L’IA est déjà à l’hôpital, mais 45 % des soignants n’en voient aucune trace

Panorama

L’intelligence artificielle a déjà franchi les portes de l’hôpital public. Près des deux tiers des établissements, 65 %, déclarent l’utiliser en production, selon le premier baromètre de la Fédération hospitalière de France. Pourtant, à l’autre bout du couloir, 45 % des soignants interrogés quelques mois plus tard par l’Ifop affirment n’en voir encore aucun usage dans leur établissement. Entre l’affichage institutionnel et le vécu des services, ce panorama mesure ce que l’IA fait vraiment à l’hôpital, et ce qu’elle ne fait pas.

Les chiffres tournent en boucle : telle IA détecterait mieux qu’un radiologue, telle autre écrirait les comptes rendus à la place du médecin. Pour démêler la promesse du réel, nous avons croisé deux enquêtes nationales de 2025 et le dossier de référence de l’Inserm. Le tableau qui en sort est plus nuancé que les gros titres.

L’IA est déjà là, mais pas où on l’imagine

Oui, l’IA est entrée dans la routine hospitalière, mais par petites touches. Le baromètre de la FHF, mené en juillet 2025 auprès de 110 établissements publics, montre que 65 % en utilisent déjà en production, le plus souvent avec moins d’une dizaine d’applications. Et 90 % comptent lancer de nouveaux projets d’ici un à trois ans.

Le vécu des soignants raconte une autre histoire. Le baromètre Ifop réalisé pour UniHA et la CAIH, publié en novembre 2025 auprès de 1 051 agents, relève que 45 % d’entre eux estiment que leur établissement n’a encore adopté aucun usage de l’IA, et 62 % jugent leur connaissance du sujet limitée.

Ce décalage n’est pas une contradiction. Un hôpital peut faire tourner un algorithme dans un service de radiologie pendant que la quasi-totalité des équipes n’y touche jamais. L’IA hospitalière de 2026 est réelle, mais concentrée, discrète, et très inégalement répartie.

Ce que l’IA fait vraiment : d’abord de la paperasse

Quand les soignants la croisent, l’IA ne pose pas de diagnostic : elle écrit. Parmi ceux qui se sentent déchargés d’une tâche par l’IA, 43 % citent la rédaction de comptes rendus, loin devant l’analyse de données (23 %) et le tri de documents administratifs (23 %), selon le baromètre Ifop.

Côté établissements, la priorité affichée est différente. Interrogés par la FHF sur leurs domaines d’usage, les hôpitaux placent en tête l’aide au diagnostic ou à la décision clinique, citée par plus d’un répondant sur deux, devant le pilotage stratégique et la recherche biomédicale. Les directions visent donc le diagnostic ; sur le terrain, c’est surtout du temps repris sur la bureaucratie.

Ce grand écart dit l’essentiel : la valeur immédiate de l’IA à l’hôpital tient moins à ses prouesses cliniques qu’à sa capacité à alléger la charge administrative, ce fardeau qui ronge le temps de soin.

L’imagerie, le terrain le plus mûr

Un domaine échappe à cette immaturité : l’analyse d’images. C’est là que l’IA médicale affiche ses résultats les plus solides, rappelle le dossier de l’Inserm. Repérer un mélanome sur une photo de peau ou une rétinopathie sur un fond d’oeil suppose d’entraîner l’algorithme sur d’immenses jeux d’images : 50 000 pour les mélanomes, 128 000 pour les rétinopathies.

Les preuves cliniques suivent. Une étude parue dans Nature Medicine en 2020 a montré qu’un système entraîné sur plus de 25 000 mammographies réduisait de 9,4 % les faux positifs par rapport aux radiologues, aux États-Unis. L’algorithme ne signe pas le compte rendu, mais il trie et attire l’oeil sur les clichés à risque.

Pour le reste, on avance à tâtons. Sur les tâches très spécialisées, prévient l’Inserm, plus la question médicale est pointue, plus les erreurs se multiplient ; les grands modèles de langage comme ChatGPT restent, dit le dossier, discrédités pour prendre une décision médicale.

La règle d’or : l’IA voit, le médecin décide

C’est la ligne rouge, et elle ne bouge pas : la machine propose, le médecin dispose. L’Inserm le pose noir sur blanc, le praticien est seul habilité à porter un diagnostic et doit pouvoir garder son autonomie face à la machine, comprendre ses recommandations et les contourner si besoin.

Le droit a rattrapé le principe. Le règlement européen sur l’IA, l’AI Act entré en vigueur en 2024, classe les dispositifs d’IA médicale en risque élevé : transparence, traçabilité, certification et responsabilité humaine de la décision restent obligatoires.

Pourquoi cette prudence ? Parce que les approches numériques fonctionnent comme des boîtes noires, capables de reproduire les biais de leurs données d’entraînement, en sous-représentant par exemple les personnes âgées ou certaines populations. Une IA qui se trompe en silence est plus dangereuse qu’une IA dont on sait qu’elle doute.

Le vrai risque n’est pas le robot, c’est la fracture

Si une menace guette, ce n’est pas le remplacement des médecins, c’est l’inégalité d’accès. La recherche clinique assistée par IA, souligne la FHF, concerne surtout les CHU, les grands centres qui ont les données, les ingénieurs et les budgets.

Or la matière première manque partout. L’Inserm estime que 80 % des informations sur les patients dorment dans du texte libre, mal structuré, et relève jusqu’à 30 % d’erreurs dans la description des pathologies au sein des grandes bases de l’Assurance maladie. Sans données propres, aucun algorithme ne tient ses promesses.

La formation, elle, reste embryonnaire : seuls 6 % des agents hospitaliers déclarent avoir été formés à l’IA, selon l’Ifop. Le risque, très concret pour le patient français, est une médecine augmentée à deux vitesses, un grand CHU parisien outillé face à un hôpital de proximité qui regarde passer le train, pendant que des acteurs privés se préparent à entraîner l’IA sur nos données de santé.

Méthode : croisement de deux baromètres nationaux 2025 (FHF, juillet, 110 établissements publics ; Ifop pour UniHA et la CAIH, novembre, 1 051 agents hospitaliers) et du dossier de référence de l’Inserm ; preuve d’imagerie tirée d’une étude de Nature Medicine (2020). Limites : les deux baromètres reposent sur des déclarations, non sur un audit des systèmes ; ils ne mesurent pas les mêmes objets (établissements pour la FHF, agents pour l’Ifop), ce qui explique une partie de l’écart 65 %/45 % ; les chiffres d’adoption sont des ordres de grandeur, appelés à évoluer vite.

Questions courantes

L’IA est-elle vraiment déjà utilisée dans les hôpitaux français ?
Oui. Selon le baromètre de la Fédération hospitalière de France (juillet 2025), 65 % des établissements publics utilisent déjà des solutions d’IA en production, le plus souvent avec moins d’une dizaine d’applications, et 90 % prévoient de nouveaux projets d’ici un à trois ans.

Que fait concrètement l’IA à l’hôpital aujourd’hui ?
Côté soignants, surtout de l’administratif : 43 % de ceux qui se sentent déchargés d’une tâche citent la rédaction de comptes rendus (baromètre Ifop). Côté établissements, la priorité affichée est l’aide au diagnostic, citée par plus d’un répondant sur deux.

L’IA peut-elle poser un diagnostic à la place du médecin ?
Non. L’Inserm rappelle que le médecin est seul habilité à porter un diagnostic, et le règlement européen (AI Act) classe l’IA médicale en risque élevé, avec obligation de responsabilité humaine. L’IA propose, le médecin décide.

Dans quel domaine l’IA médicale est-elle la plus fiable ?
L’analyse d’images. C’est le terrain le plus documenté : un système entraîné sur plus de 25 000 mammographies a réduit de 9,4 % les faux positifs par rapport aux radiologues (Nature Medicine, 2020). Ailleurs, les usages restent plus expérimentaux.

Quel est le principal risque de l’IA à l’hôpital ?
Moins le remplacement des médecins que l’inégalité d’accès. La recherche assistée par IA se concentre dans les grands CHU, la qualité des données reste un frein, et seuls 6 % des agents ont été formés : de quoi creuser une médecine à deux vitesses.

Article créé en collaboration avec l’IA.