Pour commencer, pourriez-vous revenir rapidement sur votre parcours ?
Dr Christel Gérardin : Je suis médecin et ingénieure de formation. Je me suis d’abord spécialisée en traitement de l’image et du signal à l’École Centrale de Nantes, puis j’ai emprunté la passerelle vers la médecine, avec l’ambition, dès le départ, de combiner ces deux approches. J’ai complété mon parcours par une thèse en sciences sur les mathématiques et les modèles de langage appliqués aux bases de données, une approche que je mets notamment en œuvre au sein du pôle Innovation et Données de l’AP-HP, rattaché à la Direction des services numériques. Je suis également conseillère médicale pour l’entrepôt de données de santé, médecin interniste à l’hôpital Tenon et chercheuse à Sorbonne Université.
Votre démarche a donc toujours été guidée par l’idée d’être ingénieure au service des médecins…
Il s’agit de développer des outils utiles, fiables et scientifiquement validés, afin qu’ils puissent être utilisés en toute confiance. Cette exigence repose avant tout sur la qualité et la représentativité des données. Nous savons, par exemple en radiologie, que les interprétations peuvent varier selon plusieurs facteurs ; il en va de même pour les modèles de langage, dont les performances dépendent directement des données d’entraînement. Mais l’objectif premier reste clinique : concevoir des outils qui améliorent concrètement la prise en charge. Dans ce cadre, je travaille notamment sur deux prototypes d’intelligence artificielle : un outil de recherche de patients similaires et un système de résumé automatique du dossier patient, destiné à réduire la charge cognitive des soignants.
Pourriez-vous nous parler du projet de « patients similaires » ?
En pratique, dans la majorité des situations, poser un diagnostic et initier un traitement ne pose pas de difficulté particulière. En revanche, certaines situations complexes – qu’il s’agisse de présentations atypiques de maladies fréquentes ou de maladies rares – rendent ces démarches beaucoup plus délicates, d’autant qu’il n’existe pas toujours de données issues d’essais randomisés sur lesquelles s’appuyer. Nous développons donc un modèle d’IA capable d’interroger l’entrepôt de données de santé de l’AP-HP comme lors d’un staff médical, pour analyser l’ensemble des données disponibles, y compris le contenu textuel des documents cliniques. Il peut ainsi identifier automatiquement des patients présentant des similarités avec un cas donné, par exemple des symptômes ou des antécédents comparables.
Et concrètement ?
Cela permet de construire des phénotypes et de constituer des cohortes de patients similaires, pour aider à la décision tout en réduisant les risques d’erreurs et de complications. Aujourd’hui, il s’agit d’un prototype utilisé ponctuellement, et une phase de test en conditions réelles est prévue prochainement. L’accueil est déjà très positif, car le projet favorise la mutualisation de connaissances souvent dispersées. À cet égard, son ancrage en médecine interne est particulièrement pertinent, car cette spécialité se situe à l’interface de nombreuses disciplines et favorise cette approche transversale.
Qu’en est-il du projet de résumé automatique du dossier patient ?
À l’AP-HP, chaque patient dispose en moyenne de 60 à 100 documents dans son dossier. Or, les derniers documents ne contiennent pas toujours l’ensemble des informations essentielles, comme les antécédents, les allergies, le mode de vie ou encore le niveau d’autonomie. Il faut donc parcourir l’ensemble du dossier pour les retrouver. L’objectif du projet est précisément de rendre ces informations immédiatement accessibles. En collaboration avec le Docteur Cyril Charron, médecin réanimateur, nous développons donc un modèle capable de générer des résumés adaptés aux besoins des cliniciens. Il peut également répondre à des questions sous forme de chatbot, avec des réponses sourcées et directement reliées aux éléments du dossier patient.
Où en est cette solution aujourd’hui ?
Elle sera testée d’ici début 2027 de manière observationnelle dans trois services, ainsi qu’aux urgences. L’objectif est de s’inscrire dans une démarche de clinical safety, afin de garantir notamment l’absence d’hallucinations. Les attentes sont fortes, en particulier aux urgences, où ce type d’outil pourrait fluidifier la prise en charge, faciliter l’orientation des patients et alléger la charge de travail des équipes. Le projet, porté par la Direction des services numériques, est prioritaire. Il mobilise une équipe pluridisciplinaire, avec un développement entièrement en interne, et intègre un représentant des usagers pour évaluer son acceptabilité du point de vue des patients.
Ces deux solutions font appel à des technologies IA. Quels points de vigilance identifiez-vous ?
Le premier enjeu concerne la qualité des données. À l’entrepôt de données de santé de l’AP-HP, elles sont qualifiées dès leur intégration, avec des métriques permettant d’en assurer le contrôle et d’aller vers une meilleure homogénéisation. Cela dit, il existe aujourd’hui une prise de conscience croissante de l’importance de structurer les données d’entrée car, dans leur pratique, les professionnels voient concrètement l’intérêt des outils qui en sont issus. Un second point concerne la consommation énergétique. Par exemple, pour le projet de résumé automatique, une fois une requête traitée, il ne sera pas possible de solliciter à nouveau le système sur le même champ dans un délai court, puisque l’information est déjà disponible. Nous avons également intégré un indicateur de consommation énergétique, présenté à travers des équivalents concrets afin de favoriser la prise de conscience des utilisateurs. Cette démarche s’inscrit dans une volonté plus large : ne pas utiliser l’intelligence artificielle pour elle-même, mais uniquement lorsqu’elle apporte une réelle valeur.
Le mot de la fin ?
La question des usages raisonnés est aujourd’hui un angle mort de l’IA. Pourtant, elle est essentielle, à la fois pour des raisons écologiques et parce que l’IA n’est pas adaptée à tous les cas. On sait, par exemple, que ces modèles peuvent être imprécis sur les dosages médicamenteux. Dans certaines situations d’urgence, leur utilisation peut être utile, mais dans beaucoup de cas, des outils existants comme le Vidal répondent déjà efficacement aux besoins. Il est donc important de ne pas systématiser l’usage de l’IA, mais de l’utiliser à bon escient. Cela implique un véritable travail de pédagogie et d’acculturation, auquel je contribue notamment à travers des formations et des actions de sensibilisation, comme celles menées avec la Fédération hospitalière de France ou la Haute Autorité de santé.
> Article paru dans Hospitalia #73, édition de mai 2026, à lire ici
Dr Christel Gérardin : Je suis médecin et ingénieure de formation. Je me suis d’abord spécialisée en traitement de l’image et du signal à l’École Centrale de Nantes, puis j’ai emprunté la passerelle vers la médecine, avec l’ambition, dès le départ, de combiner ces deux approches. J’ai complété mon parcours par une thèse en sciences sur les mathématiques et les modèles de langage appliqués aux bases de données, une approche que je mets notamment en œuvre au sein du pôle Innovation et Données de l’AP-HP, rattaché à la Direction des services numériques. Je suis également conseillère médicale pour l’entrepôt de données de santé, médecin interniste à l’hôpital Tenon et chercheuse à Sorbonne Université.
Votre démarche a donc toujours été guidée par l’idée d’être ingénieure au service des médecins…
Il s’agit de développer des outils utiles, fiables et scientifiquement validés, afin qu’ils puissent être utilisés en toute confiance. Cette exigence repose avant tout sur la qualité et la représentativité des données. Nous savons, par exemple en radiologie, que les interprétations peuvent varier selon plusieurs facteurs ; il en va de même pour les modèles de langage, dont les performances dépendent directement des données d’entraînement. Mais l’objectif premier reste clinique : concevoir des outils qui améliorent concrètement la prise en charge. Dans ce cadre, je travaille notamment sur deux prototypes d’intelligence artificielle : un outil de recherche de patients similaires et un système de résumé automatique du dossier patient, destiné à réduire la charge cognitive des soignants.
Pourriez-vous nous parler du projet de « patients similaires » ?
En pratique, dans la majorité des situations, poser un diagnostic et initier un traitement ne pose pas de difficulté particulière. En revanche, certaines situations complexes – qu’il s’agisse de présentations atypiques de maladies fréquentes ou de maladies rares – rendent ces démarches beaucoup plus délicates, d’autant qu’il n’existe pas toujours de données issues d’essais randomisés sur lesquelles s’appuyer. Nous développons donc un modèle d’IA capable d’interroger l’entrepôt de données de santé de l’AP-HP comme lors d’un staff médical, pour analyser l’ensemble des données disponibles, y compris le contenu textuel des documents cliniques. Il peut ainsi identifier automatiquement des patients présentant des similarités avec un cas donné, par exemple des symptômes ou des antécédents comparables.
Et concrètement ?
Cela permet de construire des phénotypes et de constituer des cohortes de patients similaires, pour aider à la décision tout en réduisant les risques d’erreurs et de complications. Aujourd’hui, il s’agit d’un prototype utilisé ponctuellement, et une phase de test en conditions réelles est prévue prochainement. L’accueil est déjà très positif, car le projet favorise la mutualisation de connaissances souvent dispersées. À cet égard, son ancrage en médecine interne est particulièrement pertinent, car cette spécialité se situe à l’interface de nombreuses disciplines et favorise cette approche transversale.
Qu’en est-il du projet de résumé automatique du dossier patient ?
À l’AP-HP, chaque patient dispose en moyenne de 60 à 100 documents dans son dossier. Or, les derniers documents ne contiennent pas toujours l’ensemble des informations essentielles, comme les antécédents, les allergies, le mode de vie ou encore le niveau d’autonomie. Il faut donc parcourir l’ensemble du dossier pour les retrouver. L’objectif du projet est précisément de rendre ces informations immédiatement accessibles. En collaboration avec le Docteur Cyril Charron, médecin réanimateur, nous développons donc un modèle capable de générer des résumés adaptés aux besoins des cliniciens. Il peut également répondre à des questions sous forme de chatbot, avec des réponses sourcées et directement reliées aux éléments du dossier patient.
Où en est cette solution aujourd’hui ?
Elle sera testée d’ici début 2027 de manière observationnelle dans trois services, ainsi qu’aux urgences. L’objectif est de s’inscrire dans une démarche de clinical safety, afin de garantir notamment l’absence d’hallucinations. Les attentes sont fortes, en particulier aux urgences, où ce type d’outil pourrait fluidifier la prise en charge, faciliter l’orientation des patients et alléger la charge de travail des équipes. Le projet, porté par la Direction des services numériques, est prioritaire. Il mobilise une équipe pluridisciplinaire, avec un développement entièrement en interne, et intègre un représentant des usagers pour évaluer son acceptabilité du point de vue des patients.
Ces deux solutions font appel à des technologies IA. Quels points de vigilance identifiez-vous ?
Le premier enjeu concerne la qualité des données. À l’entrepôt de données de santé de l’AP-HP, elles sont qualifiées dès leur intégration, avec des métriques permettant d’en assurer le contrôle et d’aller vers une meilleure homogénéisation. Cela dit, il existe aujourd’hui une prise de conscience croissante de l’importance de structurer les données d’entrée car, dans leur pratique, les professionnels voient concrètement l’intérêt des outils qui en sont issus. Un second point concerne la consommation énergétique. Par exemple, pour le projet de résumé automatique, une fois une requête traitée, il ne sera pas possible de solliciter à nouveau le système sur le même champ dans un délai court, puisque l’information est déjà disponible. Nous avons également intégré un indicateur de consommation énergétique, présenté à travers des équivalents concrets afin de favoriser la prise de conscience des utilisateurs. Cette démarche s’inscrit dans une volonté plus large : ne pas utiliser l’intelligence artificielle pour elle-même, mais uniquement lorsqu’elle apporte une réelle valeur.
Le mot de la fin ?
La question des usages raisonnés est aujourd’hui un angle mort de l’IA. Pourtant, elle est essentielle, à la fois pour des raisons écologiques et parce que l’IA n’est pas adaptée à tous les cas. On sait, par exemple, que ces modèles peuvent être imprécis sur les dosages médicamenteux. Dans certaines situations d’urgence, leur utilisation peut être utile, mais dans beaucoup de cas, des outils existants comme le Vidal répondent déjà efficacement aux besoins. Il est donc important de ne pas systématiser l’usage de l’IA, mais de l’utiliser à bon escient. Cela implique un véritable travail de pédagogie et d’acculturation, auquel je contribue notamment à travers des formations et des actions de sensibilisation, comme celles menées avec la Fédération hospitalière de France ou la Haute Autorité de santé.
> Article paru dans Hospitalia #73, édition de mai 2026, à lire ici
]]>
