Le soignant augmenté : gagner du temps sans perdre le doute

Entretien avec le Pr Cécile Badoual, cheffe du département de biologie et pathologie médicales de Gustave Roussy

L’anatomopathologie occupe une place décisive et pourtant méconnue dans le parcours de soins en cancérologie : c’est elle qui identifie la maladie sur les prélèvements et détermine la prise en charge qui suivra. Cette discipline connaît aujourd’hui une mutation profonde. La numérisation des lames a ouvert la voie à l’intelligence artificielle, qui trie les prélèvements, repère les anomalies, quantifie, et commence même à générer des informations biologiques qu’il fallait auparavant produire par des analyses chimiques.

Le Pr Cécile Badoual observe cette évolution depuis une position privilégiée. Elle dirige un service qui analyse plus de 200 000 lames par an et pilote plusieurs projets de recherche en IA. Sa parole conjugue ainsi l’expérience clinique et la connaissance fine des outils en développement.

De cet entretien se dégage une position mesurée, qui reconnaît les apports de la technologie sans en ignorer les limites. L’IA fait gagner un temps considérable et pourrait améliorer l’accès au diagnostic dans les territoires qui manquent de spécialistes. Mais elle soulève des questions que la discipline commence seulement à affronter : celle de la responsabilité, lorsqu’un médecin s’en remet à la machine au point de renoncer à examiner certaines lames ; celle de la transmission, lorsqu’il s’agit de former de jeunes praticiens à l’exercice du doute alors que l’outil fournit d’emblée une réponse. L’enjeu, tel que le formule le Pr Badoual, n’est pas de choisir entre l’humain et la machine, mais de tirer parti de l’un sans renoncer à ce qui fonde l’autre : le regard clinique, et la capacité de douter.

Trois familles d’algorithmes au service du diagnostic

Professeur Cécile Badoual, vous dirigez un département qui analyse plus de 200 000 lames par an et vous pilotez les projets de recherche en IA MOSAIC et PortrAIt. Pouvez-vous nous dire ce que sont ces deux projets ?

Il s’agit de deux projets inscrits dans des consortiums distincts.

Le premier, PortrAIt, s’appuie sur un consortium national qui réunit des entreprises privées ainsi que des laboratoires privés et publics. L’hôpital Gustave Roussy y participe, dans le cadre du programme France 2030 porté par la BPI. Son objectif est de développer trois types d’algorithmes. Le premier relève de la détection : lorsqu’on examine un cancer au microscope, on cherche à repérer les cellules anormales et l’on observe, par exemple, la présence de mitoses, c’est-à-dire de cellules en train de se multiplier. Identifier ces mitoses fait partie des tâches que l’on confie aux algorithmes. Le deuxième type rassemble des outils capables de proposer un diagnostic à partir des lames, ce support que l’on examinait autrefois au microscope et que l’on lit désormais sous forme numérique. Le troisième, enfin, regroupe des outils prédictifs, qui anticipent l’évolution d’une tumeur. C’est à cette troisième famille qu’appartient Relapse Risk, un algorithme développé au sein de PortrAIt avec la cheffe de service d’anatomopathologie, la docteure Magali Lacroix-Triki, très investie dans ce travail. Il évalue le risque de récidive d’un cancer du sein à cinq ans : la valeur ajoutée est considérable. Ces projets bénéficient de l’engagement du directeur de la recherche, le Pr Fabrice André, sans qui rien de tout cela ne serait possible.

Le second projet, MOSAIC, est de nature différente : c’est un consortium international, porté par la société Owkin, qui a constitué une banque de données de transcriptomique, c’est-à-dire l’étude de l’expression des gènes par diverses techniques. Là, l’IA sert à interpréter ces données. Des outils en sont attendus, mais c’est surtout PortrAIt qui repose sur le développement d’algorithmes de détection.

Quand une biopsie arrive au laboratoire

Revenons à quelque chose de simple. Quand une biopsie arrive chez vous, une lame, que se passe-t-il concrètement, et qu’est-ce que l’IA change ?

Tout le monde ne le sait pas, mais lorsqu’un patient est opéré, ou qu’on lui fait une biopsie, ce sont mes confrères et consœurs pathologistes qui examinent les prélèvements. Cela peut être un petit fragment prélevé sur la peau, ou un organe entier, un demi-poumon par exemple. Ces prélèvements arrivent au laboratoire, où nous les préparons : nous sélectionnons les échantillons à analyser, puis nous les coupons en tranches extrêmement fines que nous déposons sur des lames de verre. Comme un tissu est presque transparent, il faut le colorer pour en révéler les structures : j’utilise pour cela une coloration appelée HE, l’hématéine-éosine. C’est cette lame colorée que nous examinons au microscope, et c’est elle qui permet de poser le diagnostic. Voilà pourquoi, quand on dit « on attend les résultats », on attend en réalité ceux du pathologiste, qui a besoin de ce temps de préparation et d’analyse avant de se prononcer.

Poser le diagnostic ne suffit pas toujours. Une fois la maladie identifiée, nous menons d’autres investigations à la recherche de ce qu’on appelle des biomarqueurs, c’est-à-dire l’expression de certaines protéines ou de certains récepteurs dans la tumeur. C’est une étape fondamentale, car ce sont ces marqueurs qui orienteront le traitement : ce sont eux qui diront si la tumeur répondra ou non à telle thérapie. Traditionnellement, tout cela se fait sur des lames, au microscope. Mais depuis plusieurs années, à Gustave Roussy, nous avons la chance d’être entièrement numérisés : chaque lame passe d’abord dans un scanner qui la transforme en image. J’ai d’ailleurs, en plus de mon microscope, trois écrans devant moi où les lames s’affichent. Et à partir du moment où le prélèvement devient une image numérique, on peut le traiter comme une donnée informatique. C’est là qu’interviennent les algorithmes qui nous aident à établir le diagnostic.

Le pathologiste augmenté : la machine propose, le médecin décide

Concrètement, comment l’IA intervient-elle dans l’analyse d’une lame, et où s’arrête son rôle ?

Il faut d’abord mesurer à quel point l’organisation des laboratoires a changé. Rien n’est possible sans la numérisation : il a fallu investir dans des scanners pour digitaliser les lames, dans le câblage, dans toute une infrastructure informatique. C’est le préalable, car l’IA ne fonctionne que sur une lame devenue image. Une fois cette base posée, elle intervient de trois façons : elle peut aider à poser le diagnostic, à évaluer la gravité de ce que l’on observe sur le prélèvement, ou à formuler des prédictions sur l’évolution de la maladie. C’est là que je rejoins ce que je disais des biomarqueurs : l’IA vient compléter, parfois même remplacer, les informations qu’ils nous donnaient, et nous aide ainsi à anticiper l’évolution d’une tumeur.

J’aime résumer cela d’une formule : le pathologiste augmenté. L’IA propose, mais la décision reste humaine. Réglementairement, un diagnostic est posé par un médecin, en l’occurrence un pathologiste, et c’est lui qui en porte la responsabilité. Il faut vraiment insister là-dessus. Vous avez sans doute interrogé des radiologues : c’est exactement la même chose, l’IA formule des propositions d’interprétation, rien de plus. C’est le premier point. Le second est plus délicat. Quand l’IA ne se contente plus de décrire la lame mais se met à prédire la réponse à un traitement, le pathologiste n’est plus détenteur de cette vérité-là : elle sort de la machine. Il reste garant de la qualité du prélèvement et de son analyse, mais la fiabilité de la prédiction, elle, lui échappe en partie. Cela pose une vraie question, encore ouverte : qui est responsable de ces outils pronostiques ? Et plus largement, comment informer le patient, et comment indiquer clairement, dans le compte rendu, ce qui relève du médecin et ce qui a été généré par l’IA ?

L’IA et le médecin sont-ils dans une complémentarité ? Y a-t-il des choses que l’œil humain voit et que l’IA, elle, ne verra pas ?

Oui, et je l’explique souvent ainsi : j’ai un disque dur qui s’appelle mon cerveau, et qui a intégré des millions et des millions d’images au fil de ma carrière. C’est ce qui fait la différence. Prenez une IA entraînée à reconnaître le cancer : face à une lame, elle cherchera le cancer, et rien d’autre. Si, à la place, il y a une lésion de tuberculose, elle ne la verra pas, elle n’est pas faite pour ça. Moi, je la reconnais, parce que je sais à quoi ressemble une tuberculose. Sur une même lame, il y a une multitude d’informations qui débordent largement ce sur quoi l’IA a été entraînée, et c’est le médecin qui les capte.

Je ne dis pas que ce sera toujours le cas, je dis que nous n’y sommes pas encore. Beaucoup de lésions sont rares, et nous découvrons chaque jour de nouvelles choses. C’est pourquoi je ne crois pas à la disparition des médecins. En revanche, et c’est passionnant, l’IA nous fait voir ce que nous ne regardions pas. Elle attire notre attention sur des détails que nous négligions. C’est vrai de tout objet de recherche : il y a quantité de choses que l’on croise chaque jour sans les voir, et le jour où une étude leur donne un sens, on se met à les observer, et l’on découvre parfois du nouveau. Donc oui, le pathologiste a tout intérêt à confier à l’IA les tâches sans valeur intellectuelle. Mais au-delà de ce gain de temps, ce qu’elle ouvre, c’est un champ d’exploration et de recherche que je trouve fantastique.

Est-ce qu’un jour, une fois les algorithmes très entraînés et les machines éprouvées, on pourra se passer de médecin, ou qu’une IA prenne seule en charge un patient ?

Je ne le crois pas. Il y aura toujours un patient et un soignant. Cessons d’imaginer que les malades n’ont pas besoin de voir des humains : au contraire, il est indispensable de replacer le lien au centre. Et ce lien, ce ne sont ni des agents conversationnels ni des robots qui le créeront. C’est un élément reconnu de la guérison et de la prise en charge. Je discutais récemment avec un clinicien qui me confiait une chose éclairante. Avec l’accord du patient, depuis qu’une IA se charge de recueillir les données attendues (le poids, la tension, tout ce qui est mesurable) il se sent beaucoup plus attentif au reste : au non-dit, au non-verbal, à ce moment singulier qu’est une consultation. Là où il était auparavant accaparé par la collecte d’informations, il s’ouvre désormais à ce qui ne se mesure pas. On pourrait imaginer un jour une caméra qui capte même cela, mais nous n’y sommes pas, et, très sincèrement, en tant qu’humaine, je ne suis pas sûre que ce soit souhaitable. Il y a, dans notre rapport à l’autre, une part d’humanité qui doit le rester.

En routine ou en recherche ? L’état réel du déploiement

Aujourd’hui, ces outils sont-ils utilisés en routine pour les patients, ou surtout en recherche ? Quel serait le ratio ?

Il faut d’abord rappeler une condition préalable : pour utiliser un algorithme sur de vrais patients, il doit avoir obtenu un marquage CE, la certification européenne qui atteste de sa fiabilité. De plus en plus d’IA l’obtiennent, et parmi elles des IA françaises, ce qui est une bonne nouvelle. Elles commencent donc à entrer dans la routine. À Gustave Roussy, notre numérisation complète est récente, mais nous avons développé nos propres outils « maison », aujourd’hui intégrés à notre pratique et solidement validés par la recherche. Nous avons d’ailleurs été retenus pour un appel à projets de la BPI, précisément destiné à intégrer une IA en mesurant son intérêt médico-économique. Car c’est une vraie question : ces outils ont un coût, et il faut démontrer que le bénéfice le justifie. Cela suppose aussi de valider ce qu’on appelle le workflow, un mot un peu galvaudé, mais qui désigne simplement la façon dont on réorganise tout le circuit du diagnostic pour qu’il profite au patient.

Pour vous répondre clairement : oui, certaines IA sont déjà entrées dans le quotidien de certains laboratoires. Mais beaucoup d’autres restent au stade de la recherche, et c’est même le cas de la majorité. Nous les évaluons actuellement à travers ce qu’on appelle des « études de vraie vie », c’est-à-dire des tests menés sur un grand nombre de patients réels, pour mesurer leur efficacité avant de les déployer.

Ce qui fait réussir l’intégration de l’IA à l’hôpital

Vous parliez de la numérisation de Gustave Roussy. Selon vous, qu’est-ce qui favorise une intégration réussie de l’IA dans les pratiques quotidiennes ?

La numérisation est le point de départ obligé : sans elle, pas d’IA. Sur ce terrain, la France partait très en retard, et elle est aujourd’hui plutôt en avance. Je tiens à le souligner : l’État a massivement investi pour les hôpitaux publics, avec un soutien très fort des agences régionales de santé. À cela s’est ajouté l’engagement de la direction de Gustave Roussy, comme dans d’autres établissements du territoire. Et pour réussir, nous avons eu la chance de partenaires solides et prêts. Mais l’essentiel, au fond, n’est pas technique : c’est une conduite du changement.

Car le microscope, c’est tout un symbole. Quand on imagine un pathologiste, on le voit toujours l’œil à l’oculaire. Passer à l’écran, c’est un vrai bouleversement des habitudes, et nous en avons d’ailleurs mesuré l’impact dans une étude menée avec l’un de nos internes. Un tel changement n’est jamais simple au début : il y a des ratés, un temps d’acculturation, la difficulté propre à tout nouvel outil. Ce qui a fait la différence, et c’est selon moi la clé, c’est l’accompagnement. Nous avons suivi le projet chaque semaine, avec des objectifs clairs et avec tout le monde autour de la même table : les techniciens, les secrétaires, les ingénieurs, les médecins. Chacun a pu exprimer ses réticences, et toute la chaîne, de l’arrivée du prélèvement jusqu’au compte rendu, a été repensée ensemble. Nous avons même demandé à être accompagnés spécifiquement, pour anticiper tout ce qui pouvait bloquer.

Enfin, nous avons une chance particulière en France : la pathologie y est une petite communauté, et donc très solidaire. Nous avons pu échanger, à l’échelle nationale comme régionale, avec des collègues qui s’étaient numérisés avant nous. Ils avaient essuyé les plâtres, et ils nous ont dit comment avancer. Pour le bien commun.

La numérisation, une chance pour les territoires

Cette technologie est-elle déployable rapidement dans des territoires qui ne sont pas un grand centre hospitalier parisien, sachant que ce sont peut-être ceux qui en auraient le plus besoin, avec moins de pathologistes ?

C’est un vrai sujet, et il faut le voir comme une chance. Car investir dans la numérisation là où il n’y a pas de pathologistes peut vraiment changer la donne. Rappelons les chiffres : nous sommes 2,3 pathologistes pour 100 000 habitants, ce qui place la France parmi les pays européens les moins bien dotés. Et notre charge est énorme : 80 % de notre activité concerne les cancers, et 15 % de la population a eu, ou vit avec, une histoire de cancer. C’est une sollicitation permanente, car même la bonne nouvelle, celle des guérisons de plus en plus nombreuses, implique un suivi et une surveillance dans la durée. Notre rôle est donc central : nous repérons les cellules avant qu’elles ne deviennent cancéreuses, nous identifions les lésions avant qu’elles ne se transforment en cancers, nous évaluons la gravité d’une tumeur, nous vérifions l’absence de récidive. Et pour tout cela, nous ne sommes que 1 500 en France. C’est très peu.

C’est justement là que le numérique offre une solution, sans même qu’il faille toujours une IA, qui coûte cher. L’idée est de s’organiser autrement. Un hôpital de taille modeste peut très bien réaliser sur place la première étape, celle de la macroscopie : recevoir le prélèvement et le préparer correctement. Puis, plutôt que de manquer d’un spécialiste sur place, il numérise la lame et l’envoie à un pathologiste plus expérimenté, ou à un centre où les compétences sont regroupées. Une fois qu’on peut digitaliser, le pathologiste n’a plus besoin d’être physiquement là : il peut lire à distance. Cela ouvre des possibilités considérables. L’Institut National du Cancer (INCa) soutient d’ailleurs des plateformes dédiées, notamment pour les pathologies rares, où l’on dépose les lames numérisées et où l’on peut échanger avec des collègues à travers toute la France, parfois au-delà, sans bouger de son bureau. C’est un vrai changement, en matière de mobilité comme d’accès aux soins.

Cela dit, il ne faut pas se raconter d’histoires. Le nombre de pathologistes restera insuffisant, et l’IA ne comblera pas ce manque à elle seule, ni du jour au lendemain. Mais une fois qu’elle sera pleinement intégrée à la routine et validée, au moins dans les centres de recours, elle nous fera gagner un temps précieux sur certaines tâches et certaines analyses.

Du côté du patient : gagner du temps, préserver le lien

Comment percevez-vous l’arrivée de l’IA du côté du patient, qui est porteuse de beaucoup d’espoir ? Que diriez-vous à une personne atteinte d’un cancer, sur ce que l’IA peut faire, et ce qu’elle ne peut pas ?

Si l’on regarde l’ensemble des applications de l’IA en cancérologie, c’est proprement incroyable. Il y a des algorithmes qui prédisent la réponse à un traitement, des agents conversationnels pour le suivi à distance des patients, des outils qui analysent une simple photo de peau pour dire si une lésion est bénigne ou suspecte, dans le cas des mélanomes par exemple. Les possibilités sont immenses. Mais je le dis clairement : il y aura toujours un patient et un soignant. Cessons d’imaginer que les malades peuvent se passer d’un contact humain. Replacer le lien au centre est une nécessité absolue, et ce n’est pas un robot ni un agent conversationnel qui le remplacera.

Prenez un exemple qui me paraît vertueux : les mammographies lues en double, par l’IA et par le radiologue. L’IA n’écarte pas le médecin, elle l’aide, en attirant son regard sur une lésion qu’il aurait pu ne pas voir, et en lui laissant le temps de réfléchir. Voilà l’esprit : la machine décharge, l’humain se recentre sur l’essentiel. Et moi, comme pathologiste, je suis franchement ravie de lui confier les tâches ingrates, celles qui sont indispensables mais sans intérêt intellectuel, comme compter les métastases dans un ganglion et en mesurer la taille. C’est nécessaire, c’est fastidieux, autant le déléguer. Ce temps gagné, je le réinvestis dans les vraies questions : comment mieux repérer les lésions, comment affiner nos indices ? Et l’IA en soulève de nouvelles, passionnantes : quand elle se révèle plus performante que nos biomarqueurs habituels, on se demande ce qu’elle a bien pu identifier que nous, nous ne voyions pas. Voilà ce que je dirais à un patient : nous sommes devant un champ de possibilités incroyable, mais il y aura toujours besoin d’humains, de médecins et de soignants.

Ce qui la bluffe : le laboratoire virtuel, et ce qui l’interroge

À titre personnel, y a-t-il eu un moment où l’IA vous a bluffée ?

Le premier apport de l’IA, déjà bluffant, c’est ce qu’elle fait dès l’arrivée des prélèvements au laboratoire : elle trie. Pour un type de prélèvement donné, elle signale d’emblée ceux qui sont probablement cancéreux, ce qui permet de les examiner en priorité. « Là, il y a certainement un cancer, regarde-le en premier » : cela existe déjà, et c’est précieux.

Ce qui m’interroge, en revanche, je l’ai compris lors d’une discussion avec une amie, cheffe de service dans un hôpital européen. Elle me disait : chez nous, on utilise l’IA pour trier les lésions du côlon, les polypes par exemple. Si elle nous indique qu’un prélèvement n’est pas tumoral, on ne le regarde même plus. Le gain de temps est énorme, car on sait que 80 % de ces prélèvements, réalisés presque systématiquement lors des endoscopies, sont en réalité parfaitement normaux. La question surgit aussitôt : et si l’IA se trompe ? Mais au fond, nous nous trompons aussi. L’important, c’est de concentrer notre attention là où il y a un doute ou une lésion certaine. On en est arrivé là, en toute conscience et par nécessité. Voilà ce qui me fascine et m’interroge à la fois sur nos responsabilités. Car en cas d’erreur, la responsabilité restera toujours celle du médecin qui aura dit : j’ai fait confiance à l’IA, et j’ai choisi de ne pas regarder cette lame parce que le contexte clinique n’était pas inquiétant. C’est un vrai sujet.

Mais ce qui me bluffe le plus est en train d’arriver. Prenez une lame ordinaire, avec la coloration que nous utilisons chaque jour, l’hématéine-éosine, à laquelle on ajoute le safran en France, cette coloration toute simple que certains ont peut-être expérimentée enfant avec de petits colorants. Vous la passez sous une IA, et elle vous restitue le marquage des biomarqueurs, sans qu’il ait fallu réaliser les techniques habituelles, longues et coûteuses : immunohistochimie, immunofluorescence, PCR, hybridations in situ. Autrement dit, la lame se transforme en laboratoire virtuel : elle vous livre des informations que, normalement, seule la chimie pouvait produire. Et certaines IA vont encore plus loin : elles reconnaissent chaque type de cellule présent sur la lame, les lymphocytes, les macrophages, les cellules tumorales, les comptent, et en dressent une cartographie complète, sans aucune intervention humaine. Cela, ajouté à la prédiction de l’évolution d’une tumeur, je trouve ça tout simplement bluffant.

Former le pathologiste de demain

Comment fera-t-on quand les jeunes générations auront cette aide dès le départ, alors que les générations qui n’ont pas connu l’IA se sont construit des réflexes et une pensée autonomes ? Et c’est d’autant plus important en santé, où il s’agit de vies humaines.

Pour l’instant, nous en sommes surtout à installer ces IA dans les laboratoires, et je ne les utilise pas encore moi-même pour poser mes diagnostics. En revanche, dans le cadre d’une thèse de médecine et du travail d’une ingénieure, nous avons développé notre propre IA, que nous avons fait tester par des médecins, jeunes et moins jeunes. Le résultat est stupéfiant : les plus jeunes deviennent excellents très vite. Mais c’est précisément ce qui m’inquiète. Car tout l’art du médecin repose sur l’apprentissage du doute, et c’est là qu’est la vraie question : comment former le pathologiste de demain, comment le faire grandir pour qu’il devienne un médecin compétent, s’il s’en remet trop tôt à la machine ? Imaginez un jeune à qui l’IA annonce un cancer, alors que lui-même, trois mois plus tôt, aurait affirmé qu’il n’y en avait pas. Le risque, c’est qu’il se dise : « puisqu’elle le dit, je la crois ». Je le formule un peu à la façon d’une provocation, mais c’est révélateur : autrefois on disait « je l’ai vu à la télé », demain ce sera « je l’ai vu à l’IA ». La vraie question est là : comment rester maîtres de ce que nous affirmons ?

Conclusion

Si vous étiez ministre de la Santé demain, quelle serait votre mesure phare sur l’IA en santé ?

Ma priorité irait aux données. Il faut en organiser la production, en structurer le recueil et en encadrer l’usage par une vraie réglementation. Car tout part de là : la donnée, c’est la matière première qui permet à la fois de faire avancer la recherche et de mieux prendre en charge les patients. C’est ce que nous avons de plus précieux. Une IA ne vaut que par les données sur lesquelles elle a été construite ; sans un cadre clair, agile et intelligent pour les collecter et les partager, rien de solide ne peut se faire. Or les chercheurs ont besoin d’avancer vite, dans un monde qui est, il faut le reconnaître, celui de la compétition internationale, tout en garantissant la protection des patients, ce qui est absolument fondamental. C’est un chantier auquel on s’intéresse de plus en plus, et c’est pour moi la mesure la plus importante. Les données de pathologie, l’exploitation de nos prélèvements, sont une richesse considérable : la France les possède, il lui reste à mieux les structurer.

Rendez-vous mardi 4 août pour le prochain épisode

« Les mardis de l’innovation en santé »

David Smadja est professeur d’hématologie à l’AP-HP et à l’Université Paris Cité, responsable de la Commission Santé du Laboratoire de la République.

Léa Behr est CEO de RespublicIA et membre de la commission Santé du Laboratoire de la République.

À lire aussi

Santé

Municipales 2026 – Le maire, acteur oublié de la santé publique

par David Smadja le 19 février 2026

Et si la santé publique relevait aussi des responsabilités municipales ? Dans cette note, première de notre série consacrée aux élections municipales, David Smadja défend l’idée d’un maire pleinement acteur de la santé des citoyens et appelle à intégrer la culture scientifique au cœur de la décision locale pour renforcer la démocratie.

Dans cette note « Pour une République des savoirs partagés : le maire, acteur oublié de la santé publique », David Smadja défend une thèse claire : la santé publique ne se joue pas uniquement à l’hôpital, mais dans l’ensemble des politiques locales (urbanisme, logement, transports, environnement). À rebours d’une vision strictement sanitaire, il rappelle que le maire, par sa proximité avec le terrain et ses compétences en matière d’aménagement et de gouvernance, devrait être reconnu comme un acteur central de la santé des populations. Pourtant, face à la technicité croissante des enjeux contemporains (crises sanitaires, changement climatique, pollutions, risques environnementaux…), les élus locaux restent insuffisamment armés pour dialoguer avec les experts, interpréter les données scientifiques et anticiper les impacts de long terme de leurs décisions. La pandémie de Covid-19 a mis en lumière ce décalage entre savoir scientifique et pouvoir local, révélant l’isolement de nombreux maires face à des décisions complexes. S’inscrivant dans la dynamique portée par la Fondation Charpak, l’auteur plaide pour une véritable « République des savoirs partagés ». Cela suppose de renforcer la formation scientifique des élus, d’organiser un dialogue structuré entre chercheurs et décideurs, et d’intégrer pleinement la culture de la preuve dans la gouvernance territoriale. À l’heure des crises multiples, il en va non seulement de l’efficacité des politiques publiques, mais aussi de la qualité démocratique de nos institutions. David Smadja est professeur d'hématologie (Université Paris Cité, Inserm PARCC et Hôpital Européen Georges Pompidou) et responsable de la commission Santé du Laboratoire de la République. Municipales 2026 - Note SantéTélécharger

Santé

Comprendre aujourd’hui les innovations qui transformeront la santé de demain

par David Smadja et Léa Behr le 16 juin 2026

À l’occasion du lancement de la newsletter hebdomadaire « Les mardis de l’innovation en santé »,David Smadja et Léa Behr proposent une réflexion fondatrice sur les transformations qui redessinent aujourd’hui le paysage sanitaire. À la croisée des sciences du vivant, de l’intelligence artificielle, des données de santé, des biotechnologies et des innovations organisationnelles, cette première contribution expose les ambitions de cette nouvelle série de publications : décrypter les innovations émergentes, éclairer leurs enjeux pour les patients et les professionnels, et nourrir le débat public autour des choix qui façonneront la santé du XXIe siècle.

La santé entre dans une nouvelle phase de transformation. Après les révolutions thérapeutiques, biologiques et numériques des dernières décennies, une nouvelle dynamique est désormais à l’œuvre, portée par la convergence entre les sciences du vivant, les données de santé, l’intelligence artificielle, les biotechnologies et les innovations organisationnelles. Cette évolution dépasse largement le cadre du progrès technologique. Elle modifie en profondeur notre manière de prévenir les maladies, d’établir les diagnostics, de personnaliser les traitements, d’organiser les parcours de soins et de piloter les politiques publiques de santé. Les innovations qui émergent aujourd’hui dessinent progressivement un nouveau modèle de santé, plus prédictif, plus préventif, plus personnalisé et potentiellement plus efficient. Dans le même temps, les défis auxquels notre système de santé est confronté n’ont jamais été aussi importants. Vieillissement de la population, augmentation des maladies chroniques, tensions sur les ressources humaines, contraintes budgétaires, attentes croissantes des citoyens, enjeux de souveraineté sanitaire et compétition internationale imposent de repenser les modalités d’organisation et de financement de la santé. L’innovation apparaît ainsi non seulement comme un facteur de progrès médical mais également comme un levier stratégique permettant de répondre aux défis structurels auxquels notre pays est confronté. C’est dans cet esprit que le Laboratoire de la République lance une série de notes hebdomadaires consacrées à l’innovation en santé. L’ambition de cette initiative est de contribuer au débat public en apportant un éclairage rigoureux, indépendant et prospectif sur les transformations qui façonnent la médecine et le système de santé du XXIe siècle. Dans un environnement où les annonces se multiplient et où les cycles d’innovation s’accélèrent, il est devenu essentiel de distinguer les ruptures technologiques majeures des évolutions plus incrémentales, d’identifier les innovations réellement créatrices de valeur et de mieux comprendre les conditions de leur déploiement au bénéfice des patients et de la collectivité. Ces publications n’ont pas vocation à promouvoir des acteurs particuliers ni à défendre des intérêts sectoriels. Elles visent à analyser les évolutions scientifiques, médicales, technologiques et organisationnelles qui pourraient avoir un impact significatif sur la santé publique, la qualité des soins, l’organisation du système de santé et la compétitivité de notre écosystème d’innovation. Notre conviction est simple : l’innovation ne doit pas être évaluée uniquement à travers sa performance technologique. Sa véritable valeur réside dans sa capacité à améliorer la santé des populations, renforcer la prévention, faciliter le travail des professionnels, optimiser les parcours de soins et contribuer à la soutenabilité du système de santé. Au cours des prochains mois, les Notes du Laboratoire de la République exploreront les principaux champs de transformation de la santé contemporaine. L’intelligence artificielle occupera naturellement une place centrale dans cette réflexion. Longtemps considérée comme un simple outil d’aide à la décision, l’IA devient progressivement une technologie structurante capable de transformer l’ensemble de la chaîne de valeur de la santé. Ses applications concernent déjà l’interprétation de l’imagerie médicale, l’analyse biologique, l’aide au diagnostic, la médecine prédictive, la découverte de nouveaux médicaments, l’optimisation des parcours de soins ou encore l’automatisation de nombreuses tâches administratives. Mais au-delà de ces usages, une nouvelle étape se dessine : celle des systèmes de santé dits « IA-Native ». À l’image des organisations nativement numériques qui ont profondément transformé d’autres secteurs économiques, les futures organisations de santé pourraient être conçues dès l’origine autour des capacités offertes par l’intelligence artificielle. Dans cette perspective, l’IA ne constituerait plus une couche technologique supplémentaire venant améliorer des processus existants ; elle deviendrait un élément constitutif de la conception même des parcours de soins, de la prévention, de la recherche clinique, de l’organisation hospitalière et de la santé publique. Cette transformation pourrait favoriser une médecine davantage prédictive, une prévention personnalisée à grande échelle, une détection plus précoce des maladies, une meilleure allocation des ressources et une coordination renforcée des parcours patients. Elle soulève également des questions fondamentales relatives à la gouvernance des données, à la transparence des algorithmes, à la souveraineté numérique, à la cybersécurité et à la préservation de la relation humaine au cœur du soin. Les futures notes s’intéresseront également aux évolutions de la biologie médicale, devenue un acteur central de la décision clinique. Les progrès des technologies analytiques, des biomarqueurs, du diagnostic moléculaire et de la biologie délocalisée ouvrent de nouvelles perspectives pour accélérer les diagnostics, personnaliser les prises en charge et améliorer l’efficience des parcours de soins. La biologie médicale n’est plus seulement un outil de confirmation diagnostique ; elle participe désormais pleinement à la médecine de précision et à la prévention. La génétique constituera également un axe majeur de réflexion. Les avancées du séquençage à haut débit, l’amélioration des capacités d’analyse des données biologiques et le développement de nouvelles approches thérapeutiques permettent d’envisager une médecine toujours plus individualisée. Ces progrès concernent aussi bien les maladies rares que l’oncologie, la prévention, le dépistage ou encore l’identification précoce des facteurs de risque. L’imagerie médicale et la radiologie connaissent elles aussi une évolution profonde. L’intégration croissante des outils d’intelligence artificielle, l’amélioration des capacités d’acquisition et la convergence entre données cliniques, biologiques et radiologiques ouvrent la voie à des approches diagnostiques toujours plus précises et personnalisées. La prévention occupera une place particulière dans cette série. Pendant longtemps, les systèmes de santé ont principalement été organisés autour du traitement des maladies. Les défis démographiques et économiques imposent aujourd’hui un changement de paradigme. Les innovations permettant d’identifier plus précocement les risques, d’anticiper les complications et de personnaliser les stratégies préventives pourraient constituer l’un des principaux leviers d’amélioration de la santé des populations au cours des prochaines décennies. Au-delà des innovations technologiques, ces notes s’intéresseront également aux innovations organisationnelles, aux nouveaux modèles de financement, aux transformations des parcours de soins et aux évolutions des politiques publiques de santé. L’histoire montre en effet que les progrès les plus significatifs résultent souvent de la combinaison entre innovation scientifique, innovation organisationnelle et innovation réglementaire. L’innovation en santé est aujourd’hui devenue un enjeu majeur de souveraineté. La maîtrise des technologies stratégiques, des infrastructures numériques, des données de santé, des capacités de recherche et de production constitue désormais un déterminant essentiel de la résilience des nations. Dans un environnement international marqué par une accélération des investissements et une compétition technologique croissante, la France dispose d’atouts considérables : une recherche biomédicale reconnue, un système hospitalier de qualité, des professionnels hautement qualifiés et un écosystème d’innovation dynamique. Ces forces devront néanmoins être pleinement mobilisées pour permettre l’émergence d’innovations créatrices de valeur pour les patients et pour la société. Conscient que la diffusion des connaissances ne peut plus aujourd’hui reposer sur un seul format, le Laboratoire de la République développera une approche éditoriale multicanale associant notes d’analyse, tribunes, décryptages, entretiens, podcasts et contenus audiovisuels. Chaque sujet pourra ainsi être abordé selon plusieurs niveaux de lecture, depuis l’analyse approfondie destinée aux décideurs publics, aux professionnels de santé et aux experts, jusqu’à des formats plus accessibles permettant de toucher un public plus large. Cette diversité des formats répond à une même ambition : rendre les enjeux scientifiques, technologiques et organisationnels de la santé plus compréhensibles, plus accessibles et plus utiles au débat public. Les notes hebdomadaires constitueront le socle de cette démarche. Elles pourront être complétées par des podcasts réunissant chercheurs, cliniciens, entrepreneurs, représentants des patients, experts et décideurs publics, ainsi que par des vidéos pédagogiques permettant d’expliquer les grandes innovations qui transforment la santé et leurs implications pour notre société. Au-delà de l’analyse, cette démarche vise également à créer un espace d’échange entre les différents acteurs de l’écosystème de santé. L’innovation ne se construit pas uniquement dans les laboratoires, les hôpitaux, les universités ou les entreprises ; elle se nourrit de la confrontation des expériences, des expertises et des points de vue. En associant différents formats et différentes voix, le Laboratoire de la République entend contribuer à faire émerger une réflexion collective sur les transformations de la santé, leurs opportunités et leurs conditions de réussite. Chaque semaine, les Notes du Laboratoire de la République auront ainsi pour objectif de décrypter les innovations émergentes, d’en analyser les bénéfices potentiels, d’en identifier les limites et d’éclairer les choix qui devront être faits dans les années à venir. La santé de demain ne se construira ni contre la science, ni contre l’innovation. Elle devra au contraire s’appuyer sur les avancées technologiques tout en demeurant fidèle aux principes d’équité, de solidarité, de confiance et d’humanisme qui fondent notre modèle de santé. Parce que les décisions prises aujourd’hui détermineront les capacités de notre système de santé à répondre aux défis de demain, il est essentiel de comprendre, d’évaluer et d’anticiper les innovations qui transforment déjà notre présent. À travers ses notes, ses podcasts, ses vidéos et ses travaux de prospective, le Laboratoire de la République souhaite contribuer à éclairer les choix qui façonneront la santé de demain, en plaçant l’innovation, la prévention, la science et l’intérêt général au cœur du débat public. Rendez-vous le mardi 23 juin pour la première note « Les mardis de l’innovation en santé » David Smadja est professeur d’hématologie à l'AP-HP et à l'Université Paris Cité, responsable de la Commission Santé du Laboratoire de la République. Léa Behr est CEO de RespublicIA et membre de la commission Santé du Laboratoire de la République.

Santé

L’IA en santé : de la promesse à la transformation

par David Smadja et Léa Behr le 23 juin 2026

Dans cette première édition des « Mardis de l’innovation en santé », David Smadja et Léa Behr s’intéressent à l’une des transformations les plus structurantes de la médecine contemporaine : l’essor de l’intelligence artificielle dans le système de santé. À travers plusieurs exemples concrets, ils montrent comment l’IA est progressivement passée du stade de la promesse technologique à celui de l’application clinique. Au-delà des innovations elles-mêmes, cette analyse met en lumière les enjeux d’évaluation, d’accès aux soins, de souveraineté sanitaire et d’organisation qui conditionneront la capacité de la France à transformer ses avancées scientifiques en bénéfices tangibles pour les patients.

Le mois dernier, à SantExpo, puis la semaine dernière à VivaTech, l'intelligence artificielle s'est imposée comme l'un des sujets incontournables des débats sur l'avenir de la santé. Dans les allées des salons comme dans les conférences, une conviction semblait largement partagée : l'IA pourrait profondément transformer la manière dont nous prévenons les maladies, posons des diagnostics, organisons les soins et accompagnons les patients. Mais au-delà des démonstrations technologiques et des annonces parfois spectaculaires, une question demeure : où en sommes-nous réellement ? Car l'avenir de l'IA en santé ne se joue pas seulement dans les laboratoires de recherche ou sur les scènes des grands événements internationaux. Il se construit déjà, au quotidien, dans nos hôpitaux, nos laboratoires de biologie médicale, nos services de radiologie et nos entreprises innovantes. L'intelligence artificielle n'est plus seulement une promesse. Elle commence à s'intégrer dans le fonctionnement concret du système de santé : pour détecter plus tôt certaines maladies, aider les professionnels à prendre de meilleures décisions, optimiser l'utilisation des traitements ou encore mieux exploiter les données produites chaque jour par les patients et les soignants. Cette transformation est particulièrement intéressante parce qu'elle ne repose pas uniquement sur une avancée technologique. Elle repose aussi sur une nouvelle manière de produire des connaissances, d'organiser les soins et de faire circuler l'innovation entre la recherche, l'hôpital, les industriels et les pouvoirs publics. Au Laboratoire de la République, nous consacrerons dans les prochains mois plusieurs travaux à ces mutations qui dessinent déjà la santé de demain. Pour ouvrir cette série, nous avons choisi trois exemples très différents mais complémentaires. Trois innovations qui illustrent le passage de l'intelligence artificielle du stade de la promesse à celui de l'expérimentation, de l'évaluation et, progressivement, du déploiement au bénéfice des patients. 1. VisioCyt® Bladder: quand l'IA accélère la détection du cancer de la vessie Première illustration avec VitaDX, une entreprise française qui développe VisioCyt® Bladder, un test de cytologie urinaire assisté par intelligence artificielle destiné à améliorer la détection du cancer de la vessie. Le cancer de la vessie est aujourd'hui diagnostiqué grâce à deux outils principaux : la cystoscopie, un examen invasif permettant de visualiser directement la vessie, et la cytologie urinaire, qui consiste à examiner au microscope les cellules présentes dans les urines. Mais ces méthodes présentent des limites. La cystoscopie est coûteuse, invasive et dépend fortement de l'expérience du praticien. Quant à la cytologie conventionnelle, elle est très performante pour détecter les formes agressives de cancer, mais beaucoup moins pour les tumeurs de faible grade, souvent plus difficiles à identifier. C'est pour répondre à cette difficulté que VitaDX a développé VisioCyt®. Le principe est à la fois simple pour le patient et sophistiqué sur le plan technologique. À partir d'un simple prélèvement urinaire, les cellules sont déposées sur une lame puis numérisées à haute résolution. L'intelligence artificielle analyse alors automatiquement des milliers de cellules et recherche des modifications morphologiques caractéristiques des cellules tumorales : taille, forme, couleur, organisation interne et structure du noyau cellulaire. Pour entraîner l'algorithme, les chercheurs ont constitué une base de données composée de milliers d'images cellulaires annotées par des pathologistes et des cytotechniciens. L'intelligence artificielle a ainsi appris à distinguer les cellules normales des cellules suspectes, y compris lorsque les anomalies sont discrètes et difficiles à détecter lors d'un examen conventionnel. Autrement dit, l'algorithme ne remplace pas le biologiste. Il agit comme un outil d'augmentation capable de repérer des signaux faibles dans un volume d'informations qu'aucun humain ne pourrait analyser avec la même exhaustivité. Les résultats obtenus lors de l'étude clinique multicentrique VISIOCYT1 menée dans quatorze centres hospitaliers français sont particulièrement prometteurs. Le test a démontré une sensibilité globale de plus de 80 %, contre moins de 50 % pour la cytologie conventionnelle. L'amélioration est particulièrement marquée pour les tumeurs de faible grade, historiquement les plus difficiles à détecter. Mais l'histoire de VitaDX dépasse largement la seule performance technologique. Elle pose une question essentielle : comment permettre aux patients d'accéder plus rapidement aux innovations diagnostiques ? VisioCyt® Bladder est aujourd'hui le premier test reposant sur l'intelligence artificielle à avoir obtenu un avis favorable de la Haute Autorité de Santé dans le cadre du nouveau dispositif RIHN 2.0. Le récent contentieux autour de ses conditions de remboursement a mis en lumière un défi plus large : notre capacité collective à faire le lien entre recherche, validation scientifique et accès réel aux patients. Car l'innovation diagnostique ne doit pas rester bloquée dans un entre-deux administratif. Un diagnostic plus précoce et plus précis permet souvent d’éviter des examens invasifs, de réduire les hospitalisations inutiles, de mieux orienter les traitements, d’améliorer les chances de guérison et d'éviter des pertes de chance pour les patients. La question n'est donc pas seulement : combien coûte un test ? La vraie question est souvent : combien coûte son absence ? Le cas VitaDX illustre ainsi un enjeu majeur de souveraineté sanitaire. La France sait produire des innovations de rupture, valider leur efficacité scientifique et démontrer leur intérêt clinique. Le défi consiste désormais à construire des passerelles plus fluides entre la découverte, l'évaluation et l'accès aux soins. Car en santé, la souveraineté ne se mesure pas uniquement à notre capacité à inventer. Elle se mesure aussi à notre capacité à permettre aux patients de bénéficier rapidement des innovations que nous avons nous-mêmes contribué à créer. 2. Quand l'IA aide à préserver l'efficacité des antibiotiques L'intelligence artificielle ne transforme pas seulement le diagnostic. Elle devient aussi un outil précieux dans la lutte contre l'un des plus grands défis sanitaires du XXIe siècle : l'antibiorésistance. C'est le pari de Lumed, entreprise québécoise rachetée par bioMérieux en 2024, qui a développé deux solutions d'aide à la décision destinées aux hôpitaux : ZINC, pour la surveillance des infections, et APSS, pour l'optimisation des prescriptions d'antibiotiques. Leur principe est simple : faire parler les données déjà présentes dans les systèmes hospitaliers. Résultats de laboratoire, prescriptions, mouvements de patients, dossiers médicaux, examens complémentaires... Chaque jour, des milliers d'informations sont produites dans un établissement de santé. Jusqu'à présent, une grande partie de ces données restait sous-exploitée faute de temps ou de ressources humaines suffisantes. Grâce à l'intelligence artificielle et à l'automatisation, ces informations peuvent désormais être analysées en temps réel afin de détecter plus rapidement les risques infectieux et d'aider les professionnels à prendre les meilleures décisions thérapeutiques. Au CHRU de Nancy, le module ZINC permet ainsi d'identifier précocement des signaux annonciateurs d'épidémies hospitalières, de suivre les chaînes de transmission et de repérer les patients à risque. En dix mois seulement, près de 5 000 alertes ont été générées et traitées, contre quelques centaines auparavant. De son côté, APSS agit comme un véritable copilote pour les équipes médicales. L'outil analyse automatiquement les prescriptions antibiotiques et les confronte aux données biologiques et cliniques du patient. Il aide ainsi à éviter les traitements inadaptés, redondants ou excessifs. Les résultats observés sont significatifs. À l'hôpital universitaire de Sherbrooke, l'utilisation d'APSS a permis de réduire de 24 % la consommation d'antibiotiques en trois ans, tout en diminuant la durée moyenne d'hospitalisation et les coûts associés. Au-delà des gains d'efficacité, l'enjeu est collectif : préserver l'efficacité des antibiotiques pour les générations futures. Car chaque prescription inutile contribue à accélérer l'apparition de bactéries résistantes, aujourd'hui responsables de centaines de milliers de décès dans le monde. Là encore, l'intelligence artificielle ne remplace pas les professionnels de santé. Elle leur permet d'agir plus vite, avec une vision plus complète et une meilleure utilisation des connaissances médicales disponibles. 3. Détecter le sepsis avant qu'il ne soit trop tard Troisième illustration de cette révolution silencieuse : l'utilisation de l'intelligence artificielle pour lutter contre l'une des urgences médicales les plus redoutables et pourtant les plus difficiles à identifier à temps. Le sepsis survient lorsqu'une infection déclenche une réaction excessive de l'organisme. Cette réponse incontrôlée peut entraîner une défaillance progressive des organes et conduire au décès. Chaque année, près de 50 millions de personnes sont concernées dans le monde et environ 11 millions en meurent. Le défi est immense : dans ses premières heures, le sepsis est souvent invisible. Un patient peut arriver aux urgences avec de la fièvre, une fatigue inhabituelle, une légère difficulté respiratoire ou quelques anomalies biologiques. Pris séparément, ces signaux ne semblent pas forcément alarmants. Mais ensemble, ils peuvent annoncer une dégradation rapide. Or dans cette maladie, chaque heure compte : plus le diagnostic est précoce, plus les chances de survie augmentent. C'est précisément ce problème qu'ont voulu résoudre les équipes du Centre Hospitalier Universitaire Vaudois (CHUV) de Lausanne, sous l'impulsion notamment du Pr Jean-Louis Raisaro et du Dr Sylvain Meylan. Leur ambition n'était pas de remplacer les médecins par une machine, mais de leur donner les moyens de voir ce qui leur échappe parfois dans la masse d'informations produites quotidiennement par l'hôpital.  Pour y parvenir, les chercheurs ont commencé par construire ce qui constitue aujourd'hui l'une des plus importantes bases de connaissances hospitalières dédiées au sepsis. Pendant plusieurs années, ils ont rassemblé et structuré les données issues de plus de 97 500 séjours hospitaliers. Mais la véritable originalité du projet est ailleurs : l'intelligence artificielle n'a pas appris seule. Chaque cas suspect a été examiné par des spécialistes des maladies infectieuses qui ont classé les dossiers en différentes catégories : absence de sepsis, sepsis possible ou sepsis confirmé. Cette expertise médicale a servi de référence pour entraîner l'algorithme. Autrement dit, derrière l'intelligence artificielle se trouve d'abord l'intelligence des cliniciens. L'outil développé par le CHUV a été baptisé HERACLES. Son rôle est d'analyser en continu les données déjà présentes dans les systèmes hospitaliers : constantes vitales, résultats biologiques, traitements administrés, antécédents médicaux et évolution clinique du patient. Toutes les six heures, l'algorithme réévalue la situation et estime la probabilité qu'un patient développe un sepsis.  Pour cela, HERACLES combine plusieurs techniques d'intelligence artificielle. Certaines sont capables d'analyser simultanément des centaines de variables, tandis que d'autres sont spécialisées dans l'étude de l'évolution des données au fil du temps. Le système ne se contente donc pas d'observer une photographie à un instant donné : il suit une trajectoire clinique et repère des combinaisons de signaux faibles que l'œil humain aurait du mal à relier spontanément.  Mais la véritable innovation ne réside pas uniquement dans l'algorithme. Les chercheurs ont conçu ce qu'ils appellent un "Learning Health System", un système de santé apprenant. Le principe est simple mais puissant : les données générées par les soins alimentent l'intelligence artificielle, celle-ci produit des indicateurs et des alertes, les équipes médicales utilisent ces informations pour améliorer leurs pratiques puis les nouvelles données viennent enrichir à leur tour le système. L'hôpital apprend ainsi en permanence de sa propre expérience.  Les résultats sont particulièrement remarquables. Dans les services ayant déployé cette approche, la mortalité hospitalière des patients atteints de sepsis est passée de 20,5 % à 15,3 %. La mortalité à 90 jours a également diminué. Les équipes ont identifié davantage de cas, amélioré leur documentation et administré plus rapidement les traitements recommandés lorsque le sepsis était suspecté.  Au fond, cette étude nous rappelle une chose essentielle : l'intelligence artificielle n'établit pas le diagnostic à la place du médecin. Elle ne remplace ni l'expérience clinique ni le jugement humain. Elle agit comme un copilote capable de repérer des signaux faibles parmi des milliers d'informations, d'attirer l'attention des équipes sur les situations les plus à risque et de permettre une intervention plus rapide. Dans le cas du sepsis, cette capacité à gagner quelques heures peut faire toute la différence. Et c'est peut-être là que se trouve la promesse la plus concrète de l'intelligence artificielle en santé : non pas remplacer les soignants, mais leur donner les moyens de sauver davantage de vies.  Conclusion : Une transformation à conduire Ces trois initiatives concernent des domaines très différents : le diagnostic du cancer, la lutte contre l'antibiorésistance ou encore la détection précoce du sepsis. Pourtant, elles racontent toutes la même histoire. Pendant longtemps, l'innovation en santé s'est principalement incarnée dans les médicaments, les dispositifs médicaux ou les avancées biologiques. Une nouvelle dimension s'ajoute aujourd'hui : la capacité à exploiter intelligemment les données produites chaque jour par notre système de santé pour mieux prévenir, mieux diagnostiquer et mieux soigner. L'intelligence artificielle n'apparaît plus comme un simple outil supplémentaire. Elle devient progressivement une véritable infrastructure de santé, capable d'améliorer les décisions médicales, d'accélérer les diagnostics, de personnaliser les parcours de soins et de renforcer l'efficacité collective du système. Ce qui frappe dans les exemples présentés ici, c'est que l'innovation ne réside jamais uniquement dans l'algorithme. À chaque fois, le succès repose sur la combinaison de plusieurs éléments : des données de qualité, l'expertise des professionnels de santé, des organisations capables d'apprendre en continu et des entreprises qui transforment la recherche en solutions concrètes pour les patients. Nous assistons également à l'émergence d'une nouvelle génération d'acteurs et d'organisations « IA natives », qui ne se contentent pas d'ajouter une couche d'intelligence artificielle à des processus existants, mais conçoivent dès l'origine leurs produits, leurs services et leurs modèles autour de la donnée, de l'IA et de l'amélioration continue. Cette évolution pourrait être aussi structurante pour la santé que l'a été la révolution numérique pour l'ensemble de l'économie. La question n'est donc plus de savoir si l'intelligence artificielle transformera la santé. Elle est déjà en train de le faire. La véritable question est désormais politique : comment permettre à ces innovations d'être développées en France, évaluées rapidement, financées efficacement et accessibles au plus grand nombre ? Car derrière l'IA en santé se jouent des enjeux qui dépassent largement la technologie : l'accès des patients aux meilleures innovations, la compétitivité de notre recherche, l'attractivité de nos hôpitaux, la croissance de nos entreprises de santé et, plus largement, notre souveraineté sanitaire. La France dispose d'atouts considérables : des chercheurs reconnus mondialement, des cliniciens de premier plan, des données de santé parmi les plus riches au monde, des entreprises innovantes et un système de soins capable de produire des preuves en vie réelle à grande échelle. Mais l'innovation ne se mesure pas seulement à notre capacité à inventer. Elle se mesure aussi à notre capacité à transformer une découverte scientifique en solution concrète, évaluée, financée et accessible aux patients. C'est là que se situe désormais le défi. Créer les conditions d'une innovation de confiance, accélérer l'évaluation des technologies les plus prometteuses, fluidifier leur accès au système de soins et faire de la santé l'un des piliers de notre stratégie de souveraineté. Au Laboratoire de la République, nous continuerons à explorer ces transformations dans les mois qui viennent. Non pour célébrer la technologie pour elle-même, mais parce qu'une démocratie doit comprendre les innovations qui façonnent son avenir afin de pouvoir les orienter au service de l'intérêt général. La santé de demain ne sera pas seulement plus numérique ou plus connectée. Elle sera plus prédictive, plus personnalisée et de plus en plus IA native. À nous de faire en sorte qu'elle soit aussi plus efficace, plus souveraine et plus humaine. Rendez-vous mardi 30 juin pour la prochaine note « Les mardis de l’innovation en santé » David Smadja est professeur d’hématologie à l’AP-HP et à l’Université Paris Cité, responsable de la Commission Santé du Laboratoire de la République. Léa Behr est CEO de RespublicIA et membre de la commission Santé du Laboratoire de la République.