IA dans les soins de santé : Ce qui fonctionne vraiment et ce qui n’est encore que du battage
Chaque année depuis 2020, quelqu’un déclare que c’est “l’année où l’IA transforme les soins de santé”. Et chaque année, la réalité est plus nuancée que ne le suggèrent les gros titres. Mais 2026 est véritablement différente – pas à cause d’une percée magique, mais parce que les choses ennuyeuses commencent enfin à fonctionner.
Diagnostics : Où l’IA sauve légitimement des vies
Commençons par ce qui fonctionne réellement, car il y a des progrès concrets qui méritent d’être évoqués.
Les outils de diagnostic IA sont maintenant déployés dans des centaines d’hôpitaux à travers le monde, et les résultats sont difficiles à contester :
Imagerie médicale. Des entreprises comme Zebra Medical Vision et Aidoc disposent de systèmes d’IA qui analysent des radiographies thoraciques, des mammographies et des scans rétiniens avec une précision qui égalent ou surpassent celle des médecins spécialistes. Pas dans des conditions de laboratoire – dans de véritables contextes cliniques, traitant des données de patients réels.
La statistique clé : les systèmes d’IA détectent maintenant des cancers, des AVC et des maladies cardiaques avant même que les symptômes n’apparaissent, avec une précision diagnostique de plus de 85 %. Cela ne remplace pas les radiologues – cela leur donne une seconde paire d’yeux qui ne se fatigue jamais et ne manque jamais un changement.
Pathologie. La pathologie alimentée par l’IA détecte des choses que les pathologistes humains manquent. Paige AI a obtenu l’approbation de la FDA pour son système de détection du cancer de la prostate, et il trouve des cancers dans des biopsies initialement considérées comme négatives. Pensez à ce que cela signifie pour les patients qui auraient été informés qu’ils “allaient bien” et renvoyés chez eux.
Dépistage rétinien. C’est probablement l’application d’IA dans le domaine de la santé la plus développée. Le dépistage de la rétinopathie diabétique avec l’IA est désormais standard dans de nombreux pays. Les patients sont dépistés dans le cabinet de leur médecin habituel au lieu d’attendre des mois pour un rendez-vous avec un spécialiste.
Découverte de médicaments : Plus rapide, mais pas magique
Le battage médiatique autour de la découverte de médicaments a été intense, et je veux être honnête sur l’état actuel des choses.
L’IA accélère véritablement les premières étapes de la découverte de médicaments. Les modèles d’apprentissage automatique peuvent examiner des millions de composés moléculaires en quelques jours au lieu de mois. Ils peuvent prédire des structures protéiques (grâce à AlphaFold et à ses successeurs) et identifier des candidats médicaments prometteurs plus rapidement que les méthodes traditionnelles.
Mais voici la réalité : une découverte plus rapide ne signifie pas des médicaments plus rapides. Les essais cliniques mettent toujours des années. L’approbation réglementaire prend toujours des années. Le goulet d’étranglement n’a jamais été “nous ne pouvons pas trouver de molécules prometteuses assez rapidement” – c’est tout ce qui vient après.
Ce que l’IA fait bien en 2026 :
- Identifier des candidats médicaments 60-70 % plus rapidement que le dépistage traditionnel
- Optimiser la conception des essais cliniques (meilleure sélection des patients, protocoles adaptatifs)
- Prédire les interactions et les effets secondaires des médicaments avant le début des essais
- Réutiliser des médicaments existants pour de nouvelles conditions
Ce que l’IA ne fait pas : remplacer la biologie fondamentale des tests de médicaments chez l’homme. Cette partie est encore lente, coûteuse et nécessaire.
Le changement agentique dans les soins de santé
Voici le développement de 2026 que je pense sous-estimer : l’IA agentique entre dans les flux de travail des soins de santé.
Pas en tant qu’outil de diagnostic – en tant que colonne vertébrale opérationnelle. Les agents IA s’occupent désormais de :
Tâches administratives. Calendrier, pré-autorisation d’assurance, codage médical, gestion des références. Ce sont les tâches qui épuisent les travailleurs de la santé et retardent les soins aux patients. Les agents IA les traitent plus rapidement et plus précisément que les processus manuels qu’ils remplacent.
Documentation clinique. Des rédacteurs IA qui écoutent les conversations entre médecins et patients et génèrent des notes cliniques en temps réel. Les médecins avec qui j’ai parlé disent que cela leur fait économiser 1 à 2 heures par jour. C’est 1 à 2 heures de plus à passer réellement avec les patients.
Coordination des soins. Des agents IA qui suivent les suivis des patients, signalent les rendez-vous manqués et coordonnent entre les spécialistes. La logistique ennuyeuse qui passe à la trappe dans les hôpitaux occupés.
Ce qui ne fonctionne toujours pas
Je vous ferais un mauvais service si je ne parlais pas des problèmes :
Silos de données. Les systèmes hospitaliers ne communiquent toujours pas entre eux. Vos dossiers médicaux à l’Hôpital A peuvent aussi bien ne pas exister lorsque vous vous présentez à l’Hôpital B. L’IA ne peut pas résoudre les problèmes de soins de santé si elle ne peut pas accéder aux données.
Préjugés. Les outils de diagnostic IA entraînés principalement sur des données d’une seule démographie fonctionnent moins bien sur d’autres. Ce n’est pas théorique – des études ont montré que les détecteurs de cancer de la peau de l’IA fonctionnent très bien sur des peaux claires et mal sur des peaux foncées. Le problème des données d’entraînement est réel et pas encore complètement résolu.
Retard réglementaire. Le processus d’approbation de la FDA pour les dispositifs médicaux à base d’IA s’accélère, mais il ne suit toujours pas le rythme de la technologie. Au moment où un outil d’IA est approuvé, le modèle sur lequel il est basé peut avoir deux générations de retard.
Confiance. De nombreux médecins ne font toujours pas confiance aux recommandations de l’IA, et honnêtement, ce n’est pas entièrement déraisonnable. “L’IA l’a dit” n’est pas un diagnostic. Établir la confiance nécessite de la transparence sur la façon dont l’IA parvient à ses conclusions, et la plupart des systèmes actuels restent encore des boîtes noires.
Où cela va ensuite
Ma prédiction pour le reste de 2026 : l’impact le plus important ne viendra pas de nouvelles capacités d’IA flashy. Il viendra d’une meilleure intégration des outils d’IA existants dans les flux de travail cliniques.
Les hôpitaux qui trouvent comment faire de l’IA une partie intégrante de leurs opérations – et non un système séparé que les médecins doivent apprendre – verront les plus grandes améliorations des résultats pour les patients et de la satisfaction du personnel.
La technologie est prête. La mise en œuvre est ce qui nécessite des améliorations. Et c’est en fait une bonne nouvelle, car les problèmes de mise en œuvre sont résolvables. Nous devons juste arrêter de chercher la prochaine percée et commencer à faire mieux fonctionner les outils actuels.
🕒 Published: