L’IA dans la santé : cas d’usage concrets, acteurs français et stratégie en 2026

Au CHU de Nancy, 400 000 connexions à des outils d’IA non spécialisés ont été recensées depuis les postes de l’hôpital, dont 60 % vers ChatGPT, d’après les chiffres relayés lors de la présentation du baromètre national de l’IA à l’hôpital en novembre 2025. Ces usages posent un problème de sécurité, car des données de santé peuvent transiter par des services qui ne sont pas conçus pour les héberger. Ils montrent aussi que les pratiques avancent plus vite que le cadre prévu pour les encadrer.

La France a engagé des moyens pour rattraper ce décalage. En février 2025, le gouvernement a annoncé 119 millions d’euros pour former 500 000 professionnels de santé à l’IA en cinq ans. Le ministère de la Santé a ensuite présenté, le 1^er juillet 2025, une stratégie nationale « Intelligence artificielle et données de santé » pour 2025-2028. Plusieurs entreprises françaises (Owkin, Therapixel, Incepto, AZmed, Gleamer) sont reconnues à l’international dans ce domaine. L’enjeu consiste maintenant à passer de l’expérimentation au déploiement à grande échelle.

Imagerie médicale : le cas d’usage le plus mature

L’imagerie médicale est le domaine où l’IA en santé a le plus progressé. Des algorithmes de vision par ordinateur analysent les radiographies, mammographies, scanners et IRM pour signaler au radiologue des anomalies qui pourraient lui échapper, comme une fracture discrète, un nodule pulmonaire ou une lésion mammaire. Le médecin garde la décision finale.

En France, trois acteurs se distinguent dans la détection par IA :

• AZmed (Rayvolve) développe une suite d’IA pour la radiographie, qui détecte notamment les fractures. L’entreprise revendiquait plus de 2 500 établissements utilisateurs lors de l’annonce de son partenariat avec Incepto, en novembre 2025, et indique sur son site une présence dans plus de 55 pays. Rayvolve dispose du marquage CE, et AZmed affiche six autorisations de la FDA américaine. Le partenariat avec Incepto relie la détection d’AZmed à l’outil de compte rendu TANGO, afin que les résultats alimentent directement le rapport radiologique.
• Therapixel conçoit MammoScreen, une IA d’aide à la lecture des mammographies. Son étude nationale AURELIA évalue l’IA en première lecture des mammographies de femmes aux seins peu denses, sur 42 000 femmes selon l’entreprise ; le projet déclaré à la Plateforme des données de santé s’est déroulé de janvier 2024 à janvier 2026. L’enjeu du dépistage est important : l’Institut national du cancer estime la survie nette à 5 ans à 88 % pour l’ensemble des cancers du sein, et l’Assurance maladie indique qu’elle atteint 99 % pour un cancer détecté à un stade précoce. L’IA vise ici à alléger la charge des radiologues et à limiter les cancers non repérés.
• Gleamer (BoneView) propose une IA de détection des fractures utilisée notamment aux urgences. Le groupe américain RadNet a annoncé son rachat le 2 mars 2026, pour un montant pouvant atteindre 230 millions d’euros. Gleamer revendiquait alors plus de 30 millions d’examens analysés dans plus de 2 250 sites et 44 pays. À l’hôpital Lariboisière (AP-HP), une étude publiée en 2023 a comparé BoneView, Rayvolve et SmartUrgence (Milvue) en conditions réelles aux urgences.

Les gains annoncés portent aussi sur le temps médical. Incepto affirme que son assistant TANGO permet de gagner jusqu’à 45 % du temps consacré à la rédaction des comptes rendus radiologiques. Ce chiffre provient de l’éditeur et mérite d’être vérifié dans chaque service avant un déploiement.

Aide à la décision et médecine prédictive

Au-delà de l’imagerie, l’IA prédictive s’applique à plusieurs domaines cliniques :

• La détection précoce du sepsis repose sur des algorithmes qui surveillent en continu les données des patients hospitalisés pour repérer les signes d’une infection grave. Aux États-Unis, l’étude du système TREWS, publiée dans Nature Medicine en juillet 2022, a porté sur 590 736 patients dans cinq hôpitaux. Quand un soignant confirmait l’alerte dans les trois heures, la mortalité hospitalière des patients atteints de sepsis baissait de 18,7 % en valeur relative. Ce résultat dépend donc de la réactivité des équipes autant que de l’algorithme.
• L’oncologie de précision mobilise des acteurs comme Owkin, entreprise française d’IA pour la recherche biomédicale, qui entraîne ses modèles sur des données multimodales de patients. Son agent K Pro aide les laboratoires pharmaceutiques à orienter leur recherche, et Owkin a signé en 2026 des accords pluriannuels autour de K Pro avec AstraZeneca (mai) puis Sanofi (juin).
• Les essais cliniques peuvent s’appuyer sur des données synthétiques : l’IA construit des « bras de contrôle synthétiques » à partir de données historiques, une approche utile pour les maladies rares où les patients sont peu nombreux. La stratégie nationale cite cette piste parmi ses cas d’usage en recherche.
• En pharmacovigilance, des modèles de traitement automatique du langage analysent les déclarations d’effets indésirables pour aider à repérer plus tôt des signaux faibles.

Automatisation hospitalière : dégager du temps pour le soin

Le diagnostic ne représente qu’une partie des usages de l’IA en santé. Une part importante de la valeur se trouve dans l’automatisation des tâches administratives et logistiques qui pèsent sur les soignants.

Comptes rendus médicaux et documentation

La rédaction des comptes rendus fait partie des tâches les plus chronophages pour les médecins. Couplée à la reconnaissance vocale, l’IA générative produit des comptes rendus structurés pendant la consultation ou l’examen. En radiologie, TANGO (Incepto) automatise une partie de ce travail. Pour les consultations, la société française Nabla propose un assistant de documentation clinique ; elle a levé 70 millions de dollars en juin 2025 et revendiquait alors 85 000 cliniciens utilisateurs, surtout aux États-Unis. Notre sélection des outils IA pour les médecins présente d’autres solutions de ce type.

Codage des actes et facturation

Le codage PMSI (Programme de médicalisation des systèmes d’information) est un processus complexe qui conditionne le financement des hôpitaux. Des solutions d’IA analysent les dossiers médicaux et proposent des codes adaptés, que les équipes de codage valident ensuite. Elles visent à réduire les erreurs et les pertes de recettes.

Planification des ressources et gestion des flux

L’IA prédictive aide à anticiper les pics d’affluence aux urgences, à optimiser la planification des blocs opératoires et à prévoir les besoins en personnel. À l’été 2025, le ministère a lancé deux appels à manifestation d’intérêt (AMI) sur ces sujets : l’un porte sur la gestion des ressources humaines en établissement, l’autre sur l’IA dans les SAMU et les services d’urgences. Les expérimentations ont démarré le 1^er septembre 2025.

L’écosystème français de la HealthTech IA

La France compte plusieurs entreprises reconnues dans l’IA appliquée à la santé. Voici les acteurs de référence :

La stratégie nationale IA et données de santé 2025-2028

Le gouvernement a structuré sa stratégie autour de plusieurs axes concrets :

• La formation bénéficie de 119 millions d’euros, avec l’objectif de former 500 000 professionnels de santé à l’IA en cinq ans. Depuis la rentrée 2025, un enseignement au numérique et à l’IA est intégré au premier cycle des études de santé.
• L’hébergement souverain du SNDS a pris du retard sur le calendrier initial, qui visait une mise en service à l’été 2026. Le 23 avril 2026, la Plateforme des données de santé (Health Data Hub) a choisi Scaleway, filiale du groupe iliad, pour remplacer Microsoft Azure. La plateforme prévoit de gérer de façon autonome une copie de la base principale du Système national des données de santé entre fin 2026 et début 2027. Scaleway est certifié HDS, mais sa qualification SecNumCloud par l’ANSSI reste en cours, alors que le fournisseur la juge indispensable pour ce marché.
• Les appels à manifestation d’intérêt ont démarré en 2025 avec la gestion RH et les urgences. Un nouvel AMI, lancé le 8 juin 2026, porte sur l’IA pour la gestion des stocks, la dispensation et l’administration des médicaments ; les candidatures ont été closes le 17 juillet 2026.
• L’appel à projets IMPACT, porté par l’Agence du numérique en santé, finance des études d’impact sur l’usage de dispositifs médicaux numériques innovants dans les établissements sanitaires et médico-sociaux.
• L’Espace européen des données de santé (EHDS) repose sur le règlement (UE) 2025/327, entré en vigueur le 26 mars 2025. Ses règles sur l’usage secondaire des données (recherche, innovation, politiques publiques) s’appliqueront pour l’essentiel à partir de mars 2029.

Les freins à lever pour passer à l’échelle

La formation reste insuffisante. Selon le baromètre UniHA-CAIH mené par l’Ifop auprès de 1 051 agents hospitaliers entre juin et septembre 2025, 6 % ont suivi une formation à l’IA dans leur établissement et 8 % en ont une prévue. Sans formation adaptée, les outils restent sous-utilisés ou mal utilisés, ce qui expose la confidentialité des données de santé.

L’hébergement des données de santé (HDS) pose problème. En France, un prestataire qui héberge des données de santé pour le compte d’un établissement doit être certifié HDS. Les versions grand public d’assistants comme ChatGPT ou Claude ne sont pas prévues pour recevoir ce type de données. Les établissements se tournent donc vers des modèles déployés dans des environnements certifiés, et le RGPD classe les données de santé parmi les données sensibles. Notre article sur l’IA et le RGPD pour les PME détaille les obligations qui en découlent.

La validation clinique et le marquage CE prennent du temps. Un algorithme performant en laboratoire doit encore faire ses preuves en conditions réelles. Les dispositifs médicaux qui intègrent de l’IA doivent obtenir le marquage CE au titre du règlement européen sur les dispositifs médicaux (MDR). Ils relèvent aussi de l’AI Act (règlement (UE) 2024/1689), qui les range parmi les systèmes à haut risque de l’annexe I. Le règlement omnibus (UE) 2026/1744, entré en vigueur le 27 juillet 2026, a reporté leurs obligations de haut risque au 2 août 2028. D’autres règles s’appliquent déjà : les pratiques interdites et l’obligation de maîtrise de l’IA depuis février 2025, puis les obligations de transparence de l’article 50 depuis le 2 août 2026.

L’interopérabilité des systèmes reste un défi. Les hôpitaux utilisent de nombreux logiciels différents (dossier patient informatisé, PACS, RIS, laboratoire). Intégrer un outil d’IA dans ce paysage fragmenté demande un travail technique et organisationnel important. La vague 2 du Ségur du numérique en santé vise à améliorer l’interopérabilité, et le chantier s’annonce long.

L’IA en santé : entre transformation historique et responsabilité maximale

La santé est l’un des secteurs où l’IA touche le plus directement les personnes. Elle peut aider au diagnostic précoce, personnaliser des traitements et libérer du temps pour le soin. Elle comporte aussi des risques, comme les biais algorithmiques, les faux positifs ou l’exposition de données sensibles. Cette double facette impose une rigueur particulière, et le professionnel de santé reste responsable de la décision.

L’écosystème français dispose d’atouts réels : des entreprises technologiques reconnues (Owkin, Therapixel, Incepto, AZmed), une stratégie nationale financée, un cadre réglementaire exigeant (RGPD, AI Act, MDR) et les bases médico-administratives du SNDS. Le rachat de Gleamer par un groupe américain montre aussi que ces entreprises attirent les investisseurs étrangers.

Pour les entreprises du secteur, plusieurs cas d’usage disposent déjà d’études publiées, en particulier en imagerie, et le calendrier réglementaire est désormais connu. Chaque projet doit cependant démontrer son intérêt clinique dans son propre contexte. Un audit de maturité IA qui intègre les spécificités du secteur (HDS, MDR, AI Act) constitue un bon point de départ, et notre guide complet de l’IA en entreprise présente la méthode de déploiement étape par étape. Nos articles sur les soins de santé et l’intelligence artificielle et sur l’achat d’un wearable santé IA complètent ce panorama.