IA à l’hôpital : les enseignements organisationnels de l’expérience Gustave Roussy

L’intelligence artificielle suscite un intérêt croissant dans le secteur hospitalier, entre promesses d’optimisation des parcours, gains de temps médical et interrogations persistantes sur la sécurité des données ou la fiabilité des algorithmes. À Gustave Roussy, l’IA est désormais intégrée comme un axe structurant du projet d’établissement, dans une démarche progressive articulant enjeux cliniques, organisationnels et systèmes d’information.

Une stratégie née de contraintes opérationnelles

À l’origine de cette trajectoire, un constat largement partagé : des volumes de données médicales en constante augmentation, des dossiers patients toujours plus complexes, une charge administrative pesant sur les médecins et une exigence accrue en matière de qualité et de sécurité des soins.

Plutôt que d’aborder l’IA comme une innovation isolée, Gustave Roussy a choisi de l’inscrire dans une réflexion globale, en lien étroit avec ses organisations médicales, sa direction des systèmes d’information et ses équipes de recherche. L’objectif affiché est d’utiliser l’IA comme un outil d’aide, capable de structurer l’information et d’alléger certaines tâches chronophages, sans jamais se substituer à la décision clinique.

Développement interne et souveraineté des données

L’un des axes structurants de cette stratégie repose sur la maîtrise des données de santé. Face aux contraintes réglementaires – RGPD, secret médical – et aux limites des solutions génériques du marché, l’établissement privilégie le développement d’outils internes, hébergés sur ses propres infrastructures.

C’est notamment le cas de MedGR, un assistant médical conçu pour aider les oncologues à synthétiser des dossiers patients volumineux, ou d’outils d’extraction automatisée d’informations pour la préparation des réunions de concertation pluridisciplinaire. Ces solutions visent à sécuriser l’analyse des données et à réduire les tâches répétitives, tout en maintenant une supervision humaine systématique.

Ce choix implique des investissements importants et une mobilisation forte des compétences SI et métiers. Il répond toutefois à une préoccupation centrale pour de nombreux DSI hospitaliers : limiter la dépendance à des outils « boîtes noires » peu adaptés aux pratiques cliniques locales.

Des usages déjà intégrés au quotidien

Contrairement à certaines approches encore expérimentales, plusieurs outils d’IA sont déjà utilisés en routine à Gustave Roussy. En imagerie et en anatomopathologie, des logiciels d’aide à l’interprétation complètent le travail des spécialistes, notamment pour la détection de biomarqueurs ou l’évaluation du risque de rechute.

Côté parcours patient, des dispositifs ciblés ont également été déployés : chatbot d’information dédié à la chirurgie du sein, applications de suivi des effets secondaires ou d’accompagnement de l’après-cancer, outils facilitant l’accès aux essais cliniques. Tous reposent sur des infrastructures certifiées pour l’hébergement de données de santé et sont conçus comme des aides, sans automatisation de la décision.

Recherche et structuration des données à grande échelle

L’IA occupe également une place centrale dans les activités de recherche de l’établissement. Gustave Roussy s’appuie sur des projets de grande ampleur, tels que la constitution de cohortes structurées grâce à l’IA ou le développement de jumeaux numériques de patients atteints de cancers avancés.

Ces travaux ouvrent des perspectives importantes en matière de médecine personnalisée, mais restent pour une large part en phase d’évaluation clinique. Ils mettent surtout en évidence l’importance de la qualité, de la traçabilité et de la gouvernance des données, prérequis indispensables à tout déploiement d’IA fiable en santé.

Gouvernance et éthique comme prérequis

Autre enseignement clé : le déploiement de l’IA s’accompagne d’une gouvernance dédiée. Un Data Access Committee encadre l’accès aux données et valide les usages, tandis que l’établissement s’appuie sur des référentiels internationaux pour encadrer l’utilisation des modèles d’IA, notamment génératifs.

Cette approche vise à limiter les risques d’erreurs, de biais ou de décisions non explicables, dans un contexte où la confiance des professionnels comme des patients conditionne l’acceptabilité des outils numériques.

Pour les établissements de santé, l’expérience de Gustave Roussy met surtout en évidence un point clé : l’intelligence artificielle ne se déploie pas par empilement d’outils, mais par structuration progressive des organisations, des données et des usages. Loin d’une approche expérimentale isolée, l’IA y est pensée comme un prolongement des systèmes d’information hospitaliers, au service des équipes médicales et de la recherche.

Ce retour d’expérience souligne également le rôle central des DSI dans ces trajectoires, à l’interface des enjeux réglementaires, technologiques et métiers. Gouvernance de la donnée, choix d’architectures, arbitrage entre solutions internes et partenariats : autant de dimensions qui conditionnent la capacité des établissements à intégrer durablement l’IA dans leurs pratiques. Plus qu’une promesse technologique, l’IA apparaît ici comme un chantier de transformation organisationnelle, appelé à s’inscrire dans le temps long.

Source
Dossier de presse « L’IA en oncologie – L’humain augmenté au service du soin et de la recherche », Gustave Roussy, janvier 2026