IA et logiciel médical : cas d'usage concrets en 2026

L'IA dans la santé : un sujet à traiter avec méthode

Dans le domaine médical, l'IA ne peut pas être intégrée comme une simple fonctionnalité « intelligente » ajoutée à une application existante. Les données manipulées sont sensibles. Les usages peuvent avoir un impact sur la prise en charge. Les erreurs peuvent avoir des conséquences importantes. Et les professionnels doivent conserver la maîtrise des décisions.

Le cadre européen évolue également. L'AI Act, entré en vigueur en 2024, prévoit des exigences spécifiques pour les systèmes d'IA à haut risque, notamment lorsqu'ils sont destinés à des usages médicaux : gestion des risques, qualité des données, information des utilisateurs et supervision humaine.

En France, la CNIL rappelle aussi que les données de santé font l'objet d'une protection particulière et que certains traitements peuvent nécessiter des formalités spécifiques, notamment lorsqu'ils impliquent le développement ou l'évaluation de systèmes d'IA. L'enjeu n'est donc pas d'ajouter de l'IA partout, mais de l'intégrer avec discernement.

Aide à la rédaction médicale

C'est probablement l'un des usages les plus immédiats. De nombreux logiciels médicaux contiennent déjà une quantité importante d'informations : observations, questionnaires, constantes, comptes-rendus précédents, courriers, antécédents, données administratives, éléments de suivi.

L'IA peut aider à transformer ces informations en documents plus facilement exploitables :

• brouillon de compte-rendu,
• synthèse de consultation,
• courrier au médecin traitant,
• résumé d'hospitalisation,
• note de coordination,
• fiche de transmission.

L'intérêt n'est pas que l'IA « écrive à la place du médecin », mais qu'elle prépare une base structurée, relue et validée par le professionnel. Dans ce type d'usage, l'humain reste responsable de la validation finale : l'IA devient un assistant documentaire, pas un décideur médical.

Synthèse automatique du dossier patient

Dans certains contextes, le problème n'est pas le manque d'information, mais l'excès d'information. Un dossier patient peut contenir des dizaines de documents, plusieurs épisodes de soins, des notes successives, des résultats biologiques, des prescriptions, des transmissions et des comptes-rendus externes.

L'IA peut aider à produire une synthèse utile avant une consultation ou une réunion de coordination : événements récents, points d'attention, traitements en cours, changements significatifs, informations manquantes, éléments à vérifier.

Ce cas d'usage est particulièrement pertinent dans les dossiers patients informatisés, les outils de coordination, les plateformes de parcours, l'HAD, la médecine de réadaptation ou les programmes d'éducation thérapeutique. La difficulté principale est de garantir que la synthèse soit traçable, sourcée et vérifiable : une bonne synthèse IA doit permettre au professionnel de retrouver rapidement l'information d'origine.

Recherche intelligente dans les données métier

Beaucoup de logiciels de santé contiennent une richesse d'information difficile à exploiter. Les utilisateurs doivent parfois chercher dans des documents PDF, des notes libres, des formulaires, des historiques, des courriers, des transmissions et des fichiers attachés.

L'IA permet d'imaginer des recherches plus naturelles :

• « Quels patients ont eu une aggravation récente ? »
• « Quels dossiers mentionnent une difficulté d'observance ? »
• « Quels patients n'ont pas eu de suivi depuis plus de six mois ? »
• « Quels documents parlent de douleur nocturne ? »

Ce type de recherche peut améliorer la qualité du suivi, à condition de rester dans un cadre maîtrisé : droits d'accès respectés, données cloisonnées, requêtes tracées, résultats explicables, absence d'exploitation hors contexte. Dans un logiciel médical, la recherche intelligente doit être pensée comme une extension sécurisée du système d'information, pas comme un moteur IA externe non maîtrisé.

Aide au codage, à la structuration et à la qualité des données

Les établissements et structures de santé ont un besoin croissant de données fiables : pilotage d'activité, reporting, financement, qualité, recherche, coordination, indicateurs internes. Mais les données saisies dans les logiciels sont souvent hétérogènes : champs libres, libellés variables, doublons, informations incomplètes, erreurs de saisie, documents non structurés.

L'IA peut aider à :

• repérer des incohérences,
• proposer une structuration,
• détecter des champs manquants,
• rapprocher des termes équivalents,
• extraire des informations depuis un document,
• suggérer une classification.

Par exemple, dans une application de coordination ou d'ETP, l'IA peut aider à identifier des thèmes récurrents dans les comptes-rendus : difficultés sociales, observance, isolement, besoin d'accompagnement, rupture de parcours. L'objectif n'est pas seulement de « faire de l'analyse de données », mais d'améliorer la qualité de l'information produite au quotidien.

Assistance aux professionnels dans les tâches répétitives

Une grande partie de la charge numérique en santé vient de tâches répétitives : reformuler un message, préparer une réponse, compléter une fiche, générer une synthèse, transformer une note en courrier, classer un document, vérifier qu'un dossier est complet, préparer une réunion de coordination.

Ces usages sont souvent moins spectaculaires que le diagnostic assisté par IA, mais ils sont immédiatement utiles. Ils permettent de réduire la charge administrative, les doubles saisies, les erreurs de retranscription, la fatigue documentaire et le temps passé hors du soin.

Dans beaucoup de projets, ces assistants métier seront les premiers usages réellement adoptés, car ils s'intègrent naturellement dans les workflows existants.

Aide à la coordination des parcours

La coordination est l'un des domaines où l'IA peut apporter une valeur concrète, notamment dans les parcours complexes. Un logiciel peut contenir des informations dispersées : rendez-vous, intervenants, transmissions, plans de soins, objectifs, documents, alertes, retards, absences, événements récents.

L'IA peut aider à repérer :

• un patient sans prochain rendez-vous,
• une rupture de suivi,
• une information importante non transmise,
• une action prévue mais non réalisée,
• une incohérence entre plusieurs éléments du dossier,
• une situation nécessitant une attention particulière.

Dans ce cadre, l'IA ne remplace pas la coordination humaine. Elle agit plutôt comme un filet de sécurité, capable de signaler des éléments qui risquent de passer inaperçus.

Préparation des réunions et revues de dossiers

Dans les établissements, les CPTS, les réseaux ou les programmes territoriaux, les réunions de coordination prennent du temps. Avant une réunion, il faut souvent relire les dossiers, préparer les points de suivi, identifier les situations prioritaires, compiler les informations importantes, puis produire un compte-rendu après échange.

L'IA peut aider à préparer une liste de patients à discuter, une fiche de synthèse par patient, les événements récents, les actions en attente, les décisions précédentes ou un brouillon de compte-rendu. Ce cas d'usage est particulièrement intéressant parce qu'il améliore la qualité de la réunion sans se substituer à la décision collective.

Aide à l'exploitation documentaire

Les logiciels médicaux manipulent souvent de nombreux documents : ordonnances, comptes-rendus, courriers, bilans, formulaires scannés, documents administratifs, pièces jointes.

L'IA peut intervenir à plusieurs niveaux :

• reconnaissance du type de document,
• extraction des informations clés,
• résumé,
• classement automatique,
• détection de doublons,
• proposition d'association avec un patient ou un épisode de soin.

Dans les logiciels existants, ce type d'usage peut être très utile car il améliore l'exploitation d'un patrimoine documentaire déjà présent, sans imposer immédiatement une refonte complète du système.

Assistance à la conception de parcours personnalisés

Dans certains contextes, l'IA peut aider à adapter les parcours : questionnaires, programmes d'éducation thérapeutique, messages de prévention, rappels, contenus pédagogiques, suivi entre deux consultations.

Par exemple, dans un programme d'ETP, l'IA peut aider à proposer une reformulation adaptée au niveau de compréhension du patient, à générer un support pédagogique ou à préparer un résumé personnalisé. Ce type d'usage doit rester prudent : personnaliser ne veut pas dire automatiser la décision. La validation par les professionnels et l'encadrement du contenu restent indispensables.

Support utilisateur et aide contextuelle dans le logiciel

Les logiciels médicaux sont souvent riches, complexes et spécifiques aux métiers. L'IA peut aider les utilisateurs à mieux comprendre l'application :

• « Comment créer un nouveau parcours ? »
• « Où trouver le compte-rendu ? »
• « Comment exporter les données ? »
• « Pourquoi ce dossier est incomplet ? »
• « Quelle est la prochaine étape ? »

Un assistant intégré peut répondre à partir de la documentation, des règles métier, des écrans disponibles, des droits utilisateur et du contexte du dossier. Ce cas d'usage est intéressant parce qu'il ne manipule pas nécessairement la décision médicale : il améliore l'adoption, réduit le support et accompagne les utilisateurs dans des outils parfois complexes.

Les usages à traiter avec prudence

Certains usages sont plus sensibles et demandent un niveau d'encadrement beaucoup plus élevé :

• aide au diagnostic,
• recommandation thérapeutique,
• priorisation médicale automatisée,
• détection automatique de pathologies,
• scoring patient,
• prédiction de risque clinique.

Ces usages peuvent avoir une forte valeur, mais ils relèvent souvent d'un cadre plus exigeant : dispositif médical, évaluation clinique, gestion des risques, documentation, supervision humaine, qualité des données, conformité réglementaire.

La Commission européenne rappelle que les logiciels d'IA destinés à des finalités médicales peuvent relever des systèmes à haut risque, avec des exigences fortes en matière de gestion des risques, de données, d'information et de supervision humaine. Pour beaucoup d'éditeurs ou porteurs de projets, il est donc plus réaliste de commencer par des usages d'assistance, de structuration, de synthèse ou d'aide documentaire, avant d'envisager des fonctionnalités à impact clinique direct.

Les conditions d'une intégration réussie

Intégrer de l'IA dans un logiciel de santé ne se résume pas à brancher une API. Il faut traiter plusieurs sujets dès le départ :

• quelles données sont utilisées ?
• où sont-elles hébergées ?
• sont-elles envoyées à un prestataire externe ?
• les données servent-elles à entraîner un modèle ?
• comment les accès sont-ils contrôlés ?
• les résultats sont-ils tracés ?
• l'utilisateur sait-il qu'il consulte une sortie générée par IA ?
• comment l'humain valide-t-il l'information ?
• que se passe-t-il en cas d'erreur ?
• comment mesurer la qualité du système ?

La CNIL a publié en 2026 des recommandations pour aider les professionnels à concilier développement de systèmes d'IA et respect du RGPD, avec une attention particulière aux responsabilités, à la documentation et à la protection des personnes. Dans la santé, ces questions ne sont pas accessoires : elles conditionnent la crédibilité et l'acceptabilité du projet.

IA embarquée, IA connectée ou IA souveraine ?

Un point d'architecture devient central : où se trouve l'IA ? Selon les cas, on peut envisager :

• un modèle appelé via une API externe,
• un modèle hébergé dans un environnement maîtrisé,
• un modèle spécialisé sur certains documents,
• un moteur de recherche sémantique interne,
• une IA utilisée uniquement pour des tâches non sensibles,
• ou une combinaison de plusieurs approches.

Le bon choix dépend du type de données, du niveau de sensibilité, des contraintes HDS, du budget, du besoin de performance, de la traçabilité attendue et du niveau de contrôle souhaité. Dans un contexte institutionnel, ces choix doivent être documentés et compréhensibles. Ils ne peuvent pas être traités comme un simple détail technique.

Une IA utile est une IA intégrée au métier

Les meilleurs cas d'usage ne sont pas forcément les plus visibles. Une IA utile dans un logiciel médical est souvent discrète, contextualisée, contrôlable, explicable, intégrée dans le workflow et validée par les utilisateurs métier.

Elle ne doit pas ajouter une couche de complexité supplémentaire. Elle doit au contraire réduire la friction, améliorer la qualité de l'information et permettre aux professionnels de se concentrer sur les tâches à forte valeur.

Conclusion

En 2026, l'intelligence artificielle a déjà une place concrète dans les logiciels de santé, mais cette place doit être pensée avec rigueur. Les cas d'usage les plus réalistes concernent aujourd'hui la synthèse, la rédaction, la recherche, la structuration des données, la coordination, l'aide documentaire et l'assistance aux utilisateurs. Les usages à impact clinique direct restent possibles, mais ils exigent un cadre beaucoup plus strict, une évaluation sérieuse et une conformité renforcée.

Chez Dawi, nous abordons l'IA comme une brique d'architecture et de produit, pas comme un effet d'annonce. L'objectif n'est pas d'ajouter de l'intelligence artificielle partout, mais d'identifier les endroits où elle peut réellement améliorer les usages, sécuriser les parcours et renforcer la qualité des logiciels de santé. Si vous portez un projet où l'IA pourrait jouer un rôle, c'est exactement le genre de sujet que nous aidons à cadrer dès la conception.