Une fenêtre de 5 ans pour ne pas se laisser distancer

Le monde de la santé traverse une transformation technologique sans précédent.
L’intelligence artificielle s’intègre progressivement dans les pratiques cliniques, les systèmes d’information hospitaliers, la recherche médicale et la relation patient. Et cette intégration va s’accélérer.

Selon le rapport Artificial Intelligence in Healthcare publié par l’Organisation Mondiale de la Santé (OMS) en 2021, les systèmes de santé du monde entier vont connaître d’ici 2030 une transformation profonde de leurs pratiques sous l’effet combiné de la numérisation des données de santé et du déploiement massif d’outils d’IA clinique. En France, la Délégation ministérielle au numérique en santé (DNS) estime dans sa feuille de route Ma Santé Numérique 2023-2027 que l’ensemble des professionnels de santé sera concerné par des outils d’IA dans leur pratique quotidienne d’ici la fin de la décennie.

La question n’est donc plus « faudra-t-il un jour maîtriser l’IA en santé ? » mais « quelles compétences précises dois-je acquérir, et dans quel ordre, pour exercer mon métier de façon compétente et responsable dans un environnement de plus en plus augmenté par l’IA ? »

Pourquoi les 5 prochaines années sont déterminantes

Plusieurs signaux convergents indiquent que la fenêtre d’adaptation pour les professionnels de santé est précisément celle des 5 prochaines années.

Du côté réglementaire, l’AI Act européen, entré en vigueur en août 2024 (Journal officiel de l’Union européenne, Règlement UE 2024/1689), impose aux déployeurs de systèmes d’IA à haut risque, dont relèvent la plupart des IA cliniques, de s’assurer que leurs utilisateurs disposent de la compétence, de la formation et de l’autorité nécessaires pour superviser ces systèmes. Concrètement, utiliser un outil d’IA clinique sans formation documentée sur cet outil pourrait constituer une non-conformité réglementaire d’ici 2026.

Du côté des établissements, la Haute Autorité de Santé (HAS) a publié en 2023 un cadre d’évaluation des systèmes d’IA en santé qui recommande explicitement que tout déploiement d’IA clinique s’accompagne d’un programme de formation des utilisateurs.

Du côté des études, une enquête menée en 2023 auprès de 1 400 médecins européens par Deloitte (European Health Tech Report, 2023) révèle que 78 % des répondants estiment que l’IA aura un impact significatif sur leur pratique d’ici 5 ans, mais que seulement 21 % se sentent suffisamment formés pour faire face à cet impact. L’écart entre la perception de l’enjeu et le niveau de préparation réel est considérable et constitue une opportunité concrète pour ceux qui agissent maintenant.

Compétence 1 : comprendre le fonctionnement de base des outils d’IA clinique

Ce que cela signifie concrètement

Il ne s’agit pas de savoir programmer un algorithme ni de maîtriser les mathématiques du deep learning. Il s’agit de comprendre, à un niveau fonctionnel, comment un système d’IA apprend à partir de données, quelles sont les sources potentielles d’erreur, et pourquoi un algorithme peut performer différemment selon les populations.

Cette compréhension de base permet de répondre à trois questions essentielles face à tout outil d’IA : Sur quelles données a-t-il été entraîné ? Quelles sont ses performances documentées dans un contexte comparable au mien ? Quels types d’erreurs produit-il de façon préférentielle ?

Pourquoi c’est urgent

L’AI Act européen (Règlement UE 2024/1689, article 26) impose aux utilisateurs de systèmes d’IA à haut risque d’être en mesure de « comprendre les capacités et les limites du système d’IA ». Ce n’est pas une formule rhétorique : c’est une obligation légale dont l’application sera progressive mais certaine d’ici 2026.

Par ailleurs, une étude publiée dans The Lancet Digital Health en 2022 (Nagendran et al.) a montré que les cliniciens qui comprennent le mode de fonctionnement d’un outil d’IA détectent ses erreurs significativement plus souvent que ceux qui l’utilisent comme une « boîte noire ». La compréhension n’est pas un luxe académique : c’est un facteur de sécurité patient.

Compétence 2 : évaluer de façon critique un outil d’IA

Ce que cela signifie concrètement

Les marchés de la santé numérique et de l’IA médicale sont en pleine expansion, et ils ne sont pas exempts d’offres dont les performances annoncées ne résistent pas à une évaluation rigoureuse. Savoir évaluer un outil d’IA avant de l’adopter ou de l’utiliser est devenu une compétence professionnelle à part entière.

Cette évaluation porte sur plusieurs dimensions : la qualité et la représentativité des données d’entraînement, la robustesse de la validation clinique (étude rétrospective ou prospective ? sur quelle population ? par qui financée ?), la transparence sur les performances réelles en conditions d’utilisation, et la conformité réglementaire (marquage CE pour les dispositifs médicaux logiciels, certification HAS le cas échéant).

Pourquoi c’est urgent

La HAS a mis en place en 2022 un référentiel spécifique pour l’évaluation des logiciels d’aide à la décision médicale intégrant de l’IA. Ce référentiel crée un cadre d’évaluation que les professionnels de santé, en tant que prescripteurs et utilisateurs de ces outils, ont tout intérêt à maîtriser.

Compétence 3 : maîtriser les outils d’IA générative à usage professionnel

Ce que cela signifie concrètement

Les intelligences artificielles conversationnelles, ChatGPT, Claude, Gemini, Mistral et leurs équivalents professionnels, sont déjà utilisées par une proportion croissante de professionnels de santé pour des usages variés : synthèse de dossiers, rédaction de comptes rendus, préparation de réponses aux patients,
recherche bibliographique accélérée, aide à la réflexion clinique.

Maîtriser ces outils à usage professionnel ne se résume pas à savoir poser une question. Cela implique de savoir formuler des instructions précises et contextualisées (le prompting efficace), de vérifier systématiquement les informations produites, de connaître les situations où ces outils sont peu fiables
(raisonnement médical complexe, données récentes, cas rares), et de les utiliser dans le respect du cadre déontologique et réglementaire.

Pourquoi c’est urgent

Une enquête menée en 2024 par Ipsos pour le compte de l’Observatoire de la esanté révèle que 43 % des médecins français déclarent avoir déjà utilisé une IA générative dans un contexte professionnel, mais que 67 % d’entre eux n’ont reçu aucune formation sur les conditions d’usage conformes. Ce décalage entre usage réel et formation est une source de risque déontologique et juridique croissante.

Compétence 4 : maîtriser le cadre juridique et éthique applicable

Ce que cela signifie concrètement

Utiliser l’IA en santé engage des responsabilités juridiques et déontologiques précises. Comprendre ces responsabilités ; RGPD, secret médical, AI Act, réglementation des dispositifs médicaux ; n’est pas réservé aux juristes et aux DPO. C’est une compétence que tout professionnel de santé utilisateur d’outils d’IA doit intégrer à un niveau opérationnel.

Concrètement, cela signifie savoir répondre à des questions pratiques : ce logiciel est-il un dispositif médical soumis au marquage CE ? Mes données patient sont-elles traitées conformément au RGPD quand j’utilise cet outil ? Dois-je informer mon patient qu’un algorithme a participé à son diagnostic ? Quelle est ma responsabilité si l’IA se trompe et que je l’ai suivie sans exercer mon jugement ?

Pourquoi c’est urgent

Le Conseil national de l’Ordre des médecins (CNOM) a rappelé dans son rapport 2022 que l’obligation de formation continue des médecins s’étend explicitement aux technologies numériques et à l’IA. Ne pas se former sur le cadre applicable constitue une méconnaissance qui n’exonère pas de la responsabilité
professionnelle en cas de manquement.

Compétence 5 : interpréter et contextualiser les résultats produits par une IA

Ce que cela signifie concrètement

Un algorithme produit des scores, des probabilités, des suggestions, des alertes. Ces résultats ne s’interprètent pas de façon isolée : ils doivent être contextualisés dans le tableau clinique global du patient, pondérés par les limites connues de l’outil, et intégrés dans un raisonnement médical qui reste la responsabilité exclusive du professionnel de santé.

Cette compétence d’interprétation critique implique de comprendre ce que signifie un score de risque à 73 %, de savoir quand une alerte automatique mérite d’être escaladée et quand elle peut être contextualisée, et de reconnaître les situations dans lesquelles le tableau clinique doit prendre le dessus sur la suggestion algorithmique.

Pourquoi c’est urgent

Des études publiées dans JAMA et The BMJ ont documenté le phénomène d’automation bias, la tendance des cliniciens à surpondérer les résultats d’un système automatisé par rapport à leur propre jugement clinique (Goddard et al., Journal of the American Medical Informatics Association, 2012). Ce biais augmente avec la confiance accordée au système et diminue avec la compréhension de ses limites. Se former à l’interprétation critique des sorties d’IA est donc directement lié à la sécurité des patients.

Compétence 6 : contribuer à la conception et au déploiement des outils d’IA

Ce que cela signifie concrètement

Cette compétence est moins immédiate que les précédentes, mais elle devient stratégique à mesure que les établissements de santé multiplient leurs projets d’IA. Les professionnels de santé qui savent participer activement à un projet de déploiement d’IA ; en exprimant les besoins cliniques réels, en évaluant la pertinence des cas d’usage proposés, en identifiant les risques pour les patients, en co-construisant les protocoles d’utilisation ; apportent une valeur considérable à leurs établissements.

Pourquoi c’est urgent

Le rapport Harnessing AI for Health publié par l’OCDE en 2023 souligne que les projets d’IA en santé échouent significativement plus souvent lorsque les professionnels de santé n’ont pas été associés à leur conception. Les cliniciens formés à cette compétence sont aujourd’hui en position d’influence réelle sur la
trajectoire de leurs institutions.

Par où commencer : une feuille de route progressive

Face à ces six compétences, une question pratique se pose naturellement : par où commencer, sachant que le temps disponible pour la formation est rare chez la plupart des professionnels de santé ?

Phase 1 : Fondamentaux (0 à 6 mois)

Comprendre les bases du fonctionnement de l’IA (compétence 1), maîtriser les outils d’IA générative à usage professionnel immédiat (compétence 3), acquérir les repères essentiels du cadre juridique et éthique (compétence 4). Ces trois compétences sont les plus immédiatement actionnables et les plus utiles au quotidien.

Phase 2 : Approfondissement (6 à 18 mois)

Développer la capacité d’évaluation critique des outils (compétence 2) et l’interprétation contextuelle des résultats algorithmiques (compétence 5). Ces compétences demandent davantage de pratique et de mise en situation clinique.

Phase 3 : Leadership (18 mois et au-delà)

S’impliquer dans les projets de déploiement et de conception des outils d’IA dans son établissement ou sa structure (compétence 6). Cette phase s’appuie sur les précédentes et s’inscrit dans une montée en responsabilité progressive.

Se former maintenant, c’est choisir d’exercer son métier pleinement demain

Les professionnels de santé qui acquièrent ces compétences dans les 5 prochaines années ne deviennent pas des spécialistes de l’informatique médicale. Ils deviennent des cliniciens augmentés, capables d’exercer leur métier avec les outils de leur époque, en connaissance de cause et en pleine responsabilité.

À l’inverse, ceux qui attendent que la formation arrive à eux, par obligation réglementaire ou par injonction institutionnelle, risquent de se retrouver utilisateurs passifs d’outils qu’ils ne comprennent pas, dans l’incapacité d’en évaluer les limites ou d’en questionner le déploiement.

La bonne nouvelle, c’est que ces compétences s’acquièrent. Elles ne nécessitent ni des années d’études, ni un background technique préalable. Elles nécessitent de la méthode, de la pédagogie adaptée au terrain médical, et la décision de commencer.

Vous souhaitez acquérir ces compétences de façon structurée, à votre rythme, avec des cas d’usage directement issus de votre spécialité ? Nos formations pour les professionnels de santé couvrent l’ensemble de ces six compétences, de la compréhension des bases jusqu’à la participation active aux projets IA de votre établissement. Découvrez le programme adapté à votre profil.

Sources et références

1. OMS. Ethics and governance of artificial intelligence for health. Organisation Mondiale de la Santé, 2021.
2. Règlement (UE) 2024/1689 du Parlement européen et du Conseil — Artificial Intelligence Act. Journal officiel de l’Union européenne, août 2024.
3. Délégation ministérielle au numérique en santé (DNS). Feuille de route Ma Santé Numérique 2023-2027, 2023.
4. HAS. « Référentiel de bonnes pratiques : IA en santé. » Haute Autorité de Santé, 2023.
5. HAS. « Référentiel de certification des logiciels d’aide à la décision médicale. » Haute Autorité de Santé, 2022.
6. Deloitte. European Health Tech Report. 2023.
7. Nagendran, M. et al. (2022). « Artificial intelligence versus clinicians: systematic review of design, reporting standards, and claims of deep learning studies. » The Lancet Digital Health.
8. Ipsos / Observatoire de la e-santé. « Baromètre e-santé professionnels. » 2024.
9. CNOM. « Médecins et patients dans le monde des data, des algorithmes et de l’IA. » Rapport, 2022.
10. Goddard, K., Roudsari, A. & Wyatt, J. C. (2012). « Automation bias: a systematic review of frequency, effect mediators, and mitigators. » Journal of the American Medical Informatics Association, 19(1), 121–127.
11. OCDE. Harnessing AI for Health. 2023.