simplification, formalisée dans plusieurs travaux académiques.

    Automatiser le recueil de données et harmoniser la terminologie médicale

    Un programme financé par France 2030 montre l’intérêt de l’automatisation. L’analyse des erreurs de remplissage indique 7 % d’erreurs avec l’IA, contre 14 % pour les saisies manuelles. Les erreurs concernent surtout les données contenant des dates. Des travaux avec CentraleSupélec visent à optimiser ces performances pour alléger la charge des équipes et réduire les coûts. Fabrice André insiste sur la variabilité des comptes rendus entre médecins. Sans terminologie unifiée, l’IA ne peut pas exploiter correctement les données. Il appelle les sociétés savantes et la communauté scientifique à structurer cette normalisation. La fragmentation des solutions numériques constitue un frein. Les centres doivent pouvoir s’appuyer sur un interlocuteur unique couvrant l’ensemble de la chaîne opérationnelle. La régulation et la standardisation restent des enjeux importants mais difficilement traitables dans le cadre d’une intervention de courte durée, souligne-t-il.

    Changer le paradigme scientifique : « Un cancer c’est avant tout une maladie… Il y a de la biologie. C’est pas juste une maladie anatomique. »

    Au-delà de l’opérationnel, le chercheur décrit un basculement conceptuel. Les classifications par organe montrent leurs limites. Les cancers doivent être définis par leur biologie, créant de fait des profils moléculaires uniques. L’ensemble des données cliniques, génomiques, protéiques et autres permet la construction d’un patient virtuel, représentation numérique de la maladie. Cette évolution modifie la manière de raisonner en oncologie et s’étend désormais aux essais.

    Trois niveaux d’utilisation des jumeaux numériques

    • Les similarités de patients : Déjà utilisées depuis une décennie, elles consistent à comparer un patient à des cas similaires issus de bases de données. Elles permettent d’estimer ce qui est arrivé à des groupes comparables et deviennent un support décisionnel complémentaire aux essais randomisés.
    • Les modèles génératifs : Les IA génératives interrogent des bases internes, des cartes de connaissances et la littérature pour identifier des options thérapeutiques pour un patient donné. Les performances sont jugées encourageantes. La question centrale devient : comment connecter les caractéristiques biologiques d’un patient aux masses de connaissances existantes pour proposer un traitement pertinent, y compris parmi les molécules encore non disponibles ?
    • Les simulations : Elles consistent à recréer virtuellement le cancer dans un environnement informatique afin de tester des traitements ou des combinaisons. La faisabilité technique progresse, ouvrant la voie à des essais virtuels complémentaires des essais physiques.

    Vers une nouvelle architecture de la recherche clinique

    Un programme de recherche clinique portant sur 10 000 patients est en préparation pour valider progressivement ces approches séquentielles et construire une IA générative capable de recommander un traitement en fonction des caractéristiques biologiques d’un patient. Fabrice André conclut en rappelant que les visions les plus innovantes resteront théoriques tant que l’infrastructure, la réglementation et les standards ne permettent pas leur mise en œuvre. L’IA peut augmenter les capacités opérationnelles et soutenir une médecine individualisée, mais elle dépend d’un socle organisationnel.

    « On peut rêver autant qu’on veut, si à la fin on peut pas délivrer les choses, on n’a pas l’infrastructure […] on ne peut rien faire. »

  • Etude : quand l’IA aide les patients à prendre des décisions chirurgicales (Lancet)

    Un jumeau numérique pour soupeser les risques

    La prothèse totale du genou est un traitement courant de l’arthrose avancée, mais environ un patient sur cinq reste insatisfait à long terme. Dans ces situations, le choix thérapeutique dépend fortement des priorités du patient (niveau de douleur toléré, mobilité souhaitée, durée de récupération, acceptation du risque). Les aides à la décision visent à structurer ce dialogue. Elles peuvent prendre la forme de brochures, vidéos, tableaux comparatifs ou questionnaires permettant d’identifier ce qui compte le plus pour le patient. Plus récemment, les données rapportées par les patients (douleur, fonction, qualité de vie) sont utilisées pour aider à visualiser l’évolution attendue. L’outil évalué ici va plus loin : il s’appuie sur un modèle d’IA pour générer un “jumeau numérique”, c’est-à-dire une simulation personnalisée des bénéfices et risques attendus de la chirurgie en fonction du profil individuel du patient.

    L’étude a été menée dans une clinique universitaire d’orthopédie à Austin (États-Unis). 201 patients atteints d’arthrose avancée du genou, potentiellement candidats à une prothèse totale, ont été répartis aléatoirement en deux groupes. Le groupe intervention a utilisé l’outil intégrant l’IA, associant une information éducative, un questionnaire sur les préférences du patient et une prédiction personnalisée du bénéfice attendu de la chirurgie. Le groupe contrôle a reçu la même information, mais sans prédiction personnalisée. Le critère principal était la qualité de la décision, évaluée par le K-DQI, qui mesure si la décision est informée et alignée sur les préférences du patient. Les critères secondaires portaient sur le conflit et le regret décisionnels, la fonction du genou, la satisfaction, la durée de la consultation et la cohérence entre traitement choisi et préférences exprimées. Le suivi s’est étendu jusqu’à six à neuf mois.

    L’étude a été publiée en novembre 2025 dans eClinicalMedicine.

    Résultats : Moins de regrets après une chirurgie

    • Qualité de décision (score 0–100) : 84,4 dans le groupe IA vs 71,4 dans le groupe contrôle
    • Conflit décisionnel (score 0–16) : 1,0 vs 3,3
    • Regret décisionnel (score 0–100) à 6–9 mois : 18,2 vs 27,2
    • Fonction du genou (score 0–100) à 6–9 mois : 69,5 vs 47,0
    • Traitement conforme aux préférences du patient : 91 % vs 76 %
    • Aucune différence notable pour la satisfaction, la durée de consultation et le taux de recours à la chirurgie.
    • Aucun effet indésirable attribué à l’outil n’a été rapporté.
    • Cette étude suggère qu’une aide à la décision personnalisée par l’IA peut améliorer la qualité du choix thérapeutique et les résultats fonctionnels perçus, sans alourdir la consultation. L’essai a cependant été mené dans un centre universitaire unique, déjà familier de la décision partagée. Il faudra vérifier la reproductibilité dans d’autres structures et auprès de populations plus variées. L’outil étant propriétaire, des données sur son coût, son intégration dans les systèmes de soins et sa transparence seront nécessaires.

    Plus largement, ce travail s’inscrit dans l’essor des jumeaux numériques en médecine, qui visent à simuler l’évolution d’un patient donné pour aider à choisir un traitement adapté. Leur utilisation semble aujourd’hui plus robuste au niveau individuel, pour aider à décider, que dans le cadre de la recherche clinique. En effet, une étude récente publiée dans NPJ Digital Medicine a montré que les jumeaux numériques utilisés pour remplacer un groupe contrôle dans les essais donnaient des résultats trop variables pour se substituer à de vrais patients. L’application clinique (soutenir la décision, personnaliser les choix) apparaît donc, à ce stade, plus mûre que l’application méthodologique (remplacer des essais).

    *Shared decision making using digital twins in knee osteoarthritis care: a randomized clinical trial of an AI-enabled decision aid versus education alone on decision quality, physical function, and user experience

    Jayakumar, Prakash et al.

    eClinicalMedicine, Volume 89, 103545 https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(25)00478-X/fulltext

     

     

  • Le Japon déploie une application IA pour réduire les erreurs médicamenteuses

    15% des hospitalisations liées à des erreurs médicamenteuses

    Un consortium japonais déploie une IA qui optimise la gestion des traitements médicamenteux en évaluant en continu les profils des patients. Selon l’Organisation mondiale de la santé (OMS), près de 15 % des hospitalisations au Japon sont liées à des erreurs médicamenteuses, un taux parmi les plus élevés des pays industrialisés. Ce phénomène s’explique par :

    • La complexité croissante des traitements multiples.
    • Le vieillissement rapide de la population, majoritairement polymédiquée.

    Les méthodes traditionnelles de suivi pharmacologique peinent à centraliser les données cliniques dispersées entre hôpitaux, pharmacies et assureurs.

    Une IA intégrée aux bases de données nationales

    Développée par un consortium réunissant l’Université de Tokyo et Wemex Healthcare Systems, l’application bénéficie d’un financement public-privé de 4,2 millions d’euros. L’outil permet notamment :

    • Analyse de façon probabiliste les interactions et les posologies.
    • Propose des ajustements personnalisés.
    • Offre une interface d’éducation thérapeutique pour pharmaciens et patients.
    • Se connecte aux bases de données nationales japonaises pour une surveillance en temps réel et une traçabilité renforcée.

    Les résultats cliniques et un déploiement national

    Une étude multicentrique publiée dans le Japanese Journal of Clinical Pharmacy, menée sur 1 200 pharmacies pendant six mois, démontre :

    • Une réduction de 20 % des erreurs médicamenteuses.
    • Une amélioration de 35 % de la satisfaction des patients.

    Les autorités japonaises prévoient désormais un déploiement progressif de l’IA dans l’ensemble des hôpitaux et officines du pays, avant une extension aux zones rurales.

     

  • RainPath, PaperDoc, CeveOp : les solutions distinguées à Castres-Mazamet

    90 % des projets finalistes déjà opérationnels en 2025

    L’Université de la e-santé de Castres-Mazamet a réuni, les 12 et 13 novembre 2025, plus de 500 participants autour de l’innovation numérique en santé. L’événement a confirmé la montée en maturité des projets de e-santé. Sur les 62 dossiers déposés, 15 finalistes issus de 12 départements ont été sélectionnés pour présenter leur solution. 90 % des projets finalistes sont portés par des sociétés déjà constituées, 55 % en phase de levée de fonds, tandis qu’un quart d’entre elles génèrent déjà un chiffre d’affaires. La nature des projets est diversifiée : amélioration des parcours de soins, réduction des coûts, optimisation des flux hospitaliers et renforcement de l’accès à l’information fiable.

    RainPath remporte le Grand Prix du Jury 2025

    • Le Grand Prix du Jury a été attribué à RainPath, concepteur de solutions numériques (RainFlow, RainHub, RainView) pour la standardisation et l’accélération des analyses anatomopathologiques. L’entreprise remplace les colorations chimiques traditionnelles par une approche numérique optimisant le diagnostic et la charge de travail des pathologistes.
    • Dans la catégorie “Patients”, la société PaperDoc a été distinguée pour sa plateforme SaaS mêlant intelligence artificielle sémantique et base documentaire certifiée. Elle facilite la recherche d’informations pour 25 000 professionnels de santé et ouvre un nouveau mode patient co-construit avec des associations, visant à réduire les inégalités d’accès à l’information médicale.
    • CeveOp, lauréat de la catégorie “Structures et professionnels de santé”, déploie une solution de gestion circulaire du matériel médical. Cette approche réduit les achats, favorise le réemploi et mesure les gains économiques et environnementaux obtenus par les établissements.

    e‑Astreinte primé pour la gestion des astreintes hospitalières

    • Dans la catégorie “Traitement, valorisation et sécurisation des données de santé”, la solution e‑Astreinte a été primée pour sa plateforme HDS sécurisée. Elle permet une meilleure organisation des astreintes hospitalières et participe à l’amélioration de la qualité de vie au travail (QVT) des personnels.
    • Dans le champ de la prévention et du bien vieillir, France Care a été récompensé pour son offre d’accompagnement personnalisé. À partir de 2,5 euros par mois, cette solution aide à prévenir le renoncement aux soins et les ré-hospitalisations évitables.
    • Enfin, le Trophée des internautes est revenu à MADLEN, un logiciel d’entraînement à domicile destiné aux patients souffrant de troubles de la voix et de la parole. L’outil, construit autour d’exercices personnalisés, illustre la place croissante du numérique dans l’autonomie thérapeutique et la rééducation.

     

  • Stratégie IA 25-28 : cartographier les usages et financer ce qui fonctionne dans les hôpitaux

    La stratégie 2025‑2028 articule l’accélération de l’usage secondaire des données avec l’Espace européen des données de santé et l’encadrement des usages d’IA en soins, via une gouvernance unifiée, des délais d’accès réduits, et des évaluations médico‑économiques mutualisées.

    EEDS : application secondaire au 26 mars 2029, délais 8–9 mois

    La stratégie 2025‑2028 prépare l’entrée en vigueur de l’Espace européen des données de santé au 26 mars 2029, avec obligation de rendre réutilisables les données pseudonymisées et non personnelles, des délais d’accès harmonisés à 8 mois pour les pseudonymes et 9 mois pour les anonymes, et un régime de redevances pour couvrir les coûts des détenteurs. La France planifie la désignation d’un Organisme responsable de l’accès aux données d’ici 2027 et l’inscription des adaptations nécessaires dans un projet de loi en 2026, en envisageant un réseau de détenteurs de données de confiance et un guichet unique coordonné.​ La gouvernance nationale évolue avec la fusion du Comité stratégique des données de santé au sein du COMEX du Conseil du numérique en santé et la mise en place d’un Forum des parties prenantes, avec une préfiguration opérationnelle annoncée pour début 2026.

    Accès, interopérabilité, grilles de redevances : trajectoire d’alignement européen

    Le Système national des données de santé et la Plateforme des données de santé structurent la réutilisation des données depuis 2019, avec une évolution vers une approche moins centralisée pour faciliter les appariements et renforcer l’interopérabilité entre sources. La Cnam et la Plateforme engagent une réduction progressive des délais d’accès, avec publication d’indicateurs à partir du second semestre 2025, et un objectif d’alignement complet avec les exigences de l’Espace européen des données de santé à un horizon de quatre ans. Un répertoire national des ensembles de données, un contrat‑type pour les entrepôts de données de santé et des grilles de redevances harmonisées doivent accélérer la contractualisation et stabiliser les tarifs pratiqués entre détenteurs et utilisateurs.

    Un comité (DGOS et ANAP) pour cartographier les usages de l’IA (deuxième semestre 2026)

    Un comité d’experts piloté par les fédérations d’établissements fixera dès 2026 les priorités d’usages de l’IA selon l’urgence et la maturité des solutions disponibles en Europe. Une cartographie annuelle, portée par la DGOS et l’Anap, recensera les usages, les évaluations et les contacts de sites, avec une première publication au second semestre 2026 et une diffusion via l’Assurance Maladie. Les premières mesures incluent deux appels à manifestation d’intérêt 2025 pour les urgences et les ressources humaines, un AMI 2026 pour la logistique hospitalière, ainsi qu’un algorithme public d’aide au codage CIM‑11 coordonné par l’ATIH et diffusé via la BOAS.

    IA non-DM: supervision obligatoire d’ici mi‑2027

    La Haute Autorité de santé pilote des méthodologies d’évaluation qui intègrent les impacts clinique, organisationnel et médico‑économique, avec une participation au projet européen SHAIPED et la mise en place de bases de validation dédiées aux dispositifs intégrant de l’IA, avec un jalon au second semestre 2026.​ Des modèles de financement conditionnels sont envisagés dans le cadre des lois de financement de la sécurité sociale, avec une première cible dès 2026 pour les outils d’aide à la décision lorsque des économies sont constatées, sous réserve d’adoption des mesures correspondantes.​ Le cadre d’articulation entre le Règlement IA, les réglementations dispositifs médicaux et diagnostic in vitro, et le RGPD fait l’objet de documents de clarification, tandis qu’un dispositif de supervision des systèmes d’IA non classés dispositifs médicaux doit être défini d’ici mi‑2027, incluant un suivi du cycle de vie et l’étude de certifications dynamiques.

    Compétences IA en santé : Un référentiel actualisé d’ici mi‑2027

    Acculturation 2026 : masterclass et dispositifs territoriaux

    Un portail national d’exercice des droits pour le SNDS central est annoncé pour le quatrième trimestre 2025, intégrant les nouveaux droits prévus par l’Espace européen des données de santé, dont le droit d’opposition à la réutilisation secondaire et la notification d’événements significatifs. La montée en compétences s’organise avec une masterclass Anap en 2026, la mise à jour du référentiel de compétences numériques avec un volet IA d’ici mi‑2027 et des dispositifs d’acculturation sectoriels. La stratégie prévoit enfin des enquêtes annuelles sur les impacts organisationnels, RH et environnementaux, et une trajectoire de sobriété numérique intégrée aux déploiements.

    Résumé des axes de la stratégie

    Chapitre 1 : Stratégie interministérielle pour construire notre patrimoine national des données de santé

    Axe 1. Favoriser la transparence et la confiance des citoyens

    • La gouvernance des données de santé se réorganise avec l’intégration du Comité stratégique des données de santé au comité exécutif du Conseil du numérique en santé, et la création d’un Forum des parties prenantes aligné sur le modèle européen, pour une mise en œuvre opérationnelle visée début 2026.
    • En parallèle, l’Espace européen des données de santé se prépare sur 2026‑2027 avec la désignation d’un Organisme responsable de l’accès aux données d’ici 2027, incluant des scénarios avec détenteurs de données de confiance et un guichet unique coordonné.
    • Dès le quatrième trimestre 2025, un portail national centralisera l’exercice des droits sur le SNDS, intégrant les nouveaux droits européens comme l’opposition à la réutilisation secondaire et l’information en cas de constat significatif. Le cadre de sécurité sera clarifié pour les référentiels SNDS/EDS, avec exigence de conservation et de traitement des données de santé au sein de l’Union européenne pour les acteurs concernés.

    Axe 2. Constituer des bases de données d’intérêt réutilisables

    • La stratégie prévoit d’abord une cartographie des besoins des utilisateurs pour orienter l’enrichissement priorisé des bases, avec des appariements facilités, y compris via le NIR dans le cadre juridique en vigueur, et une doctrine de centralisation ajustée autorisant un hébergement facultatif par la Plateforme des données de santé afin de chaîner avec la base principale du SNDS.
    • Les entrepôts de données de santé sont standardisés sur un socle OMOP et FHIR, avec une contribution aux labels qualité européens comme Quantum en phase pilote 2025‑2026, afin d’élever la qualité, la comparabilité et la réutilisation à grande échelle. Des ressources ouvertes sont renforcées, notamment via la BOAS et des kits EDS, et un programme de formation élargi démarre au second semestre 2025 pour accélérer l’appropriation des standards et des bonnes pratiques par les équipes.

    Axe 3. Réunir les conditions nécessaires au partage et à la mise à disposition

    • La stratégie prévoit, dès le second semestre 2025, le lancement d’un répertoire national des ensembles de données interopérable avec l’Espace européen des données de santé, construit avec la Plateforme des données de santé et FReSH, puis la convergence progressive des répertoires existants pour faciliter la découverte et l’accès.
    • Côté modèle économique, les besoins récurrents des entrepôts hospitaliers sont estimés entre 60 et 90 M€ par an pour les CHU, avec des grilles de tarification, des contrats‑types et des redevances alignées sur le régime européen proposés au premier semestre 2026, afin de sécuriser des financements pérennes d’ici 2027.

    Axe 4. Faciliter et simplifier l’utilisation des données

    • La stratégie simplifie l’accès aux données en privilégiant des déclarations de conformité aux référentiels, en réservant les autorisations de l’autorité de protection des données aux cas complexes et en ouvrant une dispense d’avis du comité national lorsque le comité scientifique et éthique local rend un avis favorable, avec des mises à jour des méthodologies de référence MR001 et MR003 attendues au premier trimestre 2026.
    • Elle harmonise la mise à disposition des données d’entrepôts avec un contrat‑type et des grilles de redevances, tout en optimisant les délais d’accès au SNDS grâce à des indicateurs publics, à une solution « intercalaire » opérée par la Plateforme des données de santé au premier semestre 2026 et à une trajectoire d’alignement avec l’Espace européen des données de santé sur quatre ans.

    Chapitre 2 — Transformer et améliorer le système de santé avec l’intelligence artificielle

    Axe 1. Gouvernance ouverte avec experts terrain

    L’axe 1 instaure une gouvernance d’“experts terrain” pour l’IA en santé, animée par les fédérations d’établissements et articulée avec la DNS, la DGOS, la Cnam, la HAS et l’Anap, afin de prioriser dès début 2026 les cas d’usage selon l’urgence et la maturité des solutions européennes, de capitaliser les retours d’expérience, de proposer les besoins de financement pour expérimentations et évaluations, et d’orienter les politiques publiques, sans représentation directe des éditeurs au sein du comité.

    Axe 2. Cartographier les usages et accélérer les déploiements

    l’axe 2 met en place une publication annuelle pilotée par la DGOS et l’Anap qui recensera les cas d’usage, les solutions déployées, les avis et rapports disponibles, ainsi que les contacts de sites, avec une diffusion via l’Assurance Maladie pour orienter vers des IA évaluées et repérer les manques de marché. Les premiers chantiers annoncés couvrent deux appels à manifestation d’intérêt 2025 dédiés aux urgences et aux ressources humaines, un AMI 2026 pour la logistique hospitalière, et une intégration progressive d’IA dans Mon espace santé, d’abord pour la recherche documentaire puis pour des recommandations personnalisées selon une feuille de route itérative.

    Axe 3. Évaluer les systèmes et parcours intégrant de l’IA

    L’axe 3 organise une évaluation structurée des systèmes et parcours intégrant des techniques d’aide algorithmique, en s’appuyant sur des méthodologies pilotées par la HAS couvrant les impacts clinique, organisationnel et médico‑économique, avec mutualisation des essais, constitution de bases de validation dédiées et participation au projet européen SHAIPED pour harmoniser les approches et partager les preuves. Les retours d’expérience et résultats sont diffusés pour faciliter la généralisation des usages à bénéfice démontré. Des mécanismes de financement de l’évaluation en conditions réelles sont prévus, avec partage des résultats et appui des dispositifs France 2030 et des Tiers‑Lieux d’expérimentation afin de consolider les démonstrations d’efficacité et d’efficience.

    Axe 4. Clarifier le cadre et adapter le financement

    L’axe 4 clarifie le cadre d’usage en articulant le règlement européen 2024/1689 avec les réglementations des dispositifs médicaux et de diagnostic in vitro, le RGPD et l’Espace européen des données de santé, au moyen de FAQ et de guides pratiques, tout en définissant d’ici mi‑2027 une supervision du cycle de vie pour les systèmes non classés dispositifs médicaux et en explorant des certifications dynamiques adaptées aux mises à jour fréquentes. Il propose aussi d’adapter le financement.

    Axe 5. Compétences, impacts organisationnels et environnementaux

    Enfin, l’axe 5 met à jour le référentiel des compétences numériques avec un volet dédié aux usages algorithmiques, instaure des obligations de formation initiale et continue, et déploie dès 2026 des masterclass et des actions d’acculturation par secteur, assorties d’enquêtes annuelles pour suivre les externalités négatives. Il intègre des critères de sobriété et des trajectoires environnementales dans les déploiements, avec des cas d’usage médico‑sociaux emblématiques comme l’automatisation et la fiabilisation des coupes Pathos d’ici 2028, appuyées par un renforcement des contrôles.

     

    Ministère de la Santé et de la Prévention. Stratégie intelligence artificielle et données de santé 2025‑2028. Paris: Ministère de la Santé et de la Prévention ; 2025.

  • 4ᵉ Journée nationale de l’innovation en santé numérique : l’IA au cœur de la plénière

    Le second volet de la stratégie nationale « intelligence artificielle et données de santé » a été officiellement lancé mercredi à Paris, dans le cadre de la 4e Journée nationale de l’innovation en santé numérique. L’événement était organisé par la Délégation au numérique en santé (DNS) et ouvert par la ministre de la Santé, des Familles, de l’Autonomie et des Personnes handicapées, Stéphanie Rist.

    Ouverture par Stéphanie Rist : Annonce officielle du second volet de la stratégie nationale IA et données de santé

    Stéphanie Rist a rappelé que l’intelligence artificielle doit être mise « au service du soin et de la prévention ». Selon la ministre, l’IA contribue déjà à l’amélioration des diagnostics et à la libération de temps médical, sans pour autant se substituer à la relation humaine entre soignant et patient. La ministre a également annoncé l’intégration prochaine de solutions d’intelligence artificielle dans les logiciels métiers utilisés par les professionnels de santé. Issue d’une concertation impliquant plus de 70 acteurs du secteur, cette stratégie a pour objectif de structurer les usages de l’intelligence artificielle dans le système de santé. Elle entend améliorer la qualité, la sécurité et l’éthique des soins, tout en garantissant un développement responsable de ces technologies. Stéphanie Rist a appelé à une appropriation collective et responsable de ces outils, qualifiant l’IA d’« alliée de confiance, éthique et humaine ».

    Stratégie intelligence artificielle et données de santé 2025-2028

    Bruno Bonnell : 550 M€ pour la stratégie santé et 350 projets portés par des consortiums

    “Grâce à l’intelligence artificielle, on peut explorer des voies jusque-là relativement ignorées dans le domaine de la santé”

    Dans la suite de l’événement, le secrétaire général pour l’investissement, Bruno Bonnell a replacé le lancement du volet IA dans le cadre du plan France 2030, présenté comme « le double de tous les programmes d’investissement d’avenir précédents ». Bruno Bonnell a salué l’efficacité du pilotage interministériel de France 2030, qui finance des projets de recherche en santé numérique jusqu’à leur transfert industriel. Deux projets de télésurveillance illustrent cette approche orientée vers des solutions.

    • OdySight, porté par Tilak Healthcare, développe une solution de télésurveillance en ophtalmologie, notamment utilisée à Pécan.
    • Un autre projet, Curity Take Care, s’adresse à la télésurveillance en oncologie, en appui au suivi des patients atteints de cancer.

    Au global, avec 40 milliards d’euros engagés et 7 800 projets soutenus, le plan repose sur une logique d’interconnexion des innovations plutôt que de soutien sectoriel isolé. Dans le domaine de la santé numérique, 32 actions ont déjà été engagées, donnant lieu à 120 nouveaux projets lauréats cette année. Au total, 550 millions d’euros sont alloués à la stratégie santé, couvrant environ 350 projets portés par des consortiums associant universités, industriels et groupements hospitaliers.

    Transfert technologique : 22 projets France 2030 en phase d’industrialisation

    22 projets de recherche soutenus par France 2030 sont actuellement en phase de transfert de technologie, afin de passer du stade scientifique à la mise sur le marché. Cette logique vise à éviter que la recherche « reste dans les laboratoires » et à favoriser l’émergence de produits et services directement utiles aux patients et aux professionnels de santé.

    Côté formation, 70 000 étudiants ont déjà été formés aux outils numériques en santé, avec un objectif de 100 000 par an. Bruno Bonnell a souligné la bonne articulation entre les ministères impliqués dans la mise en œuvre du plan, qu’il s’agisse du financement, de la réglementation ou du soutien non financier. “Il y a une dynamique interministérielle qui est particulièrement efficace” a-t-il indiqué. Le dispositif France 2030 agit également comme levier de cofinancement, en mobilisant d’autres acteurs publics. Le ministère de la Recherche participe notamment au soutien de projets complémentaires, comme FIRAH ou France 2030 Santé, tandis que des entrepôts de données de santé ont bénéficié de plus de 35 millions d’euros d’investissement.

    Le Secrétaire général pour l’investissement a exprimé son souhait de renforcer la coopération européenne dans le domaine de la santé numérique et de l’innovation.

    Hela Ghariani : un Comex mensuel pour co-construire le programme annuel du numérique en santé

    Hela Ghariani, co-responsable de la Délégation au numérique en santé (DNS), a détaillé la nouvelle gouvernance mise en place pour renforcer la concertation autour des politiques du numérique en santé. Depuis le lancement de la stratégie nationale, la DNS promeut une approche collaborative entre les ministères, l’Assurance maladie et les acteurs institutionnels. Cette coordination s’étend désormais à l’ensemble de l’écosystème — représentants des patients, professionnels de santé, établissements, industriels et chercheurs. Autour du Conseil du numérique en santé, une assemblée générale du numérique en santé a donc été constituée. Elle offre un espace de dialogue, de transparence et de travail commun sur les priorités de la politique publique.

    Cette gouvernance renouvelée s’appuie sur un comité exécutif mensuel (Comex), dont la première réunion se tiendra mercredi 19 novembre. Ce Comex rassemblera les représentants de tous les secteurs concernés pour co-construire un programme de travail annuel, déterminant les priorités de la stratégie numérique (exemples cités : comment construire un catalogue national des données de santé ? Ou bien comment intégrer de l’IA dans les services de Mon espace santé).

    Ce comité identifiera donc les impacts concrets des technologies, leurs évaluations positives et négatives, ainsi que les modèles économiques à développer pour favoriser leur intégration durable. Les groupes de travail ouverts issus de ce programme accueilleront tous les acteurs souhaitant contribuer, afin de lever ensemble les freins techniques ou réglementaires identifiés par le terrain. L’objectif est de maintenir un rythme d’action cohérent avec la rapidité d’évolution des technologies.

    Formation : plus de 8000 étudiants formés à l’IA (École santé numérique de l’Université de Montpellier)

    Le Professeur Maurice Hayot, directeur de l’École de santé numérique de l’Université de Montpellier, a présenté le bilan de son projet, financé dans le cadre de l’appel à manifestations d’intérêt Compétences et métiers d’avenir. En deux ans et demi, plus de 8 000 étudiants ont été formés, dont 92 % de professionnels de santé. Le dispositif combine formations diplômantes, unités d’enseignement personnalisées et formation des formateurs. Le programme vise désormais la création d’un modèle national de formation en santé numérique et en IA, adossé à un campus numérique, pour pérenniser la dynamique au-delà de 2027.

    Elsan : les données de 11 millions de patients

    Sur l’axe de la donnée, Samantha Pasdeloup, du groupe Elsan, a présenté l’entrepôt de données de santé (EDS), soutenu par France 2030. Aujourd’hui, l’entrepôt est pleinement opérationnel, rassemblant les données de 11 millions de patients. Ce volume rend possibles des analyses à grande échelle pour des cas d’usage comme : le pilotage médico-économique des établissements, l’amélioration continue de la qualité des soins, des études de faisabilité en recherche clinique, et le développement de nouvelles recherches, auparavant freinées par la complexité d’accès aux données.

    44 DMN pris en charge par l’Assurance maladie

    Le réseau des tiers-lieux d’expérimentation en santé numérique dépasse les objectifs initiaux : 37 sites sont aujourd’hui opérationnels, contre 31 prévus. Ces structures accompagnent 115 projets financés et d’autres initiatives non subventionnées, autour de l’innovation ouverte et de l’évaluation en conditions réelles.  Guillaume Calmon, fondateur de la start-up RDS, a témoigné de l’apport des tiers-lieux. Son entreprise développe un dispositif connecté de suivi post-opératoire, déjà marqué CE depuis 2024. Le projet vise à sécuriser le retour à domicile des patients âgés après une chirurgie lourde, tout en générant les preuves cliniques et médico-économiques nécessaires à son remboursement. Les premiers retours d’expérience au CHU d’Amiens montrent une forte adhésion des patients, séduits par un outil simple, non intrusif et rassurant.

    44 dispositifs médicaux numériques sont déjà pris en charge par l’Assurance maladie, via le droit commun ou le dispositif PECAN. France 2030 soutient également l’exportation des innovations et la montée en puissance d’initiatives comme G_nius, dédiée à l’accompagnement des entreprises.

    G_NIUS : 5 ans d’impact et une communauté engagée

    « La santé numérique, c’est un peu comme un escape game », plaisante Julien Plagnes (chef de projet). Il faut savoir trouver les bons interlocuteurs, comprendre les règles du jeu et décrypter les dispositifs adaptés à son projet. C’est précisément le rôle de G_NIUS, la plateforme publique lancée en octobre 2020 pour accompagner les innovateurs du secteur. G_NIUS agit comme un guide interactif, ou selon son fondateur, « le Waze de la santé numérique » : indiquez où vous en êtes, et l’outil vous montre le meilleur chemin pour atteindre vos objectifs — qu’il s’agisse d’obtenir un financement, d’identifier les bons partenaires ou de naviguer dans les démarches réglementaires. En cinq ans, la structure a su s’imposer comme une référence de l’écosystème français : avec une communauté active (4000 membres), des fiche acteurs et des contenus régulièrement mis à jour.

    Pour les prochaines années, G_NIUS veut renforcer son action dans les régions, s’ouvrir davantage à l’international et développer des outils autour de l’intelligence artificielle en santé. L’objectif reste le même : rendre le numérique en santé plus accessible, lisible et efficace. Julien Plagnes conclut, comme il avait commencé, avec humour : « Si dans cinq ans G_NIUS est devenu célèbre, c’est qu’on aura réussi à rendre la santé numérique simple.

  • IA : 56,5 millions d’euros pour la structuration nationale de l’Institut d’Intelligence Artificielle en Santé (JDS AP-HP 2025)

    La conférence thématique « Institut d’Intelligence Artificielle en Santé : une structure, des projets concrets » animée par le Pr Vincent Vuiblet s’est tenue lors de la première Journée de la donnée de santé 2025, organisée par l’Assistance Publique – Hôpitaux de Paris (AP-HP) le 7 novembre 2025. L’intervention, dédiée à l’Institut d’Intelligence Artificielle en Santé, a permis de structurer les enjeux, avancées et perspectives stratégiques de l’IA en santé, au sein d’un paysage marqué par les nouvelles réglementations européennes et la nécessité d’une innovation collaborative à l’échelle nationale.

    L’IA en santé est une nécessité stratégique

    La conférence s’ouvre sur un constat : la création de l’Institut d’Intelligence Artificielle en Santé (IIAS) répond à une ambition large en matière de transformation du secteur de la santé. Selon le Pr Vincent Vuiblet, il s’agit de répondre à des enjeux multiples :

    « Il faut commencer à entendre parler de l’inclusion sortie en santé, de ce qu’on peut en faire, des grands enjeux, c’est-à-dire des enjeux éthiques, des enjeux liés aux données de santé, des enjeux liés au maintien de l’expertise humaine et d’esprit critique, aux enjeux de transformation de la formation et puis bien sûr aux autres enjeux qui sont ceux de la soutenabilité environnementale, la propriété économique, la souveraineté évidemment ».​

    Les freins historiques évoqués sont principalement le cloisonnement des acteurs, la fragmentation des initiatives, et le manque de mutualisation des expériences. Ce contexte amène progressivement à un changement de paradigme, où l’IA n’est plus abordée uniquement sous l’angle technique mais comme levier systémique pour la qualité, l’efficience et la transformation des soins.

    Un des objectifs de l’institut est de dépasser l’éclatement des initiatives

    L’IIAS se positionne comme réponse à la dispersion passée des initiatives numériques :

    « Rien de tout cela n’aurait de sens ni ne pourrait finalement prendre son essor si on n’avait pas une approche collective […] en allant ensemble, en convergeant nos efforts, en mutualisant nos actions et en conduisant des projets collectifs, qu’on peut réussir à développer des sujets d’envergure qui peuvent aussi nous repositionner en termes de leadership au niveau européen ».

    L’appartenance à des réseaux interrégionaux et nationaux ainsi qu’à la fédération scientifique des données de santé sont cités en exemple.​

    Le Pr Vuiblet explique qu’il est très important d’intégrer les établissements non universitaires et la médecine de ville/ambulatoire pour avoir une vision complète du parcours de soins des patients, au-delà du seul cadre du CHU.

    Gouvernance de la donnée et conformité européenne

    La qualité des données, leur accessibilité, leur vérification et l’expertise locale sont au cœur de la démarche de l’Institut :

    « Les données, c’est le cœur du réacteur de l’IA. Si on a des données de qualité, on peut produire de l’IA de qualité ».

    L’institut a mis en place un entrepôt de données de santé (EDS) qui dépasse la logique de simple stockage pour englober la structuration, la validation et l’intégration interétablissements, favorisant l’interopérabilité et le recours à des plateformes communes.​

    Il est également souligné que cette démarche doit s’étendre au-delà du seul secteur hospitalier universitaire pour inclure la médecine libérale, les établissements spécialisés et les réseaux externes.

    Par ailleurs, les nouvelles réglementations européennes rendent la formation et la montée en compétence obligatoires, impactant les cadres de pratiques et de gouvernance.

    Nouveaux modèles de formation : hybridation, international et accompagnement

    L’IIAS cible deux axes de formation : initiale (étudiants, futurs médecins, paramédicaux) et continue (professionnels en activité), dont le programme PROMESSE. L’institut anime aussi des séminaires dans 8 pays, renforçant l’hybridation des compétences et l’internationalisation des bonnes pratiques.

    Un accent est mis sur la transformation des métiers à l’ère de l’IA, où l’objectif n’est pas de faire de tous des data scientists, mais de permettre l’appropriation des nouveaux enjeux, bonnes pratiques et points de vigilance. Ce cadre inclusif vise à garantir la capacité critique des utilisateurs et la traçabilité des impacts de l’IA sur leurs pratiques.

    Cas d’usage et transformation des pratiques cliniques et organisationnelles

    L’Institut a développé différents types de projets, répartis en « projets structurants » et « projets applicatifs », couvrant 3 axes majeurs : amélioration des soins, optimisation des fonctions support et transformation du système de santé.

    Projet Catégorie Objectifs / Description Partenaires / Usage
    Inopath Structurant / Amélioration des soins Plateforme de pathologie numérique : validation des lames, comptes structurés, entraînement IA Orange, Novakum, société savante, >55 labos pathologie
    DrIA, Flammèche, PROMESSE Structurant / Amélioration des soins Génération d’algorithmes IA sans connaissance code, outils AutoML, explicabilité et bibliographie Formation et recherche, professionnels santé
    Schwanodeep Applicatif / Amélioration des soins Diagnostic quantitatif tumeurs angle cérébelleux, volumétrie automatisée en 2 min, suivi longitudinal Prise en charge chirurgicale, praticiens
    DeepCath Applicatif / Amélioration des soins Prédiction infection cathéters par analyse photo, prévention à l’hôpital et en ambulatoire Infirmières, hôpital, domicile
    SimplIA Applicatif/ Amélioration des soins Simulateur vocal interactif pour la formation des étudiants en santé Environnements proches du réel, étudiants santé
    FG4H Structurant / Support aux activités de soins Modèle génératif IA souveraine sur données françaises/hospitalières, usage commun numérique Communauté de santé, usages applicatifs
    SynthelAx Applicatif / Support aux activités de soins Optimisation des fonctions supports Équipes supports
    HD4C Structurant / Transformation système Intégration données extra-CHU pour visibilité territoriale Territoires, établissements
    ConcilIA Applicatif / Transformation système Orientation conciliation médicamenteuse, ciblage des patients à risque, augmentation du nombre de conciliations Praticiens, pharmaciens
    CoagIA Applicatif / Transformation système Prédiction risque accident hémorragique chez patients sous anticoagulants, optimisation prévention et prise en charge Spécialistes, praticiens

     

    Adoption, transformation des pratiques et limites rencontrées

    L’intégration des outils dans les parcours de soins implique des transformations organisationnelles et professionnelles majeures, mais soulève également des limites et des freins « terrain », tels que la maturité des solutions, la perte potentielle de certaines compétences, et la nécessaire formation continue :

    « Cet esprit critique vient à la fois de la maturité de ces solutions, mais aussi vient de la formation »

    Impact économique et valeur générée pour l’écosystème

    Création de 2 nouvelles startups

    La valorisation s’articule autour :

    • Accompagnement de la création d’entreprises et de start-ups issues des projets portés par l’institut.
    • Soutien aux acteurs industriels dans la commercialisation et la maintenance des technologies IA : « Notre incubateur PETILLANTeS est en train de créer deux start-ups qui s’appuient sur des projets qu’on a créés ».​

    50M€ levés à travers des appels à projets nationaux et européens

    L’institut est majoritairement financé par des fonds exogènes et des contrats industriels, avec une levée de fonds considérable sur 2024 et début 2025 : « On a levé 50 millions d’euros […] ce qui nous permet de développer l’accompagnement et une plateforme technologique ». Ce financement favorise l’accompagnement et l’expérimentation en conditions réelles (tiers-lieu PEPS) avant la diffusion systémique des innovations.

     « On veut que nos algorithmes qu’on utilise tous les jours soient expérimentés dans des conditions de vie réelle. C’est le socle de notre tiers-lieu d’expérimentation qui s’appelle PEPS »

    Stratégies de preuve de concept et expérimentation réelle

    Comme pour un médicament, les algorithmes sont expérimentés dans des conditions de vie réelle. La performance, l’acceptabilité humaine, l’intégrabilité organisationnelle et l’impact médico-économique sont systématiquement évalués avant toute diffusion.​

    Facteurs de succès et obstacles à la transformation systémique

    Les facteurs identifiés :

    • capacité de mutualisation,
    • priorisation des projets selon le potentiel de dissémination et d’impact,
    • structures de gouvernance scientifique pour arbitrer les ressources, en limitant la frustration de projets non retenus,
    • organisation du partage des innovations pour éviter leur isolement et favoriser leur diffusion multicentrique.

    Gouvernance, mutualisation et perspectives à long terme

    Une adaptation continue de la feuille de route

    La dynamique de réseau, nationale et européenne, est importante pour « donner toutes ces dimensions collectives au développement […] organiser les choses que ce soit plus suivi, plus connu ».

    L’institut adapte en continu sa feuille de route et valorise le partage d’expérience pour dépasser les limites du développement local.​

    2 défis soulevés

    • Maturité des solutions et maintien de l’esprit critique.
    • Capacité à « naviguer » entre des outils innovants sans se priver de la liberté de développer de nouveaux outils.

    Les données de santé comme gages de fiabilité

    Plusieurs intervenants dans l’auditoire rappellent la nécessité de garder l’esprit critique dans un contexte de sollicitations nombreuses par les industriels de l’IA : « Il est nécessaire […] de vérifier la fiabilité des outils. La fiabilité, ce sont les données de santé, mais ce n’est pas que ça ».​