Transformation et risques de l’IA sur les soins médicaux

 5 min de lecture

Juin 2026

L’intelligence artificielle (IA) n’est plus une perspective lointaine pour les professionnels de santé. Selon le Baromètre IA & Data en santé 2025 de l’ACSEL, 89 % des soignants jugent son arrivée plutôt ou très positive et 90 % la considèrent comme incontournable dans les prochaines années. Côté établissements, 65 % des hôpitaux publics français déclaraient utiliser au moins un système d’IA en juillet 2025 (Fédération hospitalière de France).
Aide au diagnostic, transcription de comptes rendus, tri des patients : les usages s’installent. Pour autant, 96 % des soignants jugent indispensable ou préférable une supervision humaine, et une étude publiée dans The Lancet Gastroenterology & Hepatology en août 2025 documente pour la première fois en conditions réelles un effet de désapprentissage (deskilling) chez les endoscopistes.
Cet article fait le point sur ce que l’IA transforme concrètement, ce qu’elle fait douter, et ce qu’encadrent désormais le règlement européen sur l’IA, la HAS et la loi bioéthique.

Comprendre comment l’IA transforme les usages des professionnels de santé

L’IA en santé n’est pas un outil unique, mais un ensemble d’applications hétérogènes : analyse d’images, modèles prédictifs, IA générative, algorithmes embarqués dans les chaînes de biologie ou d’imagerie. Elle est rarement utilisée comme un logiciel isolé. Elle s’intègre aux systèmes existants : PACS, dossier patient informatisé (DPI), logiciel métier, plateforme de télémédecine. Trois grands axes structurent aujourd’hui sa pénétration dans la pratique clinique.

En diagnostic

L’imagerie médicale reste le domaine pionnier. En sénologie, l’étude prospective suédoise MASAI a montré qu’une IA utilisée en première lecture augmentait le taux de détection des cancers sans hausse des faux positifs, tout en réduisant la charge de travail des radiologues¹. En 2023, la HAS avait déjà recommandé l’intégration de la tomosynthèse (imagerie 3D reposant sur des algorithmes mathématiques) dans le dépistage organisé du cancer du sein². L’ophtalmologie suit la même trajectoire pour la rétinopathie diabétique, l’œdème maculaire diabétique, la DMLA et le glaucome.³

L’IA générative s’impose aussi comme un outil d’aide au diagnostic : parmi les professionnels utilisant l’intelligence artificielle, 93 % ont recours à au moins une solution d’IA générative, selon l’ACSEL.⁴

Dans la prise en charge

L’aide à la décision thérapeutique constitue le deuxième usage observé à grande échelle.
La HAS a développé à cet effet ses Systèmes d’aide à la décision indexée par médicaments (SAM), intégrés aux logiciels d’aide à la prescription certifiés, précisément pour répondre au besoin de vérification des indications et posologies en temps réel de consultation⁵. Cette intervention au moment précis du doute clinique illustre l’attente des praticiens pour un appui ponctuel et fiable à la décision.

L’IA irrigue par ailleurs la médecine de précision. Le Plan France Médecine Génomique 2025 a regroupé sur une plateforme commune les données génomiques, cliniques, d’imagerie et de biologie qu’aucun praticien ne pourrait croiser manuellement. Les approches d’apprentissage automatique (machine learning) y identifient des profils de patients en oncologie, dans les maladies rares et dans le diabète, avec des stratégies thérapeutiques personnalisées à la clé.⁶

Dans l’acte de soins

L’usage le plus banal, et probablement le plus rapidement adopté, concerne les tâches non cliniques. Une étude présentée en novembre 2025 par deux centrales d’achat hospitalières auprès d’un millier de professionnels indique que 92 % des utilisateurs constatent un gain de temps et 70 % une amélioration de la qualité du travail. Trois usages dominent : imagerie médicale, rédaction de comptes rendus, aide au diagnostic.⁷

D’autres applications matures s’installent plus discrètement : algorithmes embarqués dans les automates de biologie, systèmes de tri des patients aux urgences, outils de chirurgie assistée par ordinateur, aide à la rédaction de courriers et de synthèses de consultation.
L’Académie nationale de médecine considère que les champs d’application de l’IA générative en santé « sont vastes et peuvent aller de l’aide à la rédaction de notes d’information à la rédaction de thèses ou de projets de programme de recherche ».⁸

Une pratique qui suscite des doutes

L’adhésion massive ne signifie pas l’absence de réserves. Le baromètre ACSEL 2025 est sans ambiguïté : seuls 7 % des professionnels déclarent avoir « tout à fait confiance » dans l’IA en santé, et 96 % jugent indispensable ou préférable que son usage reste supervisé par un soignant. Sur le volet formation, 37 % seulement des professionnels s’estiment correctement formés, alors que 93 % souhaitent l’être davantage.⁴

Les risques sont bien identifiés sur le terrain. 89 % des Français et 58 % des professionnels considèrent que l’usage de l’IA en santé comporte des risques liés au traitement des données : cyberattaques, accès non autorisés, défaut de confidentialité.⁴

Une étude observationnelle multicentrique polonaise publiée dans The Lancet Gastroenterology & Hepatology en 2025 montre une baisse du taux de détection des adénomes est passé de 28,4 % à 22,4 % après trois mois d’exposition régulière à l’IA. ⁹ C’est la première démonstration en conditions réelles de l’effet de deskilling précédemment théorisé.

« Nos résultats sont préoccupants, compte tenu de l’adoption rapide de l’IA en médecine », alerte le Dr Marcin Romańczyk, principal auteur de l’étude.


D’autres limites s’ajoutent, propres aux modèles génératifs : hallucinations (réponses plausibles mais fausses), biais liés aux données, opacité des modèles et biais d’automatisation, soit la tendance à accepter une recommandation algorithmique sans assez la questionner.

Les risques potentiels de l’IA sur la relation médecin-patient

Le rapport du Comité directeur pour les droits de l’Homme dans les domaines de la biomédecine et de la santé (CDBIO) du Conseil de l’Europe identifie six axes de vigilance pour la relation soignant-soigné. Ils restent les plus structurants pour cadrer la réflexion clinique.¹⁰

Inégalité d’accès à des soins de qualité

Le déploiement hétérogène de l’IA, entre établissements publics et privés, entre territoires et entre disciplines, risque de creuser un écart entre les patients pris en charge avec des outils performants et ceux qui en sont privés. Le rapport rappelle que l’inégalité ne se joue pas seulement à l’entrée du système de soin mais aussi dans la qualité du parcours, ce qui implique de surveiller activement la diffusion équitable des solutions validées.

Transparence vis-à-vis des professionnels et des patients

L’article L. 4001-3 du Code de la santé publique impose que le patient soit informé du recours à un dispositif médical comportant un traitement algorithmique massif.¹¹ Pourtant, selon l’ACSEL 2025, seuls 55 % des soignants utilisateurs déclarent informer effectivement leurs patients ; 84 % des Français disent vouloir cette information.⁴ L’écart est significatif et engage la qualité du consentement éclairé.

Biais sociaux dans les systèmes d’IA

Les modèles entraînés sur des données non représentatives reproduisent les biais qu’ils contiennent : race, ethnicité, sexe, âge, pathologies sous-représentées. L’OMS rappelle que les LMM peuvent générer des résultats faux, inexacts, biaisés ou incomplets, avec des conséquences cliniques directes pour les sous-groupes minoritaires.¹²

Dilution du bien-être du patient

Le glissement vers une médecine guidée par les sorties algorithmiques peut affaiblir la prise en compte des préférences, valeurs et contextes de vie du patient, qui sont des éléments centraux du raisonnement clinique mais peu codables dans les modèles. Le risque est de réduire la décision médicale à une optimisation de critères mesurables.

Biais d’automatisation, perte de compétences et déplacement de la responsabilité

Le Conseil de l’Europe appelle les États membres à garantir que les applications de santé reposant sur l’IA « ne remplacent pas complètement le jugement humain », et que les décisions soient toujours validées par des professionnels formés. La question de la responsabilité reste juridiquement ouverte : en cas d’erreur diagnostique liée à un système d’IA, la chaîne entre le concepteur, le fournisseur, l’établissement et le praticien doit être clarifiée. L’Académie nationale de médecine a publié un rapport entier sur ce sujet.¹³

Conséquences sur le droit à la vie privée

L’utilisation de données patients pour l’entraînement et les tests des modèles d’IA crée un défi spécifique : la confidentialité, valeur essentielle de la relation soignant-soigné, doit être maintenue alors même que le développement des outils repose sur l’accès à de larges corpus de données de santé. Le RGPD reste pleinement applicable, en complément du règlement européen sur l’IA.

Un cadre réglementé de l’IA dans le contexte médical

Le contexte juridique s’est densifié rapidement entre 2021 et 2026. Quatre textes ou autorités structurent désormais la pratique.


La loi bioéthique du 2 août 2021¹¹. Elle pose trois obligations lorsqu’un professionnel utilise un dispositif médical comportant un traitement algorithmique entraîné sur des données massives, à des fins de prévention, diagnostic ou soin :

• information préalable de la personne concernée et, le cas échéant, communication de l’interprétation qui en résulte ;
• information du professionnel de santé sur le recours à ce traitement, avec accès aux données et aux résultats ;
• obligation pour les concepteurs de garantir l’explicabilité du fonctionnement aux utilisateurs.

La Haute Autorité de Santé a publié le 30 octobre 2025 son guide Premières clefs d’usage de l’IA générative en santé, en collaboration avec la CNIL.¹⁴ Ce document recommande aux soignants de s’approprier le fonctionnement de l’outil via des sources fiables, de se former, de rester attentif à la pertinence de l’usage et à la qualité de la requête, et de considérer chaque sortie comme une proposition à vérifier.
La HAS a complété ces clés d’usage par un document plus large, Accompagner le bon usage des systèmes d’intelligence artificielle en contexte de soins.¹⁵ Depuis septembre 2025, des critères dédiés aux systèmes d’IA figurent au 6ᵉ cycle de certification des établissements de santé.

Le règlement européen sur l’Intelligence Artificielle est entré en vigueur le 1ᵉʳ août 2024^16-17. Son application est échelonnée :

• 2 février 2025 : interdictions des systèmes à risque inacceptable ;
• 2 août 2025 : règles applicables aux modèles d’IA à usage général et désignation des autorités compétentes nationales ;
• 2 août 2026 : application aux systèmes d’IA à haut risque listés à l’annexe III ;
• 2 août 2027 : application aux systèmes à haut risque incorporés dans des produits réglementés, dont les dispositifs médicaux et les DM de diagnostic in vitro.

Le RIA classe automatiquement comme « à haut risque » les dispositifs médicaux intégrant de l’IA dont la conformité doit être évaluée par un organisme notifié, soit la quasi-totalité des DM hors classe I et des DMDIV hors classe A. En France, l’ANSM reste l’autorité compétente pour les dispositifs médicaux ; la DGCCRF coordonnera l’action des autorités de surveillance plus large.

L’Organisation Mondiale de la Santé a publié en janvier 2024 ses Guidance on the ethics and governance of large multi-modal models for health, proposant plus de 40 recommandations aux gouvernements, aux développeurs et aux prestataires de soins.¹² Cinq grandes applications des LMM y sont reconnues : diagnostic et soins cliniques, usage guidé par le patient, tâches administratives, formation médicale, recherche scientifique et développement de médicaments. L’OMS insiste sur le besoin d’audits indépendants, d’évaluations d’impact sur les droits humains, et sur la nécessité d’éviter le biais d’automatisation chez les soignants comme chez les patients.

À ces quatre piliers s’ajoutent le RGPD (règlement UE 2016/679), qui reste applicable à tout traitement de données personnelles, et la Convention d’Oviedo (1997) qui pose les principes éthiques de référence en biomédecine au niveau européen.

L’IA en santé : entre opportunités concrètes et points de vigilance

L’arbitrage entre apport clinique et risque maîtrisé se joue à l’échelle de chaque acte. Voici une synthèse des bénéfices documentés, des points de vigilance, et un rappel des obligations qui s’imposent au prescripteur.

Ce qui est vivement recommandé de faire

• Informer le patient préalablement à l’usage d’un dispositif médical comportant un traitement algorithmique massif ¹¹ ;
• Vérifier systématiquement chaque contenu généré par une IA générative car il peut contenir des erreurs¹⁴;
• Vous former à l’outil avant de l’intégrer à votre pratique ;
• Maintenir une part de pratique sans IA générative pour préserver vos compétences¹⁵

Ce que vous n’avez pas le droit de faire

• Transmettre des données identifiantes de patients à un outil d’IA générative grand public non sécurisé et non conforme RGPD ;
• Déléguer la décision médicale à un système d’IA : la responsabilité du diagnostic et du soin reste celle du professionnel ;
• Utiliser un dispositif médical d’IA sans avoir informé le patient au préalable, lorsque l’article L. 4001-3 s’applique ;
• Faire usage d’une IA dans un acte de prévention, diagnostic ou soin sans en avoir compris le fonctionnement et les limites¹⁸

À lire ensuite

Comment l’OMS protège les professionnels de santé face à l’IA ?