De l’imagerie à la rééducation, ce que l’IA change déjà sur le terrain.

l’IA en santé, ça ressemble à quoi sur le terrain ?

On parle beaucoup d’intelligence artificielle en santé dans les colloques, les revues spécialisées et les plans stratégiques des ARS. Mais concrètement, qu’est-ce que ça change pour un médecin généraliste qui reçoit 30 patients par jour ? Pour une infirmière de nuit en service de réanimation ? Pour un pharmacien face à une ordonnance complexe ?

La réalité des cas d’usage de l’IA en santé est à la fois plus proche et plus variée qu’on ne l’imagine. Elle ne concerne pas uniquement les grands CHU équipés de plateaux techniques sophistiqués : certaines applications sont déjà accessibles en ville, en cabinet libéral, en EHPAD ou en centre de rééducation.

1. Aide au diagnostic : l’IA comme second regard

En imagerie médicale

C’est le domaine où l’IA a le plus de recul clinique et le plus de preuves publiées.
Concrètement, un radiologue ou un médecin utilisateur d’un système d’IA en imagerie voit apparaître sur son écran des annotations automatiques qui signalent des zones suspectes sur un scanner, une IRM ou une radiographie.

En pneumologie, des solutions comme Gleamer (en déploiement dans plusieurs hôpitaux français) analysent les radiographies thoraciques en quelques secondes et détectent pneumonies, pneumothorax ou fractures costales avec un niveau de performance comparable à un radiologue senior. L’algorithme ne remplace pas la lecture humaine : il la priorise.

En ophtalmologie, des appareils de dépistage équipés d’IA permettent aujourd’hui à un généraliste ou à un infirmier formé de réaliser un dépistage de la rétinopathie diabétique sans ophtalmologue présent.

En anatomopathologie, des solutions de pathologie numérique assistée par IA analysent les lames histologiques pour identifier des cellules cancéreuses, quantifier des marqueurs d’expression tumorale (comme PD-L1 en oncologie) et graduer des lésions.

En médecine générale

Des outils d’aide au diagnostic différentiel commencent à s’intégrer dans les logiciels de consultation. Isabel DDx, Dx29 ou encore la fonctionnalité de suggestion diagnostique d’Andaman7 sont des exemples concrets déjà disponibles. Ces outils ne visent pas à se substituer au clinicien mais à servir de filet de sécurité, notamment pour les tableaux atypiques ou les maladies rares.

2. Gestion du temps et de la charge administrative : le gain le plus immédiat

• 30-40 % : Temps médecin consacré à l’administratif
• 30-60 min : Gain quotidien avec transcription IA
• 90 % : Précision du codage PMSI automatique

Transcription et compte rendu automatisés

Des solutions comme Nabla, Suki ou Nuance DAX transcrivent en temps réel une consultation médicale vocale et génèrent automatiquement un compte rendu structuré, conforme aux normes de codage et prêt à être intégré dans le dossier patient informatisé.

Nabla est actuellement déployé dans plusieurs établissements français, y compris des cliniques privées et des structures libérales. Il intègre des protections conformes au RGPD et au référentiel de sécurité de la santé numérique.

Synthèse de dossiers patients

L’IA peut générer en quelques secondes une synthèse narrative des points cliniques essentiels, des traitements en cours et des alertes importantes. Cette fonctionnalité est en cours de déploiement chez des éditeurs comme Cegedim ou Softway Medical.

Codage PMSI et facturation

Des IA de codage automatique, comme celles proposées par Enovacom ou Wamed, analysent les comptes rendus de sortie et proposent automatiquement les codes CIM-10 et GHM/GHS appropriés, avec un taux de précision documenté supérieur à 90 % sur les séjours courants.

3. Surveillance et monitoring des patients : prévenir plutôt que guérir

En réanimation et en soins intensifs

Le système Sepsis Sniffer, développé notamment au CHU de Bordeaux, identifie les patients en risque de sepsis plusieurs heures avant l’apparition des signes cliniques reconnus. Des études publiées montrent une réduction significative de la mortalité liée au sepsis dans les services qui l’ont adopté.

En ambulatoire et en télésurveillance

En cardiologie, des dispositifs comme le patch ECG Holter connecté Biotronik ou les solutions de télésurveillance cardiaque post-infarctus permettent une surveillance continue à domicile avec détection automatique des arythmies.

En diabétologie, les systèmes de boucle fermée (pancréas artificiel) combinent capteur de glycémie en continu, algorithme d’IA et pompe à insuline pour ajuster automatiquement l’administration d’insuline en temps réel.

4. Pharmacie clinique et sécurisation de la prescription

Détection des interactions médicamenteuses

Les IA de pharmacovigilance de nouvelle génération, comme celles intégrées dans les solutions Pharma-ML ou dans les modules avancés d’Orbis, hiérarchisent les alertes en fonction du profil spécifique du patient et ne remontent que les interactions réellement critiques dans le contexte clinique donné.

Conciliation médicamenteuse

Des IA de conciliation automatisée interrogent simultanément les bases de données de dispensation officinale, le dossier pharmaceutique et le dossier hospitalier pour détecter automatiquement les divergences et les risques d’omission ou de duplication.

5. Rééducation, kinésithérapie et suivi fonctionnel

En kinésithérapie et en médecine physique et de réadaptation (MPR), des solutions comme KineQuantum ou Sword Health combinent capteurs de mouvement et IA pour personnaliser les programmes de rééducation et suivre leur exécution à domicile entre les séances.

6. Soins infirmiers et coordination des soins

• Prédiction du risque d’escarres : des algorithmes analysant les données du dossier patient calculent en temps réel le risque d’escarres et alertent l’équipe infirmière pour déclencher des mesures préventives ciblées.
• Détection précoce de la détérioration clinique : des scores de dégradation clinique automatisés (comme des versions augmentées du NEWS2) analysent en continu les constantes enregistrées dans le dossier infirmier.
• Planification des soins et gestion des ressources : des IA de gestion des flux hospitaliers aident à anticiper les besoins en personnel soignant selon l’activité prévisionnelle du service.

7. Santé mentale : un champ émergent aux enjeux éthiques spécifiques

Des applications numériques en thérapie cognitive et comportementale (TCC), comme Woebot ou Wysa, proposent des séquences thérapeutiques guidées par IA, accessibles 24 h/24 entre les séances avec le thérapeute.

Ce que ces cas d’usage ont en commun : des professionnels de santé toujours au centre

À travers toutes ces applications, un fil conducteur se dégage clairement : l’IA n’agit pas seule. Elle fonctionne en interaction avec un professionnel de santé qui reste responsable de la décision finale, de la relation avec le patient, et du jugement clinique global.

Ce qui change, c’est la nature du travail : moins de tâches répétitives et chronophages, plus de temps pour l’exercice de compétences spécifiquement humaines ; l’écoute, le raisonnement complexe, l’empathie, la décision en situation d’incertitude.

Vous avez identifié des cas d’usage qui concernent directement votre métier ? Nos formations en IA pour les professionnels de santé sont conçues à partir de situations réelles du terrain. Découvrez le programme qui correspond à votre profil et à vos objectifs professionnels.

Sources et références

1. Gleamer. Publications cliniques et déploiements hospitaliers en France : gleamer.ai.
2. Ting, D. S. W. et al. (2017). « Development and validation of a deep learning system for diabetic retinopathy. » JAMA, 318(22), 2211–2223.
3. Sinsky, C. et al. (2016). « Allocation of physician time in ambulatory practice. » Annals of Internal Medicine, 165(11), 753–760.
4. Nabla. Documentation technique et conformité RGPD : nabla.com.
5. Nuance (Microsoft). « DAX Copilot — clinical documentation. » nuance.com.
6. Calvert, J. et al. (2016). « A computational approach to early sepsis detection. » Computers in Biology and Medicine, 74, 69–73.
7. Haute Autorité de Santé (HAS). Cadre d’évaluation des dispositifs médicaux à base d’IA, 2023.
8. KineQuantum. « Rééducation par réalité virtuelle. » kinequantum.com.
9. Sword Health. Publications et validation clinique : swordhealth.com.
10. Fitzpatrick, K. K. et al. (2017). « Delivering cognitive behavior therapy to young adults with symptoms of depression via a fully automated conversational agent (Woebot). » JMIR Mental Health, 4(2), e19.
11. Royal College of Physicians. « National Early Warning Score (NEWS) 2. » rcplondon.ac.uk.