Adopt AI 2025 : la santé passe à l’échelle, sous le regard du terrain hospitalier

Des agents IA au service du parcours de soin
Moment clé du programme : une session consacrée aux agents IA appliqués au soin, animée par la professeure Stéphanie Allassonnière (Université Paris Cité / Prairie Institute). Autour de la table figuraient des acteurs mondiaux de la tech et de la biomédecine (AWS, Bristol Myers Squibb, Bioptimus, NHS), venus défendre une évolution nette des usages.

Là où l’IA s’était d’abord imposée dans des tâches ciblées — lecture d’imagerie, aide au tri ou à la transcription — les agents IA ambitionnent désormais de coordonner plusieurs étapes de prise en charge : identification du risque, alerte précoce, recommandation de parcours, suivi à distance et adaptation thérapeutique. En filigrane, l’objectif est clair : réduire les pertes de chance et homogénéiser les soins, notamment dans les systèmes soumis à une pénurie de professionnels. 

Mais le message qui revient dans les couloirs est moins flamboyant que pragmatique : un agent IA ne vaut que s’il s’insère dans la pratique quotidienne, avec un cadre clinique robuste et des responsabilités explicites. Les participants l’ont reconnu : l’enjeu n’est plus de “faire un POC”, mais de “faire mieux que sans IA”.

Pharma et recherche : accélérer la médecine de précision

Autre axe fort du sommet : la place de l’IA dans la recherche biomédicale et la stratégie des grands laboratoires. Plusieurs dirigeants ont insisté sur la capacité de l’IA à raccourcir le trajet “du labo au lit du patient”, en accélérant l’identification de cibles thérapeutiques, la conception d’essais cliniques, ou encore l’analyse post-mise sur le marché.

La présence de groupes pharmaceutiques majeurs comme Sanofi et Servier a souligné cette bascule. Les deux entreprises ont mis en avant des trajectoires d’IA centrées sur la médecine personnalisée, l’amélioration des essais cliniques et la prise en charge de pathologies complexes, dont les maladies rares. Même ton chez les partenaires publics et hospitaliers : l’IA doit devenir un levier de découverte et de ciblage plus fin des traitements, pas un gadget de communication.

Hôpitaux augmentés, mais données protégées

Si l’enthousiasme était visible, la prudence l’était tout autant. Plusieurs échanges ont porté sur la nécessité de déployer la GenAI au plus près des établissements, parfois en infrastructures locales (“on-premise”), pour éviter la circulation de données sensibles dans des environnements non maîtrisés. Cette approche répond à une réalité : en santé, la question n’est pas seulement la performance des modèles, mais leur conformité, leur auditabilité et leur sécurité.

Les débats ont aussi remis au centre le sujet des espaces de données : mutualiser les informations de santé pour entraîner et valider les modèles, tout en limitant au maximum les risques de fuite ou de réidentification. L’idée qui progresse est celle d’architectures fédérées, où l’algorithme se déplace vers les données plutôt que l’inverse. Une solution prometteuse, mais qui suppose standards communs, qualité de la donnée et gouvernance partagée entre hôpitaux, industriels et régulateurs.

Maladies rares : le cas d’usage qui convainc

Sur le terrain des maladies rares, l’IA semble déjà trouver un espace d’impact immédiat. Faibles effectifs par centre, diagnostiques longs et erratiques, manque d’expertise disponible : autant de conditions où l’IA peut changer la donne, en détectant plus tôt des signaux faibles et en aidant à constituer des cohortes exploitables pour la recherche. Les intervenants ont insisté sur le bénéfice concret : moins d’errance diagnostique, meilleure orientation des patients et accélération des identifications de traitements potentiels.

Une promesse conditionnelle : l’adoption à l’épreuve du soin

Au-delà des annonces, Adopt AI a surtout mis en lumière un point de tension : l’IA en santé sera jugée sur la preuve, pas sur la démonstration. Les professionnels présents l’ont rappelé :

• un gain doit être clinique, pas seulement statistique ;
• un outil doit être intégrable dans les logiciels et routines hospitalières ;
• tout usage doit être traçable, explicable et encadré.

Bref, la santé impose à l’IA une discipline particulière. Et c’est peut-être ce qui en fait aujourd’hui le meilleur test de maturité de l’IA européenne : réussir en santé, c’est prouver qu’on peut déployer à grande échelle sans renoncer à la sécurité ni à l’éthique.

En deux jours, AI for Health au Grand Palais a acté une transition : l’IA en santé ne se contente plus d’aider à lire une image ou à trier un dossier ; elle commence à structurer des parcours de soin, à réduire le temps de la recherche et à outiller l’hôpital sous contrainte de souveraineté et de confidentialité.

L’IA en santé avance donc, mais sous une règle tacite que tout le monde semblait partager : ici, l’innovation ne vaut que si elle est prouvée, sûre et réellement utile aux patients. Une exigence plus rude que dans d’autres secteurs — et une bonne nouvelle pour ceux qui y seront soignés.