De la radiologie à la relecture de dossiers pharmaceutiques, l’intelligence artificielle gagne du terrain en santé. Mais un brevet de toilettes connectées, une démonstration d’entreprise et un essai clinique ne racontent pas la même histoire. En six mois, les études et les autorités dessinent une réalité plus précise : l’IA apporte déjà beaucoup sur les tâches structurées, mais la preuve d’un bénéfice direct pour les patients reste exigeante.
L’IA médicale ne se résume pas à un chatbot
L’intelligence artificielle est déjà présente dans les soins, mais souvent là où on ne l’imagine pas. Elle aide à lire des images, classer des examens, rédiger une première version de compte rendu, trier des demandes ou contrôler la cohérence de documents. Ce sont des usages différents, avec des niveaux de risque et de preuve très différents.
Selon l’OCDE, l’IA est déjà utilisée dans tous les pays interrogés pour l’automatisation administrative et dans 95 % des cas pour l’imagerie diagnostique. Les usages de prédiction, de stratification du risque ou de planification personnalisée restent moins généralisés.
La bonne grille de lecture est simple : une IA peut être utile sans poser de diagnostic, et un système très impressionnant peut rester insuffisamment évalué pour être confié à une décision médicale.
Claude et Enveda : un gain documenté mais non clinique
Le cas présenté fin octobre par Anthropic et la biotech Enveda mérite d’être regardé avec intérêt, précisément parce qu’il ne prétend pas remplacer une professionnelle ou un professionnel de santé. Leur outil relit des dossiers de fabrication de médicaments et signale des incohérences avant la libération d’un lot.
Sur quatre dossiers de fabrication totalisant 1 061 pages, le système a retrouvé les 11 problèmes relevés par les relecteurs humains et en a signalé 7 supplémentaires, ensuite jugés à traiter par l’équipe qualité. Le temps consacré à l’analyse puis à la vérification humaine est passé de 25,9 heures à 2,8 heures, soit 89 % de moins.
C’est un résultat intéressant, mais il faut garder trois réserves. L’évaluation est publiée par les partenaires eux-mêmes. Elle porte sur quatre dossiers et non sur des patients. Enfin, la décision de libérer ou non le lot reste entre les mains de l’équipe qualité. La promesse est donc une réduction de charge documentaire et un filet de sécurité supplémentaire, pas un médicament découvert par magie entre deux cafés.
Les études cliniques tempèrent le discours
La recherche récente livre un message moins spectaculaire et beaucoup plus utile. Dans un essai randomisé en grappes publié dans Nature Medicine, 103 cliniciennes et cliniciens de 16 centres de soins primaires au Kenya ont utilisé, ou non, une assistance par modèle de langage intégrée au dossier médical. L’étude a porté sur 9 691 patients.
Le résultat principal ne montre pas de baisse statistiquement significative des échecs de traitement à quatorze jours : 2,2 % dans le groupe avec assistance et 2,0 % dans le groupe témoin. Ce n’est pas un échec de l’outil. C’est la preuve qu’un gain de vitesse ou de confort ne suffit pas à démontrer une amélioration clinique.
Une revue systématique publiée dans le Journal of Medical Internet Research aboutit à une conclusion comparable. Sur 11 études distinctes d’aide à la décision en soins primaires, les effets les plus cohérents concernent les flux de travail structurés, comme le dépistage, l’orientation ou les alertes. Les effets sur les patients sont limités ou variables. La sécurité est rarement définie et encore plus rarement évaluée de manière robuste.
Les usages les plus crédibles aujourd’hui
- Imagerie et détection : repérer une anomalie sur une radiographie, une IRM ou une image de rétine, puis la faire valider par la spécialiste ou le spécialiste.
- Documentation : transformer une consultation enregistrée en note structurée, à condition que la professionnelle ou le professionnel relise et signe le compte rendu.
- Recherche et essais cliniques : repérer des dossiers pouvant correspondre aux critères d’un essai, préparer des brouillons de documents réglementaires ou synthétiser une littérature abondante.
- Contrôle qualité : comparer une procédure, une donnée de lot ou un résultat d’analyse avec les règles applicables.
Sur IA Pratique, le cas d’Asteroid montre une autre frontière : une IA peut naviguer dans un ancien logiciel médical pour préremplir ou exporter des données. L’usage peut être précieux, mais il exige des droits limités, une traçabilité complète, un hébergement adapté et un contrôle humain.
Les brevets les plus étonnants ne sont pas des preuves
La veille brevets donne parfois l’impression que le médecin de demain sera un siège de toilettes, un microphone et un nez électronique. Il faut prendre ces pistes pour ce qu’elles sont : des demandes de protection technique, pas des dispositifs validés ni disponibles dans un cabinet médical.
Un brevet américain publié en février 2026 décrit ainsi un siège de toilettes équipé de capteurs de température, de poids et de pression, ainsi que d’objectifs visant à analyser les excréments. Le document est en attente et ne vaut ni autorisation médicale, ni validation clinique.
D’autres demandes de brevet explorent l’analyse de la toux et de la voix pour rechercher des biomarqueurs respiratoires, ou l’usage d’un capteur olfactif pour estimer un état de santé à partir de molécules odorantes, notamment dans l’urine. Le raccourci à éviter est donc : brevet = produit, et produit = soin.
Et l’emploi dans tout cela
Les 59 professionnelles et professionnels interrogés par École Cube ne se disent pas inquiets pour leur emploi. C’est une information intéressante sur leur perception, mais pas un baromètre représentatif de la santé. L’échantillon est trop restreint et sa méthode n’est pas suffisamment documentée pour conclure à l’échelle d’un secteur entier.
Les analyses de l’OCDE et de l’Organisation mondiale de la santé Europe conduisent à une lecture plus réaliste. L’enjeu immédiat est moins le remplacement des cliniciennes et cliniciens que la redistribution des tâches, la formation et l’apparition de rôles hybrides : qualité des données, pilotage des outils, cybersécurité, protection des données et évaluation en conditions réelles.
La pénurie de soignantes et soignants ne disparaît pas avec un modèle de langage. En revanche, une partie du temps aujourd’hui absorbé par la documentation, la recherche d’information ou le tri administratif peut être rendue au soin, à condition que l’organisation du travail soit repensée.
En France, la prudence devient une méthode de travail
La Haute Autorité de santé rappelle que l’IA générative ne doit pas remplacer l’échange avec une professionnelle ou un professionnel de santé, ni recevoir sans précaution des données personnelles de santé. La CNIL insiste de son côté sur le cadre applicable aux données sensibles, à l’évaluation et au déploiement de ces systèmes.
Pour une structure de santé, les bonnes questions sont concrètes : quelle tâche est confiée à l’outil ? Qui contrôle le résultat ? Quelles données sortent du système d’information ? Comment les erreurs sont-elles signalées ? Et surtout, quel bénéfice est réellement mesuré pour les patients, les soignants ou le fonctionnement de l’établissement ?
En savoir plus
- Anthropic et Enveda sur la revue de dossiers de fabrication
- Nature Medicine sur l’essai en soins primaires au Kenya
- Journal of Medical Internet Research sur l’aide à la décision en soins primaires
- OCDE sur le passage des promesses au déploiement en santé
- OMS Europe sur la feuille de route IA santé 2026 à 2033
- IA Pratique sur OpenEvidence et les moteurs de recherche médicaux
À lire aussi dans ce dossier
Pour approfondir les pistes les plus étonnantes, lire Brevets, voix, odeurs et toilettes connectées : ce que l’IA médicale promet vraiment. Et pour comprendre les effets sur le travail, lire IA et emploi en santé : les métiers changent déjà, mais ne disparaissent pas sur commande.
