Dans le travail clinique et de recherche, la numérisation ne vise pas un « beau » PDF ; elle sert surtout à ne pas alourdir les workflows. On scanne avenants, lettres d’orientation, listes de médicaments, CRF et notes manuscrites qui font foi. Des années durant, le mobile a amélioré l’image au prix d’une chorégraphie répétitive, cadrer, appuyer, confirmer, recommencer. Dans l’expérience récente de Google Drive, l’essentiel est l’interaction : moins de tapotements, capture continue et davantage de « jugement » logiciel sur le bon moment.
Le scanner de Google Drive accepte le multi‑pages depuis longtemps, mais fonctionne désormais comme un vrai canal d’acquisition in‑app, pas un outil à part. Concrètement, on ne « lance » plus une appli pour exporter, renommer, téléverser ; on « crée un document » là où l’équipe stocke déjà ses fichiers. Quand la capture devient native à la plateforme quotidienne, l’adoption progresse sans formation. La nouveauté tient à la disparition des frictions, plus qu’à l’effet « waouh ».
Le quasi‑automatisme vient de la chaîne détection–stabilisation–déclenchement, qui élimine les micro‑décisions. Au lieu de traiter chaque page isolément, le logiciel voit une séquence, aidant à stabiliser le téléphone et à avancer. Cette conception épouse la réalité du papier en clinique et au labo : groupé, urgent, rarement commode. Dès que la capture est continue, on dépense moins d’énergie sur la mécanique et plus sur la vérification et le classement.
L’impact sur le flux ne tient pas qu’à la vitesse ; il améliore la gestion des interruptions. En clinique, moins de tapotements, c’est moins de pages manquées quand un appel ou une question coupe le geste. En administration de la recherche, c’est moins de retard pour clôturer des visites ou déposer des amendements sous délai. Promesse modeste mais réelle : des minutes gagnées, répétées des dizaines de fois, réduisent l’arriéré et renforcent la documentation.
Reste que l’automatisation déplace les modes de défaillance. En manuel, on marque une pause pour vérifier ; avec une capture « au bon moment », les erreurs deviennent plus silencieuses. Un recadrage peut rogner une marge ; une « amélioration » peut éclaircir des traces de crayon tout en rendant la page plus nette. Plus les outils sont « utiles », plus ils interprètent l’image. D’où une tension autour de l’intégrité : plus la sortie est propre, moins on voit ce qui a changé. Pour les pièces à forts enjeux, il faut conserver une version « telle que capturée » ou, a minima, un protocole clair définissant quand l’amélioration est acceptable. La commodité ne doit pas réécrire la provenance.
Éthiquement, la numérisation médiée par l’IA exige une transparence qui nous incombe. Même si le logiciel décide du déclenchement, du recadrage ou de l’amélioration, la responsabilité nous revient si l’enregistrement est incomplet, trompeur ou décontextualisé. Le minimum éthique : clarté et maîtrise, savoir quand l’automatisation intervient, auditer rapidement, et refaire ou conserver une version minimalement traitée quand la précision prime. L’intégrité des données concerne aussi l’automatisation bien intentionnée qui efface des détails significatifs.
À l’avenir, on verra davantage d’« IA du quotidien » : discrète, intégrée, orientée workflow. Pour chercheurs, cliniciens et doctorants, l’enjeu est d’allier vitesse et gouvernance : nommage cohérent, arborescences sensées, contrôles ponctuels, règles claires de stockage et de partage. Si l’on traite la numérisation automatique comme un outil de documentation vérifiable, responsable et traçable, le tournant sera bénéfique. Le papier ne disparaîtra pas, mais il cessera peut‑être de capter une attention disproportionnée au détriment du travail qui requiert vraiment notre présence.