L’IA en santé n’est plus une idée abstraite. C’est une réalité en mouvement, que l’on voit désormais gagner en maturité, avec plus de sérieux et de structure.
Pendant longtemps, la santé a été traitée comme un « cas d’usage possible » pour une IA généraliste. En pratique, elle a déjà été l’un des terrains les plus courants où l’on teste ces systèmes dans le monde réel. Les patients posent des questions après les heures de consultation, parce que l’anxiété n’obéit pas aux horaires de bureau. Les aidants tentent d’interpréter des résultats de laboratoire en attendant un rendez-vous de suivi. Les personnes vivant avec des maladies chroniques cherchent des explications en langage clair à des plans de traitement complexes. De leur côté, les cliniciens subissent une pression documentaire incessante et recherchent constamment des outils qui allègent la charge cognitive sans sacrifier la sécurité. La demande n’était pas hypothétique, elle était déjà là. Ce qui change aujourd’hui, c’est que les grandes entreprises de l’IA conçoivent des produits spécifiquement dédiés à la santé, en reconnaissant sans détour que la médecine n’est pas un domaine « taille unique ».
Deux lancements rendent ce virage particulièrement visible : Claude for Healthcare et ChatGPT Health. On les évoque souvent ensemble, mais cliniquement et éthiquement, il ne faut pas les traiter comme interchangeables. Ils répondent à deux problèmes différents et à deux publics distincts, et cette distinction importe, car elle détermine la façon dont le risque se manifeste.
ChatGPT Health se comprend avant tout comme un espace orienté vers le patient : un lieu où chacun peut connecter ses informations personnelles de santé ou de bien‑être et recevoir des explications, des résumés et du contexte dans un langage humain. Sa promesse, c’est la clarté. Le système de santé est saturé de jargon, de portails fragmentés et de consultations pressées ; un outil qui aide une personne à comprendre ses propres informations peut réduire la confusion et améliorer l’adhésion. Utilisé à bon escient, il peut soutenir de meilleures conversations avec les cliniciens, car les patients arrivent avec des questions plus précises et moins de débordement émotionnel.
Mais cette force est aussi son risque le plus prévisible. Lorsqu’un système explique les choses avec aisance, on peut confondre fluidité et autorité clinique. Nous l’avons tous constaté : un ton assuré peut donner l’illusion de la certitude, même lorsque la situation sous-jacente demeure ambiguë. En santé, cet écart n’a rien de théorique, il influence des décisions bien réelles. Le défi de sécurité pour un outil tourné vers le patient ne se réduit donc pas à l’exactitude au sens étroit. Il s’agit de cadrer les attentes, de poser des frontières claires et d’ériger des garde‑fous pour empêcher que le « soutien informationnel » ne soit interprété comme un diagnostic ou une consigne médicale.
Claude for Healthcare, à l’inverse, s’inscrit plus naturellement comme un outil d’entreprise et de flux de travail. L’enjeu n’est pas tant « demandez‑moi n’importe quoi » que « connectez‑moi au travail ». Les organisations de santé n’ont pas seulement besoin de réponses ; elles ont besoin d’appui opérationnel : interpréter et résumer des informations complexes à grande échelle, réduire les frictions administratives, soutenir la recherche et les processus internes, et s’intégrer aux systèmes existants sans transformer chaque tâche en un onglet et un identifiant supplémentaires. Si l’on est honnête sur ce qui épuise les cliniciens, une large part se situe ici, dans la documentation, les tâches administratives et l’effort sans fin pour retrouver encore et encore l’information au sein de workflows brouillons.
C’est pourquoi les outils orientés workflow paraissent si attrayants : ils ciblent les points de pression qui fissurent réellement le système. Mais là encore, le risque est différent. Quand l’IA s’intègre au flux de travail, elle peut amplifier à la fois l’efficacité et l’erreur. Si une sortie est erronée et que personne ne la repère, la faute ne touche pas qu’une conversation : elle s’inscrit dans la documentation, se propage, se recopie et se normalise. Plus l’outil est « branché » au système, plus il devient essentiel de le concevoir pour la supervision et pas seulement pour la vitesse.
C’est ici que la conformité dépasse le simple « à cocher ». Dès que ces systèmes manipulent des données de santé sensibles, la question n’est pas seulement « est‑il conforme à la HIPAA ? » ou « est‑il conforme au RGPD ? ». La vraie question est : comment la gouvernance des données fonctionnera‑t‑elle dans la vraie vie, avec de vraies personnes, sous une vraie pression temporelle ?
La HIPAA (Health Insurance Portability and Accountability Act) et le RGPD (Règlement général sur la protection des données) sont des cadres différents, mais ils poussent tous deux vers la même discipline : des règles claires sur les données collectées, la raison de leur collecte, qui peut y accéder, combien de temps elles sont conservées et ce qu’il se passe en cas de problème. Et voici un point à ne pas édulcorer : la conformité n’est pas quelque chose qu’une entreprise peut entièrement « octroyer » à un utilisateur par une annonce produit. Même si un système est conçu pour être compatible HIPAA ou propose des fonctions de sécurité robustes, les organisations doivent encore le déployer de manière responsable. Cela implique des contrôles d’accès, des permissions fondées sur les rôles, des pistes d’audit, la formation du personnel, des politiques de rétention, une planification de réponse aux incidents, et des frontières limpides sur les données qui doivent, ou ne doivent pas, être saisies dans le système.
Pour une IA tournée vers le patient comme ChatGPT Health, la confidentialité et le consentement doivent être particulièrement lisibles, car les patients ne mesurent pas toujours ce qu’ils partagent lorsqu’ils téléversent des documents, connectent des comptes ou collent des textes issus de portails. L’outil doit prévenir la sur‑divulgation accidentelle et rendre évident le moment où une question franchit la limite du « vous avez besoin d’un clinicien ». Pour une IA orientée workflow comme Claude for Healthcare, la charge se déplace vers les contrôles institutionnels : permissions des connecteurs, accès au moindre privilège, supervision et structures d’imputabilité pour éviter que « l’automatisation utile » ne devienne une prise de décision invisible.
Ce qui est véritablement prometteur dans tout cela, c’est la trajectoire. Nous nous éloignons de l’idée qu’un assistant générique puisse servir, en toute sécurité, chaque scénario de santé. Nous voyons apparaître une spécialisation : des outils conçus pour la compréhension par le patient, et d’autres pour les workflows cliniques et organisationnels. Cette spécialisation facilite la définition de la finalité du système, des critères d’évaluation et des frontières à faire respecter.
Notre position est simple : l’IA en santé se diversifie, et c’est le signe que le secteur est pris au sérieux. Mais le sérieux s’accompagne d’obligations. Ces outils doivent assister, non diagnostiquer. Ils doivent alléger la charge, sans introduire discrètement de nouveaux canaux d’erreur. Et ils doivent traiter les données sensibles avec une gouvernance opérationnelle, non rhétorique. Si nous bâtissons sur ces principes, l’IA peut apporter de la clarté et soulager de vraies pressions en santé. Sinon, elle amplifiera une incertitude au ton sûr d’elle dans le seul domaine où l’on peut le moins se le permettre.