À l’hôpital, l’IA a jusqu’au 2 août 2026 pour rendre des comptes

Elle relit l’imagerie d’un scanner, hiérarchise les patients aux urgences, dicte le compte rendu opératoire pendant que le chirurgien recoud. L’intelligence artificielle s’est installée dans les couloirs hospitaliers français sans bruit et sans débat public. Selon une enquête de la Fédération hospitalière de France, 65 % des établissements publics interrogés déclaraient en utiliser en production dès l’été 2025. Le calendrier, lui, vient de se durcir : le 2 août 2026, l’AI Act européen déclenche ses premières grandes obligations. La récréation est terminée.

Souveraineté & innovation

Technologies vertes : la transition est devenue un secteur industriel majeur, mais à qui appartient-il ?

Annoncées il y a quinze ans comme un futur géant industriel, les technologies vertes pèsent désormais des milliers de milliards.…Lire l'article →

Un compte à rebours européen qui ne se négocie plus

Le règlement (UE) 2024/1689, dit AI Act, fixe une mécanique implacable : une entrée en application par paliers. Au 2 août 2026 s’appliquent l’essentiel des règles encadrant les systèmes d’intelligence artificielle à « haut risque » listés à l’annexe III, ainsi que les obligations de transparence et de gouvernance. Les dispositifs médicaux embarquant de l’IA, relevant de l’annexe I, bénéficient d’un délai supplémentaire jusqu’au 2 août 2027.

Cette date n’a rien d’abstrait. Elle signifie que les algorithmes qui orientent une décision de soin basculent dans une catégorie juridique exigeante : documentation technique, gestion des risques, supervision humaine, traçabilité, qualité des données d’entraînement. Un logiciel d’aide au diagnostic ne pourra plus circuler comme un simple outil bureautique. Comme le rappellent plusieurs juristes spécialisés, le report partiel évoqué au niveau européen ne dispense pas les établissements de se préparer dès maintenant : l’échéance fonctionne comme un couperet, pas comme une suggestion.

Diagnostic, tri, comptes rendus : où l’IA décide déjà

Trois usages concentrent l’essentiel du déploiement hospitalier. Le premier est le diagnostic assisté, notamment en imagerie et en biologie, où des algorithmes signalent une lésion suspecte ou priorisent une lecture. Le deuxième est le tri des patients, ces systèmes qui hiérarchisent l’urgence d’une prise en charge. Le troisième, le plus discret mais le plus massif, est l’aide à la rédaction des comptes rendus médicaux, où l’IA générative transcrit, structure et résume.

• Diagnostic : détection de nodules, scoring de risque, aide à la lecture radiologique.
• Tri : priorisation aux urgences, orientation des flux de patients.
• Comptes rendus : dictée intelligente, synthèse automatique du dossier.

Des acteurs français se positionnent sur ce terrain, à l’image de Galeon, dont le dossier patient informatisé est déployé dans plusieurs hôpitaux et centralise des millions de dossiers. Chaque ligne de cette liste partage une caractéristique : une erreur n’y est pas un bug, c’est un risque clinique.

Souveraineté & innovation

Puces RFID et sans contact en 2026 : l’invisible qui veille sur nos vies

Badges, paiements, implants sous-cutanés : la radio-identification s'est glissée partout sans bruit. Anodine au quotidien, elle ouvre pourtant la voie…Lire l'article →

« Haut risque » : ce que la certification va exiger

Classer un système en haut risque, ce n’est pas le bannir, c’est l’astreindre à des preuves. L’AI Act impose une analyse de conformité, une gestion documentée des risques, une supervision humaine réelle et une surveillance après mise sur le marché. L’objectif affiché est d’éviter qu’un automatisme opaque ne se substitue au jugement médical sans que personne puisse expliquer, ni contester, sa logique.

En France, la Haute Autorité de santé a intégré la maîtrise des risques liés au numérique et à l’IA dans le sixième cycle de certification des établissements depuis 2024. L’hôpital n’est donc pas seulement contrôlé sur la qualité de ses soins, mais aussi sur la manière dont il pilote ses outils algorithmiques. La certification devient le lieu où l’exigence européenne se traduit en pratiques concrètes au lit du patient.

Le guide HAS-CNIL, mode d’emploi du bon usage

Pour accompagner ce virage, la HAS et la CNIL ont publié un projet de guide commun consacré au bon usage des systèmes d’IA en santé. Sa portée est volontairement large : il couvre tout système ayant un impact direct sur la prise en charge, quelle que soit sa classification réglementaire. Le texte insiste sur la protection des données, la transparence vis-à-vis du patient et la responsabilité du professionnel qui reste, juridiquement, l’auteur de la décision.

Ce guide HAS-CNIL n’a pas valeur de loi, mais il dessine la norme de référence vers laquelle les établissements devront converger. La presse spécialisée, à l’instar de DSIH, y voit un signal clair : l’ère du déploiement sans cadre touche à sa fin, et la conformité devient un critère de crédibilité.

Qui contrôle vraiment l’algorithme qui aide à soigner ?

La vraie question n’est pas technique, elle est démocratique. Quand un algorithme hiérarchise des urgences ou oriente un diagnostic, il prend une part de pouvoir sur des vies. Le citoyen est en droit de savoir qui l’a entraîné, sur quelles données, avec quels biais, et qui répond en cas d’erreur. Le médecin garde la main, dit la règle ; encore faut-il qu’il puisse comprendre et contester l’outil, et non le subir comme une boîte noire validée ailleurs.

Le 2 août 2026 ne réglera pas ce débat, il l’ouvre officiellement. La certification « haut risque » est un progrès, mais elle ne vaudra que par les moyens de contrôle réellement accordés aux autorités, aux soignants et aux patients. Confier une partie du soin à la machine est un choix de société : il mérite d’être tranché au grand jour, et pas seulement homologué dans un dossier technique.