Les premières applications de l'intelligence artificielle dans la santé portaient sur l’aide au diagnostic. Aujourd’hui, l’IA intervient dans toutes les composantes du système de santé, et affecte tous les acteurs.
Depuis les années 2010, l’IA accèlere l’analyse d'images médicales :
· détection de fractures ou de tumeurs en radiologie,
· aide à la qualification des tumeurs en anatomopathologie,
· aide au dépistage en ophtalmologie ou en dermatologie, détection d'anomalies...
Ces applications concernent désormais tous les types de données biomédicales : analyses biologiques, génome ou comptes-rendus médicaux.
Le screening automatisé de dossier patients (DPI) permet de repérer de façon précoce les patients à risque, de prédire des complications et d’optimiser les parcours de soin. Des algorithmes de triages au niveau des plateaux techniques ou de la conciliation médicamenteuse accélèrent la prise en charge des patients.
Les modèles LLM allègent la charge administrative des professionnels de santé :
· transcription et synthèse des consultations,
· codage des actes,
· rédaction de comptes rendus,
· recherche d’information.
Selon plusieurs études, la moitié des médecins déclarent déjà utiliser ce type d’IA dans leur quotidien pour gagner du temps.
L’IA accompagne l’essort de la télésurveillance et des dispositifs de suivi médical en vie réelle, en particulier pour patients atteints de maladies chroniques. De plus en plus de dispositifs médicaux connectés intègrent de l’IA, par exemple les boucles fermées d’insuline.
Une révolution récente concerne l’organisation des soins : l’IA permet notamment d’automatiser des tâches d’administration des hôpitaux, de construire les plannings hospitaliers, et de faciliter la gestion des flux (PUI, blanchisserie...), des lits et du personnel.
Enfin, la recherche n’est pas en reste : l’IA permet d’exploiter massivement des données de santé pour mieux comprende le fonctionnement de certaines maladies, d’optimiser la conception d'essais cliniques et la découverte de nouvelles molécules. Ce qui accélère le développement de nouveaux médicaments.

Les applications multiples de l'IA en santé peuvent :
· libérer du temps soignant, en allégeant la charge administrative au profit de la relation avec le patient ;
· améliorer la qualité et la sécurité des soins, grâce à une détection plus précoce, une réduction de la variabilité des pratiques et des interactions médicamenteuses ;
· renforcer l'efficience des organisations, par une meilleure anticipation des besoins et une allocation plus juste des ressources ;
· accélérer la recherche et l'innovation.
Ces gains ne sont toutefois pas automatiques, et les ROI doivent être soignement évalués avant tout déploiement de solution à base d’IA (SIA). Les bénéfices de l’IA vont dépendent de l'intégration de l'outil dans les pratiques réelles, de la formation des utilisateurs, de la gouvernance, des performances des modèles d’IA et des données d’entrainement. Une étude menée en laboratoire ne saurait démontrer les performances en conditions d'usage et l’utilité réelle d’un SIA sur le terrain.

Au sein d’un établissement, l’IA, c'est conduire une transformation. Déployer une technologie n'y suffit pas. Plusieurs enjeux doivent être traités ensemble :
· les facteurs humains : confiance des professionnels, évolution des métiers et impact organisationnel, montée en compétences, risque de dépendance excessive à l'outil
· l’éthique : biais algorithmiques, équité d'accès, transparence et explicabilité, information et place du patient
· la réglementation : conformité au règlement européen sur l'IA (AI Act), au RGPD, au règlement sur les dispositifs médicaux, et aux recommandations des autorités de santé
· les aspects techniques : qualité des données, interopérabilité avec les systèmes d'information (SI) existants, dossier patient informatisé (DPI), cybersécurité
· le modèle économique : modèles de financement, retour sur investissement, pérennité des projets
· la souveraineté : solutions d’IA developpées en Europe, hébergement des données en local ou chez un hébergeur français afin de limiter l’exposition aux risques de politique étrangère
· les impacts environnementaux : sobriété d’usage et maîtrise de la consommation énergétique des modèles.
Si les facteurs de succès d’un projet numérique sont avant tout les facteurs humains et organisationnels, la maturité des systèmes d’information et de la structuration des données constitue un socle technique fondamental.

Un projet de transformation par l’IA est par nature transverse : il mobilise la direction générale, les équipes médicales et soignantes, la DSI, l’équipe juridique et les fonctions support. Sans gouvernance, les initiatives se multiplient de manière dispersée, les projets pilotes restent à l'état d'expérimentation et l’adoption des solutions d’IA est compromise.
Une gouvernance solide permet de :
· définir une vision et prioriser les cas d'usage selon leur valeur réelle ;
· clarifier les responsabilités : qui décide, qui valide, qui surveille, et qui répond en cas d'incident ;
· garantir la conformité réglementaire et éthique dans la durée ;
· suivre les performances des systèmes après leur déploiement, pour garantir la qualité de service et une IA de confiance ;
· associer les professionnels et les patients aux décisions qui les concernent, pour une.
La gouvernance est ce qui transforme une succession de projets en une stratégie. Elle fait le lien entre l’ambition d’un établissement ou groupement de santé et la réalité du terrain.

La confiance ne se décrète pas, elle se construit. Plusieurs conditions sont indispensables :
· des données de qualité, représentatives, sécurisées et utilisées dans le respect des droits des patients
· une évaluation rigoureuse, avant et après le déploiement : validation clinique, mesure de l'impact réel sur les pratiques et sur les patients
· la transparence sur le fonctionnement du modèle : les utilisateurs doivent comprendre comment une prédiction ou une recommandation a été obtenue, les limites de l’outil et son domaine de validité
· une garantie humaine : la décision médicale reste de la responsabilité du professionnel de santé, qui doit toujours contrôler le résultat d’une IA
· la communication avec le patient, qui doit être informé de tout recours à un traitement algorithmique concernant sa prise en charge
· la conformité réglementaire, intégrée dès la conception plutôt qu'ajoutée en fin de projet, et la veille permanente des recommandation des autorités de santé
· des compétences partagées : acculturation des équipes, formation des utilisateurs et sensibilisation à la nécessité de garder un esprit critique face aux outils d’IA.
Une IA de confiance est une IA dont on connaît les forces comme les limites, et que l'on a choisi d'utiliser en connaissance de cause.