Histoire, fonctionnement, usages cliniques, cadre juridique, financement et formations — tout ce qu'un médecin doit savoir sur l'IA appliquée à la santé.
L'intelligence artificielle n'est pas née avec ChatGPT. Le concept date de 1950, le terme de 1956. Sa renaissance par le deep learning (2012) puis les transformers (2017) explique la révolution médicale en cours.
1950
Test de Turing
Alan Turing publie « Computing Machinery and Intelligence » et propose le test imitation. Naissance philosophique de l'IA.29
1956
Conférence de Dartmouth
John McCarthy invente le terme « artificial intelligence ». Premiers programmes de raisonnement symbolique.28
1980-90
Hiver de l'IA
Limites des systèmes experts, financements coupés. Survivent les chercheurs sur les réseaux de neurones (Hinton, LeCun, Bengio).
2012
AlexNet — révolution du deep learning
Krizhevsky, Sutskever & Hinton remportent ImageNet avec un CNN entraîné sur GPU. Renaissance de l'IA basée données.30
2016
AlphaGo bat Lee Sedol
DeepMind démontre la supériorité de l'IA renforcée sur un jeu jusque-là considéré inaccessible. Moment grand-public.
2017
Architecture Transformer
Vaswani et al. publient « Attention Is All You Need ». Fondation des LLM modernes (GPT, BERT, Med-PaLM).31
2017-19
Premiers succès cliniques
Esteva (mélanome niveau dermatologue), Gulshan (rétinopathie diabétique). L'IA atteint le niveau spécialiste sur des tâches d'imagerie ciblées.564
2022
ChatGPT — adoption massive
OpenAI rend GPT-3.5 accessible au grand public. 100 M utilisateurs en 2 mois. Bascule des LLM en outil productif.
2023
Med-PaLM 2 (Google)
Premier LLM à dépasser le seuil « expert » à l'examen USMLE (86,5 %). Ouvre l'ère des copilotes médicaux.32
2024
AI Act EU adopté
Règlement européen 2024/1689 — première régulation horizontale de l'IA au monde. Entrée en vigueur progressive 2025-2027. IA santé classée « haut risque ».1
2025-26
Génération copilotes cliniques
Microsoft DAX, Nabla, Doctolib AI : assistants de consultation par dictée + LLM. Adoption en cabinet et hôpital.91022
🧠Comment ça marche ?
Fonctionnement des IA modernes
Trois grandes familles dominent l'IA santé contemporaine : le machine learning (apprentissage par exemples), le deep learning (réseaux de neurones profonds), et les LLM (modèles de langage géants). Cliquez sur chaque carte pour le détail.
✨Deux IA, deux mondes
IA générative vs IA prédictive
On parle d'« IA » comme d'un bloc, mais deux familles très différentes coexistent en santé. Les confondre, c'est mal évaluer leurs risques. La distinction simple :
🔢 IA prédictive
✨ IA générative
Ce qu'elle fait
Classe, score, estime un risque à partir de données structurées
Produit du texte, des images, du code à partir d'un prompt
Series B 2024 — Cathay Innovation, ZEBOX, soutien Microsoft + Nvidia.10
🩺En clinique
Usages concrets de l'IA pour les médecins
🖼️ Imagerie diagnostique
Radiologie
Détection AVC sur scanner cérébral (RapidAI), fractures, embolie pulmonaire, anévrysmes. Triage urgent + 2e lecture.3
Dermatologie
Classification mélanome / nevus à partir de photos cliniques (DermaSensor, SkinVision). Niveau dermatologue depuis 2017.5
Ophtalmologie
Dépistage rétinopathie diabétique sur fond d'œil (IDx-DR, premier algorithme FDA-autonomous 2018).6
✍️ Documentation clinique
Microsoft DAX Copilot
Capture la consultation par micro ambient + génère le compte-rendu. 35 millions de notes cliniques générées en 2024.22
Nabla (FR)
Assistant de consultation par dictée + LLM. Génère ordonnances, courriers, plans de soins en français.10
Doctolib AI
Module IA intégré au logiciel cabinet : prise de notes, résumés, courriers types.9
🩺 Aide à la décision
PaperDoc / OpenEvidence
Recherche bibliographique médicale ancrée PubMed + recos. Réduit le temps de recherche d'évidence.
Pulselife AI
Aide à la prescription avec garde-fous interactions, contre-indications.
🧬 Recherche & santé publique
Health Data Hub (FR)
Plateforme nationale d'accès aux données de santé pour la recherche IA. > 100 projets actifs.21
AlphaFold (DeepMind)
Prédiction structure 3D de toutes les protéines connues. Accélère la R&D pharmaceutique.
⚖️Cadre juridique
Régulation & cadre légal
L'IA santé est encadrée par 3 niveaux : européen (AI Act, RGPD, EHDS, MDR), national (HAS, CNIL, CNOM), et professionnel (déontologie médicale).
🔺 Les 4 niveaux de risque de l'AI Act
Le règlement UE 2024/1689 classe chaque système IA selon son risque. La santé concentre l'enjeu sur le « haut risque ».
Cliquez un niveau · base étroite = le plus contraint
Haut risque
Le cœur de l'enjeu santé
La plupart des dispositifs médicaux à base d'IA (Annexe III).
Aide au diagnostic, à la décision clinique, au triage. Un algorithme qui oriente une décision médicale est presque toujours « haut risque » → application complète au 2 août 2026.
Obligations
•Marquage CE IA + documentation technique
•Système de gestion des risques + qualité des données
Première régulation horizontale de l'IA au monde. Classement par niveau de risque (inacceptable / haut / limité / minimal). IA santé = haut risque. Application progressive 2025-2027.
Cadre HAS pour évaluer un dispositif IA santé : performance, sécurité, transparence, équité, surveillance. Recommandations pour industriels et établissements.
Position de l'Ordre : transparence, consentement éclairé, formation des médecins, responsabilité partagée. URL spécifique du rapport déprécié 2026 — remap vers le hub publications CNOM.
ANSSI
Agence nationale de la sécurité des systèmes d'information
Avis commun CCNE 141 / CNPEN 4 (2023-01) : transparence vis-à-vis du patient, consentement informé, formation des soignants, vigilance sur les biais. Référence centrale pour l'éthique IA en santé.
Cours en ligne gratuit, ~6 semaines, certificat possible.
🇪🇺
AI Act (UE 2024/1689)
Règlement européen — IA santé classée « haut risque »
Adopté le 13 juin 2024. Obligations pour systèmes IA haut risque (santé, biométrie, RH…) : qualité données, transparence, supervision humaine, robustesse, gestion des risques. Entrée progressive 2025-2027. Sanctions jusqu'à 35 M € ou 7 % CA mondial.1
🇪🇺
RGPD + EHDS
Données personnelles de santé
RGPD (2018) cadre la collecte/traitement. EHDS — règlement 2025/327 — crée l'Espace européen des données de santé : usage primaire (continuité soins) + usage secondaire (recherche, IA). Hébergement HDS obligatoire pour traitements en France.1112
🇫🇷
Marquage CE médical (MDR/IVDR)
Dispositif médical IA
Tout logiciel IA à finalité diagnostique / thérapeutique = dispositif médical → MDR 2017/745 ou IVDR 2017/746. Classification I à III selon risque. Évaluation clinique obligatoire avant commercialisation.273
🇫🇷
Recommandations HAS
Bonnes pratiques
Guide HAS 2024 : grille d'évaluation IA santé en 6 axes (utilité, performance, équité, transparence, sécurité, durabilité). Recommandations PECAN (prise en charge anticipée numérique) pour DTx + IA.214
🇫🇷
Recommandations CNIL
IA et données personnelles
Guide CNIL 2024 sur le développement responsable d'IA : licéité de la base d'apprentissage, minimisation, droit à la suppression, AIPD (analyse d'impact) obligatoire pour IA santé.7
🇫🇷
Code de déontologie médicale (CNOM)
Responsabilité du médecin
Article 47 du Code de déontologie : le médecin reste responsable de ses actes même assisté par IA. Obligation d'information du patient sur le recours à un système IA. Pas d'exclusivité IA dans la décision clinique.13
🤝Enjeux éthiques
Biais, transparence, consentement, responsabilité
💶Modèle économique
Remboursement & financement
PECAN — Prise en charge anticipée numérique
Dispositif LFSS 2022 art. 54. Permet le remboursement temporaire (jusqu'à 1 an) de DTx + IA en attente de l'évaluation HAS définitive. Ouverture pour applications certifiées CE et hébergées HDS.14
Forfait Innovation
Inscription LPPR pour technologies innovantes après évaluation positive HAS-CEPS. Couvre les dispositifs IA validés cliniquement.2
France 2030 — IA santé
Plan d'investissement de 2,5 Mds € sur l'IA dont une part dédiée santé : Health Data Hub, projets bpifrance Innovation Santé 2030, soutien startups via French Tech.821
Modèles industriels
SaaS par patient (DAX, Nabla : ~150 €/mois), licence par service (radiologie : ~5-15 € / examen IA), pay-per-use API (LLM cloud), RPC (revenue per consultation, modèles plus rares).91022
🔐Risques & sécurité
Cyber, hallucinations, drift, biais adversaires
🎓Se former
Cursus & ressources — du gratuit au DU
Pour intégrer l'IA dans sa pratique, deux pistes : approche « usage » (comprendre, prescrire, encadrer) ou approche « recherche/dev » (modéliser soi-même). Les ressources couvrent les deux niveaux.
Un algorithme d'aide à la décision clinique est presque toujours classé « haut risque » par l'AI Act.
Le médecin se décharge de sa responsabilité s'il suit la recommandation d'une IA.
Un résumé d'article généré par IA doit être signalé comme tel à l'utilisateur.
Une IA générative (type LLM) et une IA prédictive (type score de risque) reposent sur la même technologie.
❓Questions fréquentes
Responsabilité, obligations, LLM, consentement
Suis-je obligé d'utiliser un LLM type ChatGPT pour ma pratique ?
▼
Non. Aucun texte réglementaire n'oblige le recours à un LLM. Le Code de déontologie [13] requiert que le médecin reste maître de la décision. Si vous utilisez un LLM, choisissez un outil santé (RAG sur sources médicales, hébergement HDS) plutôt que ChatGPT grand public, qui n'est pas approprié pour des données patients.13712
Quelle est ma responsabilité si l'IA produit une erreur de diagnostic ?
▼
Code de déontologie [13] : le médecin reste responsable de ses actes. L'IA est un outil d'aide, pas un décisionnaire. Vérifiez l'évaluation CE médicale [27], documentez votre raisonnement, ne déléguez pas aveuglément. La responsabilité peut être partagée avec l'éditeur en cas de défaut prouvé du logiciel (vice de conception, dossier technique défaillant).13127
Puis-je utiliser ChatGPT / Claude grand public pour rédiger un compte-rendu ?
▼
Risqué. Les LLM grand public (OpenAI, Anthropic, Google Gemini) ne sont pas hébergés HDS [12]. Toute donnée patient transmise constitue un transfert hors Espace européen sans cadre RGPD adapté. Préférez un outil dédié santé (Nabla, Doctolib AI, DAX) avec HDS France/UE.121122
Le patient doit-il être informé que j'utilise une IA pendant la consultation ?
▼
Oui (recommandation forte). Le CCNE [26] et la CNIL [7] recommandent l'information explicite du patient en amont. L'AI Act [1] prévoit une obligation de transparence pour les systèmes IA haut risque. En pratique : affiche cabinet + mention dans le consentement initial.2671
Mon outil IA doit-il être marqué CE médical ?
▼
Si l'outil a une finalité médicale (diagnostic, traitement, suivi de pathologie) : OUI [27]. Une simple aide à la rédaction administrative (DAX, Nabla en mode dictée pure) peut être hors scope si elle ne propose pas de décision médicale. La frontière est en cours de clarification — vérifier la classification HAS/ANSM.27214
Combien de temps puis-je gagner en consultation avec un copilote IA ?
▼
Les retours d'expérience publiés [22, 9] indiquent 10-15 minutes par consultation gagnées sur la documentation (compte-rendu, courriers). À pondérer par le temps d'apprentissage et la révision des sorties IA — il faut TOUJOURS vérifier ce que l'IA a écrit avant signature.22916
L'IA peut-elle remplacer le médecin ?
▼
Non. La littérature [4, 15] et les recommandations [2, 26] convergent : l'IA augmente le médecin, ne le remplace pas. Les tâches réflexives (entretien, examen physique, raisonnement clinique multimodal, relation thérapeutique) restent humaines. L'IA gagne sur des tâches étroites (lecture d'image, extraction d'info structurée).415226
Comment évaluer la qualité d'un outil IA santé avant adoption ?
▼
Grille HAS 2024 [2] : (1) utilité clinique démontrée par étude contrôlée, (2) performance sur cohorte représentative, (3) équité (pas de biais sur sous-groupes), (4) transparence (explicabilité), (5) sécurité (CE médical, HDS, audit), (6) durabilité (suivi post-déploiement, mises à jour). Demandez à l'éditeur l'évaluation HAS / publication peer-reviewed.2127
Mes données de patients servent-elles à entraîner les modèles IA ?
▼
Cela dépend du contrat éditeur. Lisez les CGU/DPA. Une solution conforme HDS + RGPD doit garantir : pas d'usage des données pour entraîner un modèle tiers sans consentement explicite (ce qui exclut quasi tous les usages secondaires hors étude). Recherchez les clauses « no training » ou « zero data retention ».12711
📚Bibliographie
Sources numérotées
Toutes les assertions de cette page sont sourcées. Cliquez sur les numéros [N] dans le texte pour atteindre la source ci-dessous.