Quand l’IA entre à l’hôpital : qu’est-ce qui change pour les médecins et les patients ?

Dans ma précédente chronique, j’ai examiné l’IA médicale sous l’angle des affaires, en m’intéressant aux possibilités qu’elle ouvre aux entreprises technologiques. Mais au-delà du potentiel d’innovation et de création de nouveaux marchés, une question plus fondamentale se pose : en quoi ces technologies vont-elles changer le quotidien des médecins qui les utilisent et des patients qui en dépendent ? Après tout, la véritable valeur de l’innovation médicale réside dans sa capacité à améliorer la qualité et l’accessibilité des soins. Et je constate déjà des changements remarquables dans la manière dont les soins peuvent être dispensés.

Comment les pénuries de personnel accélèrent l’automatisation des soins de santé

Je connais un entrepreneur dont l’entreprise fournit du personnel médical temporaire aux hôpitaux, notamment des infirmiers et infirmières pour remplacer les employés habituels lorsqu’ils ne sont pas disponibles. On pourrait s’attendre à ce qu’une telle entreprise prospère dans un contexte de pénurie persistante de personnel. Pourtant, il affirme que même les entreprises spécialisées dans le recrutement de professionnels de santé ont du mal à trouver suffisamment de personnes qualifiées.

Les hôpitaux sont confrontés à des pénuries de médecins et d’infirmiers depuis des décennies. Former de nouveaux professionnels de santé demande beaucoup de temps et de ressources. Les études de médecine, en particulier aux États-Unis, peuvent coûter très cher, et les années d’études et de formation clinique s’accompagnent de pressions financières et psychologiques. Même après leur formation, les médecins doivent faire face à un stress intense, à d’énormes responsabilités et à des contraintes de temps permanentes.

En conséquence, les médecins n’ont parfois que quelques minutes à consacrer à chaque patient pour examiner ses symptômes, envisager différents diagnostics, prescrire des examens et remplir les documents nécessaires. Cette charge de travail accroît le risque d’erreurs et réduit le temps disponible pour des échanges approfondis avec les patients. À elle seule, l’embauche de personnel supplémentaire ne suffira probablement pas à résoudre le problème.

C’est pourquoi je pense que les pénuries persistantes de personnel et l’alourdissement de la charge de travail seront parmi les principaux facteurs qui accéléreront l’adoption de l’IA dans les hôpitaux.

Que peuvent confier les médecins à l’IA ?

L’une des applications les plus concrètes repose sur des systèmes d’IA qui enregistrent les conversations entre médecins et patients, résument les consultations et contribuent à préparer la documentation clinique. Au lieu de consacrer du temps à rédiger leurs notes à la main, les médecins reçoivent un brouillon qu’ils peuvent vérifier et modifier au besoin.

Les avantages de ces outils se font déjà sentir dans la pratique clinique. Une étude publiée dans JAMA en avril 2026 a analysé les données de plus de 8 500 professionnels de santé répartis dans cinq centres médicaux américains. Chez les cliniciens qui ont adopté des outils de documentation assistés par l’IA, le temps consacré aux notes cliniques a diminué de 10 % en moyenne, soit environ 16 minutes par période de huit heures de consultations programmées.

Le diagnostic différentiel assisté par l’IA en est un autre exemple. Imaginons qu’un patient consulte un médecin pour des douleurs abdominales et des picotements du côté gauche. Un système d’IA peut analyser les symptômes et proposer plusieurs causes possibles à examiner. Il ne pose pas le diagnostic définitif, mais peut aider le médecin à dresser une liste d’hypothèses, à repérer les questions à poser lors du suivi et à déterminer quels examens pourraient être nécessaires. J’ai déjà rencontré de tels outils dans la pratique et je m’attends à ce qu’ils deviennent courants lors des consultations médicales. Ils soulèvent toutefois une préoccupation légitime : le recours aux suggestions de l’IA pourrait-il, à la longue, affaiblir la capacité des médecins à raisonner de manière autonome ? Lorsqu’un système fournit des réponses toutes faites, il est tentant de faire confiance à ses conclusions, surtout quand le temps consacré à chaque patient est déjà si limité.

Il y a toutefois un autre aspect à prendre en compte. Aussi expérimenté soit-il, un médecin voit inévitablement ses connaissances façonnées par les patients qu’il a soignés, la formation qu’il a reçue et les travaux de recherche qu’il a eu le temps d’étudier. Les modèles d’IA, en revanche, peuvent potentiellement repérer des tendances dans des volumes de données médicales bien plus importants, y compris dans des cas qu’un médecin donné n’a peut-être jamais rencontrés.

L’IA, actrice de la recherche médicale

Les cas cliniques complexes, pour lesquels même des spécialistes expérimentés peinent à parvenir à un consensus, constituent un autre domaine à explorer. Aujourd’hui, ces cas sont souvent examinés lors de réunions consacrées à l’étude de cas médicaux, où les médecins passent en revue les résultats des examens, discutent des diagnostics possibles et s’accordent sur les prochaines étapes du traitement. Je ne pense pas que l’IA remplacera ces discussions, mais je peux l’imaginer y prendre part.

Plusieurs approches sont envisageables. Plusieurs modèles pourraient analyser indépendamment le même cas clinique, afin que les médecins puissent comparer leurs conclusions et repérer les points d’accord ou de désaccord. Autre possibilité : un seul modèle pourrait examiner le cas à plusieurs reprises en appliquant différentes méthodes d’analyse, puis les résultats seraient rassemblés pour être examinés.

Bien sûr, le fait que des modèles d’IA s’accordent ne signifie pas nécessairement qu’ils sont parvenus à la bonne conclusion. Ils peuvent présenter les mêmes limites, s’appuyer sur des données d’entraînement similaires et commettre les mêmes erreurs. Ces perspectives supplémentaires pourraient néanmoins aider à déceler des incohérences, à signaler des maladies rares ou à suggérer des hypothèses auxquelles les médecins n’avaient pas pensé au départ.

Pour que l’IA contribue véritablement à ce type de discussion, elle doit toutefois prendre en compte davantage que des résultats d’examens isolés. Dans le cadre de notre travail chez Keymakr, j’ai pu constater directement l’importance de ce contexte clinique plus large. Dans le cadre d’un projet d’imagerie par échographie, nous avons travaillé sur des clichés des mêmes patients réalisés à différents moments, parfois plusieurs fois par jour, puis de nouveau des mois plus tard. L’équipe a annoté les structures anatomiques et signalé les anomalies potentielles à l’attention des spécialistes, tout en tenant compte de l’évolution constatée au fil des examens du patient.

De petites incohérences dans certains dossiers pouvaient influer sur l’interprétation des données connexes à l’échelle de l’ensemble du jeu de données. Cette expérience a confirmé l’importance de considérer les antécédents médicaux d’un patient dans leur globalité, un point tout aussi essentiel pour les systèmes d’IA qui épaulent les décisions cliniques complexes.

Une IRM sans appareil d’IRM

Mais poser un diagnostic ne consiste pas seulement à interpréter correctement les données médicales. Encore faut-il pouvoir accéder à ces données. L’un des projets d’IA les plus intéressants que j’aie découverts lors d’un événement recommandé par Scryon s’attaque précisément à ce problème. Une équipe de développeurs a trouvé le moyen de reconstituer, à l’aide de l’intelligence artificielle, une image semblable à une IRM à partir de scanners et de plusieurs radiographies prises sous des angles précis. L’idée est née d’un problème très concret : les appareils d’IRM coûtent cher et les patients doivent parfois attendre des mois pour passer un examen, alors que les appareils de radiographie et les scanners sont beaucoup plus répandus.

Pour l’instant, cette technologie se concentre sur le genou, même si ses concepteurs envisagent de l’étendre à d’autres articulations. Selon l’équipe, les images reconstituées sont conçues pour fournir des informations comparables à celles des examens par IRM, bien que les techniques d’imagerie reposent sur des principes physiques différents.

Au lieu de mettre au point un nouvel équipement médical coûteux, l’équipe s’appuie sur les technologies d’imagerie existantes et en élargit les possibilités grâce à la reconstruction d’images assistée par l’IA.

Une salle d’opération sans frontières

Je pense que, sous une forme ou une autre, l’IA interviendra dans au moins la moitié de l’ensemble des processus médicaux au cours de la prochaine décennie. Je parle d’un large éventail d’applications, de l’analyse des données médicales et de l’aide au diagnostic aux conseils fournis en temps réel par l’IA pendant les interventions chirurgicales.

À plus long terme, ces technologies pourraient aussi contribuer à surmonter les obstacles financiers, organisationnels et même géographiques à l’accès aux soins. Imaginez un chirurgien chevronné aux États-Unis qui prête son concours à une opération sur un enfant en Inde, ou un spécialiste en Inde qui aide à soigner un patient au Canada, sans être physiquement présent au bloc opératoire. Les progrès de la robotique, des systèmes de télécommande et de l’assistance chirurgicale par l’IA pourraient rendre de tels scénarios possibles.

Nous en voyons déjà les premiers signes. Par exemple, la plateforme Proximie permet aux chirurgiens de se connecter à distance aux blocs opératoires, d’observer les interventions en temps réel et de collaborer avec les équipes médicales sur place. Le système prend en charge la vidéo en direct, les communications vocales et les annotations visuelles, et utilise l’IA pour analyser les données relatives au déroulement des interventions chirurgicales. Cela ne signifie pas que les chirurgiens peuvent déjà réaliser n’importe quelle opération à distance, mais les spécialistes peuvent ainsi partager leur expertise et prodiguer des conseils sans se trouver dans la même salle d’opération.

Je pense que l’amélioration de l’accès aux soins devrait être l’un des principaux objectifs de l’IA médicale. L’essentiel est de savoir si ces technologies peuvent contribuer à réduire les délais d’attente pour les examens diagnostiques, à alléger la charge de travail des professionnels de santé et à permettre aux médecins de consacrer davantage de temps à leurs patients. En définitive, je mesurerais la réussite de l’IA médicale au nombre de personnes supplémentaires qui peuvent bénéficier grâce à elle de soins de qualité en temps opportun.