Le constat de départ est largement partagé : les outils numériques, devenus indispensables, pèsent de plus en plus lourd dans le quotidien des professionnels de santé. « Ils consacrent près de 60 % de leur temps à l’ordinateur, rappelle le Dr Laurent Gout, Directeur des opérations chez Dedalus France. Un médecin me disait récemment qu’elle ne voulait plus dépendre du clavier et de la souris. Elle souhaitait simplement que l’ordinateur soit capable de la comprendre, comme le fait déjà son smartphone. » Cette attente traduit une évolution profonde des usages. L’IA générative est déjà massivement utilisée dans les hôpitaux, souvent en dehors des cadres institutionnels. « Dans un CHU que je ne citerai pas, on compte aujourd’hui près de 700 000 connexions mensuelles à ChatGPT depuis les postes informatiques de l’établissement », souligne Laurent Gout. Pour Amel Mokrani Bois, Directrice Générale de Dedalus France, cette évolution oblige désormais les acteurs du numérique en santé à dépasser les effets d’annonce pour répondre à des besoins opérationnels très concrets. « Au-delà des promesses portées par l’industrie, il est essentiel de s’interroger sur l’intégration réelle de l’IA à l’hôpital et sur son impact au quotidien. »

Parmi les usages les plus avancés figure l’IA ambiante, qui automatise la documentation clinique pendant les échanges avec le patient. Le médecin peut ainsi se concentrer pleinement sur la consultation pendant que l’IA écoute, structure et génère automatiquement les éléments de compte-rendu. « L’IA ambiante me permet d’expliquer précisément au patient son intervention chirurgicale pendant que le système prend en charge cette tâche administrative », témoigne le Pr Éric Vibert, chirurgien hépatique à l’AP-HP et cofondateur de la chaire innovation BOPA (Bloc Opératoire Augmenté). Les gains dépassent le simple confort d’usage. « Quand elles seront utilisables à l’AP-HP, ce sera un gain de temps pendant la consultation, mais aussi un allègement de la charge des secrétariats, poursuit-il. Finalement, ces technologies permettent aux équipes hospitalières de se recentrer sur des tâches à plus forte valeur humaine. » Une évolution qui participe aussi à une amélioration globale des conditions de travail.

D’autres usages de l’IA ont également trouvé leur place dans les établissements de santé. Au GHT Confluence, une IA de détection des fractures aide par exemple les urgentistes lorsque les radiologues ne sont pas disponibles. « Les bénéfices ont été immédiats : amélioration de la prise en charge des patients, mais aussi diminution des tensions entre les urgentistes et les radiologues », explique Abder Assali, le Directeur des systèmes d’information. L’établissement utilise également l’IA en anatomopathologie pour accélérer l’analyse des lames médicales. « Nous sommes passés d’environ quinze minutes à dix secondes d’analyse par lame », souligne-t-il. En chirurgie, les applications se développent également autour de la préparation opératoire et de la reconstruction anatomique 3D. « Pour une chirurgie du foie, qui dure généralement au minimum six heures, nous estimons le gain de temps à environ une heure par intervention », précise le Pr Vibert. Pour Amel Mokrani Bois, ces retours d’expérience montrent l’importance d’évaluer précisément les bénéfices attendus avant tout déploiement : « Il faut savoir ce que l’on souhaite mesurer : un gain de temps, une amélioration de la qualité des soins, un bénéfice organisationnel ou encore un impact économique ».

Pour fonctionner réellement à l’hôpital, l’IA doit toutefois s’intégrer directement dans les usages existants. « Aujourd’hui, les professionnels de santé doivent déjà jongler avec un très grand nombre d’applications, rappelle Abder Assali. Si les solutions d’IA sont dès le départ intégrées au DPI, alors les gains de temps seront réels et l’adoption beaucoup plus rapide. » Pour répondre à cette problématique, Dedalus s’appuie notamment sur un partenariat avec Corti, spécialiste de l’IA médicale. « La plateforme Corti fonctionne comme une véritable boîte à outils IA intégrée directement dans les workflows cliniques », explique Mikaël Grynszpan, Directeur des ventes France chez Corti. La solution combine trois briques principales : la reconnaissance vocale et l’écoute ambiante ; l’IA générative pour structurer et synthétiser l’information ; et l’IA agentique orientée vers la décision augmentée. « Nous proposons l’ensemble de ces modèles sous forme d’API afin qu’ils puissent être intégrés nativement dans les DPI Dedalus », précise-t-il.

C’est dans cette logique que s’inscrit Buddy, l’assistant IA développé par Dedalus et qui sera intégré dans son dossier patient informatisé de nouvelle génération Care4U fin 2026. « L’objectif est de faire évoluer le DPI d’un outil passif vers un véritable copilote intelligent capable d’assister activement les soignants dans leurs tâches quotidiennes », explique Laurent Gout. Concrètement, Buddy sera capable de prendre automatiquement des notes pendant une consultation, de générer des comptes-rendus, de préparer les lettres de sortie, de structurer des textes libres ou encore d’extraire des informations pertinentes pour le codage hospitalier. Mais l’ambition va plus loin qu’un simple assistant conversationnel. Dedalus travaille sur une nouvelle génération d’IA dites « agentiques », capables non seulement de comprendre le contexte clinique, mais aussi de raisonner et de se coordonner. « L’agent peut analyser le contexte, orchestrer des actions, planifier des taches et soumettre des actions tout en contribuant à la prise de décision en lien avec différentes bases de connaissances, explique Vincent Planat, Senior Technologist et Business Architect chez Dedalus France. Nous passons d’une logique centrée sur les LLM à une véritable architecture d’agents IA. »

Dedalus entend désormais appliquer cette logique multi-agents à l’ensemble des organisations hospitalières. Dans son Command Center, différents agents IA pourront demain collaborer pour identifier des tensions capacitaires, proposer des réaffectations de lits et fluidifier les parcours patients associés. « Un agent peut détecter des tensions sur les lits disponibles, un autre proposer des réaffectations, puis le système orchestre différents agents spécialisés pour optimiser les décisions », explique Vincent Planat. La même approche est en cours de développement pour l’imagerie médicale. Dedalus développe notamment des workflows adaptatifs capables de s’ajuster automatiquement au contexte clinique de chaque patient. « Nous passons d’un workflow statique à un workflow dynamique, piloté par un cockpit intelligent », explique Anna-Cécilia Vlachomitrou, Head of Innovation chez Dedalus. La plateforme DeepUnity Adaptive Imaging doit ainsi permettre d’orchestrer différents agents selon le contexte clinique du patient et les besoins du radiologue. Leslaboratoires de biologie médicale ne seront pas en reste, avec des agents dédiés à la saisie des demandes d’analyses, à l’assistance à la validation biologique ou encore à la génération de comptes-rendus vulgarisés pour les patients. Mais Dedalus insiste sur un point : l’humain reste au centre du dispositif. « Une validation et une supervision humaines demeurent indispensables pour garantir la pertinence des propositions formulées par les agents IA », rappelle Vincent Planat.

Malgré les avancées, les intervenants accueillis sur le stand Dedalus durant SantExpo rappellent que l’industrialisation de ces usages soulève encore plusieurs défis. Le premier concerne les infrastructures techniques. Le Pr Éric Vibert évoque par exemple les difficultés rencontrées autour de la réalité augmentée au bloc opératoire : « Sur le papier, les perspectives étaient extrêmement intéressantes. Mais dans la pratique, nous sommes encore limités par les infrastructures et les capacités de calcul disponibles. » Les questions juridiques restent également ouvertes. « Il existe encore un flou important autour de la responsabilité en cas d’erreur produite par une IA », rappelle Abder Assali. Enfin, une question plus profonde traverse l’ensemble des débats : celle de la place du médecin et de l’évolution de son rôle face à l’intelligence artificielle. « Tout le monde souhaite bénéficier d’un assistant intelligent, mais chacun craint aussi d’être remplacé », observe Laurent Gout. Pour le Pr Éric Vibert, l’IA ne remplacera pourtant jamais ce qui constitue le cœur du soin : « Le médecin reste avant tout un artisan de la relation humaine. Paradoxalement, je pense que l’IA pourrait redonner encore plus d’importance à la médecine clinique et à l’empathie. » C’est probablement là que se situe aujourd’hui le véritable enjeu de l’IA hospitalière : non pas remplacer les soignants, mais leur permettre de redevenir pleinement soignants.

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 

Comment le CNEH Prospective aborde-t-il la place de l’intelligence artificielle dans la gouvernance hospitalière ?
 
Jane Despatin : Deux études éclairent cette thématique. La première, portée notamment par le directeur général Joseph Tedesco, s’appuie sur une série d’entretiens menés auprès de dirigeants hospitaliers afin d’identifier les enjeux stratégiques à venir. L’intelligence artificielle y apparaît comme un levier majeur de transformation. Ces travaux mettent toutefois en évidence un recours encore largement opportuniste, souvent initié localement et sans réelle cohérence stratégique. L’enjeu consiste désormais à articuler ces initiatives de terrain avec une vision portée par la gouvernance, afin de prioriser les investissements et aligner les outils d’IA avec les orientations de l’établissement à moyen et long terme. 

Quelle est la seconde approche développée dans ces travaux prospectifs sur l’intelligence artificielle ? 

La seconde étude, en cours de finalisation, s’intéresse à l’impact concret de l’IA sur le quotidien des soignants, en particulier des infirmiers. Face à une littérature encore peu centrée sur ces métiers, l’étude repose sur des groupes de travail menés dans deux CHU, réunissant infirmiers, encadrants et coordinateurs des soins. L’objectif est d’identifier, à partir des besoins du terrain, les usages de l’IA susceptibles de transformer durablement les pratiques, d’améliorer la qualité des soins et de renforcer l’attractivité des professions. Ces travaux alimentent actuellement une note destinée à orienter les priorités des établissements en matière d’IA appliquée aux métiers du soin. 

Comment structurer une gouvernance efficace de l’IA au sein d’un établissement de santé ? 

La mise en place d’une gouvernance de l’IA repose d’abord sur une organisation structurée, souvent incarnée par un comité de pilotage chargé de recenser, analyser et prioriser les projets. Le CNEH Prospective recommande également la désignation d’un référent médical dédié, capable de porter ces sujets auprès des équipes soignantes et d’éviter une approche strictement technologique. Si certains établissements amorcent cette organisation, la majorité fonctionne encore selon des modalités ponctuelles. L’enjeu est pourtant d’instaurer une gouvernance active, en mesure d’aligner les initiatives d’IA avec les objectifs stratégiques et de canaliser des projets encore trop souvent dispersés. Elle doit également permettre de capter les besoins et les tendances d’usages du terrain.

Concrètement, comment l’IA peut-elle soutenir la gouvernance hospitalière au quotidien ? 

L’intelligence artificielle ouvre la voie à des outils de pilotage nettement plus réactifs. Dans des structures comme l’AP-HP, la production et l’analyse des indicateurs restent encore souvent décalées dans le temps. Demain, des tableaux de bord enrichis pourraient générer des alertes précoces sur des dérives d’activité – allongement des délais, baisse des taux d’occupation… – permettant des actions correctrices plus rapides. Au-delà du suivi, l’IA apporte surtout des capacités prédictives inédites : anticipation des flux aux urgences, évolution des pathologies ou des besoins en lits. En croisant les données locales, les tendances épidémiologiques et les facteurs territoriaux, elle permettrait de passer d’un pilotage réactif à une logique d’anticipation, voire de planification à moyen et long terme. 

En quoi l’intelligence artificielle impacte-t-elle la conception et l’organisation du bâti hospitalier ? 

L’intégration de l’IA suppose d’anticiper ses effets à la fois sur les pratiques de soins et sur les infrastructures. Certains dispositifs illustrent déjà cette évolution, comme la géolocalisation des patients au bloc opératoire pour optimiser les flux en temps réel. À terme, l’IA pourrait enrichir ces systèmes en automatisant certaines actions, telles que le déclenchement de transports, l’ajustement des ressources ou l’anticipation des sorties. Ces usages ont des implications directes sur le bâti, par exemple dans la conception de circuits plus fluides, l’intégration de capteurs ou l’adaptation des espaces. Ils nécessitent également des infrastructures numériques robustes, pensées dès l’origine pour accompagner le déploiement massif de solutions d’IA dans les années à venir. 

Dans vos travaux de prospective, comment anticipez-vous les usages futurs de l’intelligence artificielle à l’hôpital ? 

Les projections du CNEH convergent vers deux grandes tendances. La première concerne l’automatisation des tâches répétitives, notamment administratives, grâce à des outils capables d’alimenter en temps réel le dossier patient ou de structurer les transmissions, libérant ainsi un temps précieux pour les soignants. La seconde porte sur l’appui aux tâches complexes : l’IA pourrait renforcer l’autonomie des professionnels en facilitant l’accès à l’expertise et en accompagnant certaines décisions. Ces évolutions touchent également la gouvernance, avec des capacités accrues d’analyse et de projection. Si toute prospective comporte une part d’incertitude, une dynamique se dessine clairement : l’IA devrait à la fois alléger le quotidien et améliorer la prise de décision. 

Quel message clé retenez-vous pour conclure sur la place de l’intelligence artificielle à l’hôpital ? 

La réflexion autour de l’intelligence artificielle à l’hôpital ne se limite pas à ce qu’il est techniquement possible, mais engage aussi des choix sur ce qu’il est souhaitable de faire. Les travaux du CNEH soulignent la nécessité de trouver un équilibre entre gains d’efficacité, amélioration de la qualité des soins et préservation de la dimension humaine des métiers. Les professionnels, notamment les infirmiers, expriment une attente claire : réduire le poids des tâches les plus chronophages pour se recentrer sur le patient, en intensité comme en disponibilité. Cette perspective place la gouvernance face à des arbitrages structurants, où la seule faisabilité technique ne saurait suffire. Elle ouvre ainsi un champ de décision à la fois stratégique et éthique, central pour les hôpitaux de demain.  
 
> Article paru dans Hospitalia #73, édition de mai 2026, à lire ici 
 

Le dispositif a été conçu autour d’un triptyque rarement équilibré : son design a été pensé autour du ressenti des patientes, du quotidien des manipulateurs en électroradiologie médicale et des exigences des radiologues. Confort amélioré, compression mieux maîtrisée, acquisition rapide… tout converge vers un examen moins anxiogène. Un détail ? Pas vraiment, quand on sait que l’appréhension reste un frein majeur au dépistage.

Amulet Sophinity ne se limite pas à une amélioration incrémentale. C’est une plateforme complète qui couvre l’ensemble du parcours diagnostique : imagerie 2D, tomosynthèse haute résolution, reconstruction 2D synthétique S-View, jusqu’aux actes avancés comme la biopsie robotisée sous tomosynthèse ou l’angiomammographie. Cette polyvalence permet une continuité de prise en charge au sein d’une même équipe médicale, réduisant les délais – un facteur déterminant pour le pronostic des patientes – et simplifiant les parcours. Sur le plan technique, le capteur à conversion directe en sélénium amorphe (a-Se), couplé à la technologie HCP (Hexagonal Close Pattern), délivre une résolution de 50 microns, permettant d’obtenir des images plus fines et plus contrastées, avec une dose réduite. Le compromis qualité/sécurité est ici clairement optimisé.

L’autre bascule se joue du côté de l’intelligence artificielle. Le système d’exposition automatique intelligent, i-AEC, ajuste en temps réel les paramètres d’exposition en fonction des tissus, y compris dans des cas complexes comme la présence d’implants ou de cicatrices. Avec, à la clé, moins de variabilité, moins de reprises, et un gain de temps réel pour les équipes. Mais l’IA ne s’arrête pas là. Elle intervient sur toute la chaîne : amélioration de la qualité d’image, standardisation des examens, aide à l’interprétation, automatisation de gestes techniques… Certaines fonctions, comme le ciblage assisté en un clic, simplifient des procédures jusque-là exigeantes. En filigrane, c’est toute l’organisation du travail qui évolue, avec des pratiques plus fluides, plus homogènes et moins dépendantes des variations individuelles.

Amulet Sophinity s’inscrit aussi dans une tendance de fond, qui entend adapter le dépistage au profil de chaque femme. L’analyse automatisée de la densité mammaire ouvre la voie à des stratégies plus ciblées. L’angiomammographie, plus rapide que l’IRM dans certaines indications, apporte une alternative pertinente, notamment pour les patientes à risque ou plus jeunes. Cette capacité à combiner dépistage de routine et imagerie avancée répond à une attente forte du système de santé : aller plus vite, sans perdre en précision. À plus long terme, ce type de plateforme pourrait également s’inscrire dans une éventuelle évolution vers des approches théranostiques, où imagerie et intervention seraient encore davantage imbriquées. En fin de compte, Fujifilm ne promet pas seulement de meilleures images. Le constructeur propose un outil pour repenser concrètement le parcours de dépistage. À l’heure où la participation stagne, c’est peut-être là que se joue la vraie innovation.

> Plus d'informations sur le site de Fujifilm

> Article paru dans Hospitalia #73, édition de mai 2026, à lire ici 
 

Comment décririez-vous la vision stratégique actuelle d’Omnicell concernant la transformation du circuit du médicament ?

John Halter : Nous sommes dans une logique de rupture. Nous avons ainsi réussi à automatiser les étapes encore manuelles du circuit du médicament, de la commande à la dispensation, grâce à des solutions intégrées dans les établissements de santé. Ces systèmes capturent désormais les données d’usage en temps réel, et les transforment en leviers pour piloter les processus et renforcer la sécurité sur l’ensemble de la chaîne, afin de garantir que chaque patient reçoive le bon médicament, à la bonne dose, au bon moment et au bon endroit. Cette dynamique ouvre la voie à une « pharmacie connectée », où l’IA agit comme un partenaire discret des équipes. Elle exploite les données sans nécessiter d’extraction ou d’analyse manuelle dans des tableurs. La prise de décision est simplifiée : les professionnels sont guidés vers les bonnes actions, sans expertise en data science. À terme, l’IA permettra d’anticiper les incidents – comme les ruptures de stock, déjà concernées – et d’agir en amont, parfois de façon proactive. L’objectif n’est pas de remplacer les soignants, mais de les décharger de certaines tâches pour leur permettre de se recentrer sur le soin.

Quels cas d’usage illustrent déjà la valeur de l’IA dans vos solutions ?

Nous sommes encore dans une phase d’analyse avancée, mais les résultats sont déjà tangibles. D’abord sur l’optimisation des flux, nous constatons une hausse de 30 % des commandes le lundi, liée à une meilleure anticipation des besoins de la semaine, suivie ensuite d’une diminution progressive. L’IA permet ainsi de passer d’une gestion dans l’urgence à une organisation plus fluide et prévisible. Ensuite sur la continuité des soins, l’anticipation des besoins dès le vendredi limite la surcharge des équipes le week-end. Cela améliore à la fois les conditions travail et la qualité des soins. Enfin, sur la gestion des ressources, les tâches simples sont automatisées ou prises en charge par des équipes support, ce qui libère du temps pour les experts et leur permet de se concentrer sur des missions à plus forte valeur ajoutée.

Comment accompagnez-vous les équipes hospitalières dans cette transformation et quels défis restent à relever ?

L’adoption repose avant tout sur l’humain. Nos équipes s’appuient sur des cliniciens expérimentés et des pharmaciens technophiles, qui ont eux-mêmes vécu ces changements et accompagnent aujourd’hui les établissements dans leur mise en œuvre. Pour autant, dans un secteur aussi sensible que la santé, la prudence est essentielle. C’est pourquoi nous testons et validons systématiquement nos solutions en interne avant tout déploiement en production hospitalière, car la priorité absolue reste la sécurité des patients et des données. L’IA doit simplifier et sécuriser la pratique clinique, non la complexifier. Deux défis seront donc déterminants pour libérer pleinement le potentiel de l’IA. D’abord, l’adoption des technologies. À cet égard, notre plateforme joue déjà un rôle d’accélérateur : elle permet une intégration scalable, sécurisée et rapide de l’IA dans les usages quotidiens. Ensuite, la confiance des utilisateurs : dès que l’IA intervient dans les parcours de soins et les décisions cliniques, cette question devient centrale. L’enjeu est donc de construire un environnement éthique robuste, capable de soutenir l’innovation au service des patients.

> Plus d'informations sur le site d'Omnicell.

> Article paru dans Hospitalia #73, édition de mai 2026, à lire ici