Santé, IA clinique : ce qui a vraiment avancé en 2025-2026
Il y a un an, nous écrivions que l’IA clinique faisait avancer la santé, sans révolution immédiate. Depuis, de grandes études ont été publiées, les autorités françaises ont posé des règles et des hôpitaux confient à l’IA la rédaction des comptes rendus. Le constat tient toujours, en plus précis : les progrès sont réels, mais dépendent de l’intégration de l’outil au quotidien.
Exemple parlant : le stéthoscope IA détecte davantage de maladies cardiaques… mais la plupart des cabinets ont cessé de s’en servir. En santé, l’IA clinique marche souvent mieux que son adoption. Nous faisons ici le point sur l’imagerie, le dépistage, la cardiologie, les comptes rendus automatiques et la situation en France, puis sur ce que les structures de santé et les entreprises de tous secteurs peuvent en retenir.
Imagerie médicale : des examens plus courts, une lecture mieux épaulée
L’imagerie reste le terrain le plus mûr de l’IA clinique. En IRM, des outils de reconstruction comme Deep Resolve de Siemens Healthineers reconstruisent l’image à partir de moins de données. Les séquences sont donc plus courtes, pour une qualité qui reste adaptée au diagnostic. Concrètement, un patient qui souffre ou un enfant qui a du mal à rester immobile passe moins de temps dans la machine, et les risques d’examen à refaire diminuent.
Le bénéfice est aussi organisationnel. Prenons l’exemple type d’un cabinet de radiologie de ville très demandé en IRM du genou : quelques minutes gagnées par examen libèrent des créneaux sur la journée, utiles pour les suivis répétés de tumeurs ou d’articulations. L’IA ne remplace pas le radiologue : elle accélère un geste qu’il maîtrise et lui laisse le dernier mot.
Dépistage du cancer du sein : l’essai MASAI change la donne
Le dépistage par mammographie est le domaine où les preuves ont le plus progressé. En Suède, l’essai MASAI a comparé deux organisations sur environ 106 000 femmes : la double lecture classique par deux radiologues, et un dépistage où l’IA trie les examens et signale les zones suspectes. Les résultats finaux, publiés dans The Lancet début 2026, sont nets.
Le point clé concerne les cancers d’intervalle, ceux qui apparaissent entre deux dépistages et ont donc échappé à la lecture. Ils ne sont pas plus nombreux avec l’IA : 1,55 pour 1 000 femmes contre 1,76 dans le groupe classique. La sensibilité passe de 73,8 % à 80,5 %, avec la même spécificité (98,5 %), donc sans hausse des fausses alertes. Moins de cancers invasifs et de tumeurs de grande taille ont été découverts tardivement dans le groupe IA.
Attention, l’IA ne lit pas seule les mammographies : dans MASAI, les radiologues restent au cœur du dispositif et l’IA oriente leur attention. C’est une IA clinique évaluée dans un vrai programme de dépistage, sur de grands effectifs.
Cardiologie : le stéthoscope IA, entre promesse et réalité du terrain
Notre article de 2025 citait les premiers résultats du stéthoscope IA présentés au congrès européen de cardiologie. L’outil, conçu par Eko, combine l’écoute du cœur et un mini-électrocardiogramme pour donner un signal en une quinzaine de secondes. Les résultats complets de l’essai TRICORDER ont depuis été publiés dans The Lancet, et ils apportent des nuances essentielles.
L’étude a porté sur 205 cabinets de médecine générale du nord-ouest de Londres et plus de 12 700 patients présentant des symptômes. Avec l’appareil, l’insuffisance cardiaque était diagnostiquée environ deux fois plus souvent, la fibrillation atriale environ 3,5 fois plus et les valvulopathies presque deux fois plus.
Mais deux limites pèsent lourd. Après douze mois, environ 70 % des cabinets avaient cessé ou presque d’utiliser l’outil, qui ajoutait des étapes et s’intégrait mal au dossier informatisé : le nombre global de diagnostics n’a donc pas augmenté significativement. Et environ deux tiers des patients signalés n’avaient finalement pas d’insuffisance cardiaque. Ces faux positifs génèrent inquiétude et examens superflus : l’outil est à réserver aux patients symptomatiques.
Un médecin généraliste très sollicité n’utilisera l’appareil que s’il tient dans le temps de la consultation et remplit seul le dossier. En IA clinique, la précision ne suffit pas : il faut une bonne intégration.
L’IA qui rédige les comptes rendus : le vrai grand chantier
La nouveauté la plus visible de 2025-2026 n’est pas un algorithme de diagnostic, mais l’IA « ambiante », appelée aussi scribe IA. Elle écoute la consultation, avec l’accord du patient, et rédige un brouillon de compte rendu ou de courrier que le médecin relit et valide. Objectif : réduire le temps passé devant l’écran.
Les preuves commencent à arriver. Un essai randomisé publié dans NEJM AI fin 2025 a comparé, chez 238 médecins de l’université de Californie à Los Angeles (UCLA), deux outils (Microsoft DAX Copilot et Nabla, une solution d’origine française) à un groupe sans IA. Avec Nabla, le temps de rédaction des notes a baissé d’environ 9,5 %. Avec DAX, la différence n’était pas significative. Les indicateurs d’épuisement semblaient s’améliorer avec les deux outils, mais sans certitude statistique sur tous les critères.
C’est plus modeste que les promesses commerciales. L’essai n’a duré que deux mois, l’outil servait dans environ 30 % des consultations, et des inexactitudes cliniquement significatives ont été signalées « occasionnellement ». D’où une règle incontournable : le compte rendu généré reste un brouillon, signé par un professionnel qui l’a relu.
Au Royaume-Uni, le NHS a d’ailleurs publié dès avril 2025 des recommandations nationales sur ces outils, mises à jour en 2026 : signe qu’ils sont déjà assez répandus pour exiger un cadre.
En France : un cadre qui se précise et des CHU qui passent à l’action
La HAS et la CNIL fixent des repères
En octobre 2025, la Haute Autorité de santé a publié ses premières clefs d’usage de l’IA générative en santé, mises à jour en avril 2026. Elles tiennent en quatre lettres, A.V.E.C. : Apprendre le fonctionnement de l’outil, Vérifier sa requête et le contenu produit, Estimer dans le temps la qualité de l’outil, Communiquer avec ses collègues pour améliorer les pratiques. Le principe est résumé ainsi : l’IA s’utilise avec le professionnel, pas à sa place.
La HAS et la CNIL sont allées plus loin avec un projet de guide sur le bon usage des systèmes d’IA en contexte de soins, soumis à consultation publique du 5 mars au 16 avril 2026. Il couvre tout le cycle de vie d’un outil, de l’achat à la désinstallation, vise établissements et libéraux, et répond aux critères IA ajoutés au sixième cycle de certification des établissements de santé. L’IA devient donc un sujet que les hôpitaux et cliniques devront documenter.
Les données de santé changent d’hébergeur
La Plateforme des données de santé (PDS, ex-Health Data Hub) a choisi Scaleway en avril 2026 pour quitter Microsoft Azure, selon Localtis (Banque des Territoires), avec une mise en service visée entre fin 2026 et début 2027. Scaleway est certifié HDS ; la qualification SecNumCloud de l’ANSSI n’est pas encore acquise. Sans données bien gouvernées, pas d’IA clinique fiable : nous y revenons dans notre article sur la qualité des données IA.
Le CHU de Montpellier, un premier déploiement à grande échelle
Sur le terrain, le CHU de Montpellier teste l’IA « à tous les étages » avec le projet Alliance Santé IA, financé à hauteur de 14,9 millions d’euros par France 2030. Au programme : un assistant conversationnel adossé à des données validées, la rédaction automatique de comptes rendus, d’ordonnances et de synthèses, et des courriers réécrits en langage simple pour les familles. Environ 200 utilisateurs pilotes testent ces outils développés en interne, pour que les données des patients restent dans l’établissement.
L’AP-HP a, elle aussi, inscrit dans son schéma directeur numérique 2026-2030 un assistant d’accès aux données cliniques et une IA interne sécurisée. Les grands hôpitaux français privilégient clairement des outils maîtrisés plutôt que des solutions grand public.
Pourquoi ce n’est toujours pas une révolution
Le bilan 2025-2026 confirme notre position d’origine. Les résultats solides viennent d’essais encadrés comme MASAI ; dans la routine, l’adoption devient le facteur limitant (TRICORDER) ; et les gains mesurés sur la documentation restent modestes.
Les points de vigilance de 2025 restent valables : faux positifs et parcours de confirmation, transparence des algorithmes, formation des équipes, intégration au système d’information, cybersécurité, traçabilité, marquage CE des dispositifs médicaux et hébergement HDS. S’y ajoute un risque propre à l’IA générative : les hallucinations, ces phrases plausibles mais fausses qu’un compte rendu automatique peut contenir. Un traitement inventé ou une allergie oubliée dans un courrier peut avoir des conséquences réelles.
La recherche avance vite, comme le montre l’IA qui s’attaque aux grandes énigmes scientifiques, mais il faut souvent des années entre un résultat de laboratoire et un usage courant en cabinet.
Cabinets, cliniques, structures de santé : par où commencer ?
Pour une structure de santé, la question n’est plus « faut-il utiliser l’IA ? », mais « comment le faire sans prendre de risque ». Quelques repères pratiques, tirés des sources ci-dessus :
- Partir d’une tâche, pas d’un outil : comptes rendus, courriers de sortie, synthèse de dossier, réponses administratives. Mesurez le temps qu’elle prend aujourd’hui avant de tester.
- Vérifier le statut de l’outil : marquage CE s’il intervient dans le diagnostic, hébergement HDS pour les données patients, information et accord du patient pour l’écoute d’une consultation.
- Imposer la relecture : aucun document généré ne part sans validation par un professionnel, conformément au « V » de la HAS.
- Interdire les outils grand public avec des données patients : copier un dossier dans un assistant gratuit est un risque de fuite et de non-conformité, comme nous l’expliquons dans notre guide ChatGPT et RGPD en entreprise.
- Former avant de déployer : la leçon de TRICORDER est qu’un outil non adopté ne sert à rien, même performant.
Prenons l’exemple type d’une clinique qui veut alléger ses courriers de sortie : tester un outil conforme avec quelques médecins volontaires pendant quelques semaines, comparer le temps de rédaction avant et après, noter les erreurs corrigées à la relecture, puis décider sur des faits plutôt que sur une démonstration commerciale.
Ce que les entreprises de tous secteurs peuvent en retenir
La santé est un secteur exigeant, donc ses leçons valent pour tous. Première leçon : l’adoption compte plus que la performance ; un outil qui ajoute deux clics finit au placard, à l’hôpital comme en PME. Deuxième leçon : les gains réels se trouvent souvent dans la rédaction et l’administratif.
Troisième leçon : l’humain reste responsable. « L’IA rédige, le professionnel valide » vaut pour un compte rendu médical comme pour un devis ou un rapport de chantier. Et la méthode A.V.E.C. de la HAS peut être reprise telle quelle par n’importe quelle équipe.
C’est précisément l’approche que nous défendons chez Le Renard IA : partir des tâches qui prennent du temps, former les équipes à vérifier ce que l’IA produit, puis mesurer les gains. Nos formations IA pour les entreprises sont construites sur des cas concrets du métier de chaque participant, y compris pour les cabinets et structures du secteur sanitaire et médico-social.
Conclusion
En 2026, la santé et l’IA clinique ont franchi un cap : des preuves plus solides avec MASAI, un cadre français précisé par la HAS et la CNIL, et des CHU qui confient à l’IA les comptes rendus en gardant la main sur les données. Mais la leçon du stéthoscope IA demeure : une technologie ne transforme les soins que si les professionnels l’adoptent. L’IA clinique n’est pas une baguette magique, c’est un levier sérieux qui avance pas à pas, évalué, encadré et accompagné par la formation des équipes.
📚 Sources :
- Hospital Healthcare Europe – Résultats finaux de l’essai MASAI sur le dépistage par mammographie assisté par IA (The Lancet) (2026)
- Digital Health – Publication dans The Lancet de l’essai TRICORDER sur le stéthoscope IA (2026)
- PubMed – Essai randomisé sur les scribes IA ambiants en pratique clinique (NEJM AI) (2025)
- Haute Autorité de santé – Premières clefs d’usage de l’IA générative en santé (2025, mis à jour en 2026)
- CNIL – IA et santé : la HAS et la CNIL lancent une consultation publique sur un projet de guide (2026)
- L’info durable – Un grand hôpital de Montpellier teste l’IA à tous les étages (2026)
🔗 Pour aller plus loin :
- Gouvernance IA entreprise : guide B2B incontournable
- AI Act formation obligatoire entreprise : le guide PME
- Répondre aux appels d’offres avec l’IA : méthode sans hallucinations
Pour aller plus loin
Vous voulez que vos équipes gagnent une heure par jour grâce à l’IA ? Le Renard IA, organisme certifié Qualiopi basé à Lyon, forme les entreprises de toutes tailles, sans prérequis technique, avec des cas pratiques tirés de votre quotidien. Découvrez notre atelier d’initiation à l’IA, parcourez toutes nos formations ou prenez rendez-vous pour en parler.
