Des valeurs républicaines solides dans une France inquiète La deuxième vague du Baromètre de la République confirme un attachement toujours très fort aux valeurs républicaines, mais aussi un décalage persistant entre les principes et leur application. La liberté est considérée comme importante par 96 % des Français, la fraternité par 91 % et l’égalité par 90 %. En revanche, seuls 27 % estiment que la fraternité correspond bien à la société française actuelle et 24 % portent le même jugement sur l’égalité. La laïcité reste, quant à elle, majoritairement perçue comme protectrice : 77 % considèrent qu’elle garantit la liberté de conscience et l’égalité de traitement.   À l’approche de l’élection présidentielle de 2027, l’enquête fait également ressortir un climat de pessimisme et de mécontentement. 85 % des Français considèrent que le pays est en déclin, même si une majorité estime encore ce déclin réversible. Parallèlement, 52 % se reconnaissent dans l’image d’une France « en colère et très contestataire », contre 46 % dans celle d’une France « mécontente, mais pas forcément en colère ». Cette insatisfaction s’accompagne d’un sentiment de polarisation du débat public, particulièrement marqué sur l’immigration, les religions et la laïcité ou encore les droits des personnes LGBT.   Le Baromètre met par ailleurs en évidence un décalage entre les préoccupations des Français et les thèmes qu’ils anticipent au cœur de la campagne. Le pouvoir d’achat arrive nettement en tête des sujets qu’ils souhaitent voir abordés (46 %), devant la sécurité et la délinquance (30 %), les services publics et la protection sociale (30 %), la situation budgétaire (28 %) et l’immigration (27 %). Pourtant, 42 % pensent que l’immigration figurera parmi les principaux sujets traités pendant la campagne, devant l’insécurité (37 %) et le pouvoir d’achat (34 %).  Enfin, la présidentielle apparaît comme une échéance importante, associée à une forte demande de changement mais à des attentes limitées quant à ses effets concrets. 89 % des Français jugent le scrutin important et 79 % pensent que leurs compatriotes souhaitent de « très forts changements dans la manière dont le pays est gouverné ». Dans le même temps, seuls 25 % anticipent un effet positif du résultat de l’élection sur leur situation personnelle. Cette deuxième vague dessine ainsi une opinion toujours attachée aux valeurs républicaines, mais marquée par le pessimisme, la demande de changement et la volonté de voir les préoccupations économiques et sociales davantage prises en compte dans la campagne de 2027.   Synthèse de l'étude Synthèse - Le Baromètre de la République 2026Télécharger L'étude en intégralité Étude - Le Baromètre de la République 2026Télécharger Redécouvrez la présentation de l'étude lors de l'Université d'été 2026 du Laboratoire de la République https://www.youtube.com/watch?v=Y4KOqjL4IXk&t=16s

Présidentielle 2027 : face à l’IA, entre défiance démocratique et nouveaux usages À l’approche de l’élection présidentielle de 2027, l’utilisation de l’intelligence artificielle dans la campagne suscite une forte défiance chez les Français. Les premières représentations qui lui sont associées relèvent principalement de la crainte, du rejet et de la perte de confiance (35 %), de la désinformation (18 %) et des risques de manipulation démocratique ou d’ingérence (15 %). 40 % des Français considèrent par ailleurs l’IA avant tout comme un risque pour la démocratie, contre 5 % qui y voient une opportunité. La confiance accordée aux informations politiques produites par une IA reste également faible : seuls 19 % des Français déclarent leur faire confiance.   Les Français se montrent toutefois plus ouverts à certains usages pratiques de l’IA. 44 % pourraient l’utiliser pour obtenir des explications sur des propositions politiques complexes, 43 % pour comprendre les conséquences d’une réforme sur leur situation personnelle et 42 % pour détecter une information trompeuse ou vérifier les affirmations des responsables politiques. Cette ouverture ne s’étend pas au choix électoral : si une IA leur recommandait le candidat correspondant le mieux à leurs opinions, 68 % déclarent qu’ils ignoreraient totalement cette recommandation, 29 % qu’ils la prendraient en compte parmi d’autres informations et 3 % seulement qu’ils la suivraient probablement.  L’enquête met également en évidence d’importants écarts générationnels. La confiance dans les informations politiques produites par l’IA atteint 34 % chez les moins de 35 ans, contre 5 % chez les 65 ans et plus. Les plus jeunes se déclarent également davantage disposés à utiliser ces outils pour s’informer ou décrypter des propositions politiques. Cette plus grande réceptivité n’implique cependant pas une adhésion à leur utilisation par les candidats : 65 % des 18-24 ans indiquent qu’ils auraient moins envie de voter pour un candidat déclarant utiliser l’IA dans sa campagne.   Enfin, la question des contenus manipulés constitue le principal point d’inquiétude. 86 % des Français craignent que de fausses vidéos ou de faux enregistrements réalisés grâce à l’IA puissent influencer le résultat de l’élection présidentielle. Dans le même temps, l’utilisation de l’IA par les candidats est davantage acceptée lorsqu’elle est signalée. Ces résultats font de la transparence sur les usages, de l’identification des contenus générés et de la lutte contre les deepfakes des enjeux importants de la campagne présidentielle de 2027.   Synthèse de l'étude Synthèse - Présidentielle 2027, les Français face à l'IATélécharger L'étude en intégralité Étude - Présidentielle 2027, les Français face à l'IATélécharger Redécouvrez la présentation de l'étude lors de l'Université d'été 2026 du Laboratoire de la République https://www.youtube.com/watch?v=cTKP9b144uM

Nous avons tous vu passer l’information il y a quelques jours : Nvidia va prendre le contrôle de Hugging Face, la plateforme franco-américaine devenue l’un des épicentres mondiaux de l’intelligence artificielle, pour 12,9 milliards de dollars. Derrière cette opération spectaculaire se joue pourtant quelque chose de plus important qu’un nouveau rachat dans la tech. Jensen Huang poursuit une stratégie méthodique : Nvidia ne veut plus seulement fabriquer les puces qui font tourner l’IA, mais devenir l’un des acteurs incontournables de tout son écosystème. Et la santé est désormais au cœur de cette ambition. Médicament, génomique, imagerie, endoscopie, chirurgie robotique, essais cliniques, hôpital : Nvidia avance presque partout. Le géant né il y a trente ans dans l’univers des cartes graphiques est aujourd’hui devenu la première capitalisation boursière mondiale. Une trajectoire qui pose une question simple : Nvidia est-il en train de devenir l’acteur invisible mais incontournable de la médecine de demain ? Cette ambition est portée par une puissance financière hors norme : Nvidia est devenue l’entreprise cotée affichant la plus forte capitalisation boursière mondiale. Une ascension spectaculaire pour une société fondée en 1993 et initialement spécialisée dans les processeurs graphiques conçus notamment pour le jeu vidéo. Leur capacité à effectuer simultanément un très grand nombre de calculs s’est ensuite révélée particulièrement adaptée à l’entraînement des réseaux de neurones. L’explosion de l’intelligence artificielle a fait le reste. Aujourd’hui, Nvidia n’est donc plus simplement un fabricant de semi-conducteurs. L’entreprise construit progressivement un écosystème associant puissance de calcul, logiciels, modèles et infrastructures d’IA. Et parmi les secteurs où elle avance le plus rapidement figure désormais la santé. Du médicament au génome, de l’imagerie à la chirurgie robotique, Nvidia est en train de se positionner à presque tous les étages de la médecine de demain. La question n’est donc plus seulement de savoir ce que l’intelligence artificielle peut apporter à la santé, mais qui contrôlera l’infrastructure technologique sur laquelle cette révolution reposera. C’est probablement dans l’industrie pharmaceutique que cette transformation est la plus spectaculaire. Développer un médicament reste un processus long, coûteux et marqué par de nombreux échecs. Identifier une cible biologique, rechercher une molécule susceptible d’agir sur elle, prévoir sa toxicité, réaliser les études précliniques puis les essais chez l’homme demande souvent des années. L’intelligence artificielle promet d’accélérer certaines de ces étapes : analyser d’immenses bases de données biologiques, prédire des structures, identifier de nouvelles cibles ou sélectionner virtuellement des candidats avant leur synthèse. La conséquence est majeure : la puissance de calcul devient progressivement une matière première de la recherche pharmaceutique. Eli Lilly constitue une bonne illustration de cette évolution. Le géant pharmaceutique américain s’est engagé avec Nvidia dans le développement d’infrastructures d’IA destinées à la recherche et à la découverte de médicaments. La logique est révélatrice : Nvidia ne fabrique pas lui-même le futur médicament, mais fournit une partie de l’infrastructure permettant de le concevoir. Dans les biotechnologies, Recursion Pharmaceuticals représente un autre exemple. Cette société utilise notamment l’automatisation, l’imagerie cellulaire à grande échelle et l’intelligence artificielle pour rechercher de nouvelles relations entre molécules, gènes et maladies. Nvidia a même investi dans l’entreprise. Le GPU n’est plus seulement utilisé pour faire fonctionner un modèle de langage : il participe désormais à l’exploration de la biologie à très grande échelle. La stratégie pourrait finalement se résumer ainsi : Nvidia ne cherche pas à devenir un laboratoire pharmaceutique, mais à devenir indispensable aux laboratoires qui utiliseront l’IA. La même logique apparaît dans la génomique. Le séquençage moderne génère des quantités considérables de données. Illumina, l’un des principaux acteurs mondiaux du séquençage de l’ADN, utilise le calcul accéléré et les technologies Nvidia pour certaines étapes d’analyse génomique. L’enjeu dépasse la simple vitesse informatique. La médecine de précision repose de plus en plus sur la capacité à croiser différentes informations : génome, biologie, imagerie, anatomopathologie, données cliniques et traitements antérieurs. Nous entrons progressivement dans l’ère des modèles multimodaux. Demain, un système d’intelligence artificielle ne se contentera peut-être plus d’interpréter un scanner. Il pourra prendre simultanément en compte l’image, les résultats biologiques, les données génétiques et l’histoire médicale du patient pour produire une information diagnostique ou pronostique. Plus la médecine devient multimodale, plus elle devient gourmande en calcul. Et plus Nvidia devient stratégique. Le deuxième front est celui des dispositifs médicaux. GE HealthCare travaille avec Nvidia sur l’intelligence artificielle appliquée à l’imagerie et aux équipements médicaux. L’ambition dépasse progressivement l’algorithme chargé de repérer une anomalie : il s’agit d’intégrer l’IA dans le fonctionnement même des appareils et dans le parcours diagnostique. Medtronic, autre géant mondial du dispositif médical, s’est rapproché de Nvidia autour de l’intelligence artificielle appliquée notamment à l’endoscopie. Ici, l’IA peut intervenir pendant l’examen et assister le médecin dans l’identification de lésions. Avec Johnson & Johnson MedTech, le terrain devient celui de la chirurgie numérique et de la robotique : analyse de la vidéo chirurgicale, assistance au geste, automatisation et développement de systèmes capables d’interagir avec leur environnement. Nous quittons progressivement l’IA qui « regarde » pour entrer dans ce que Jensen Huang appelle la « physical AI » : une intelligence artificielle qui perçoit son environnement et peut agir dans le monde physique. En médecine, les implications sont considérables : endoscopie augmentée, robots chirurgicaux, dispositifs autonomes ou semi-autonomes et, à terme, assistance en temps réel au professionnel de santé. La stratégie touche désormais directement les établissements de soins. La collaboration avec la Mayo Clinic autour de l’IA et de la pathologie numérique en constitue une illustration particulièrement intéressante. Une lame d’anatomopathologie numérisée représente une quantité considérable d’informations. Les modèles d’IA peuvent apprendre à reconnaître certaines architectures tumorales, identifier des caractéristiques microscopiques et mettre ces données en relation avec d’autres informations biologiques et cliniques. Le laboratoire hospitalier devient alors bien plus qu’un lieu où l’on réalise un examen. Il devient un producteur de données médicales massives susceptibles d’alimenter les modèles de demain. Cette transformation concerne potentiellement la radiologie, l’anatomopathologie, la biologie médicale, la génomique et de nombreuses autres spécialités. Pour les CHU, une question nouvelle apparaît : l’hôpital de demain sera-t-il uniquement un lieu de soins et de recherche ou deviendra-t-il également une infrastructure de production de données et d’intelligence médicale ? La transformation ne s’arrête pas à la découverte du médicament. IQVIA, l’un des principaux acteurs mondiaux des données de santé et de la recherche clinique, développe également l’utilisation de l’IA et du calcul accéléré dans ses activités. L’intelligence artificielle peut contribuer à identifier les patients susceptibles d’être inclus dans un essai, exploiter les données cliniques, automatiser certaines tâches documentaires ou faciliter la pharmacovigilance. La chaîne devient alors presque complète. Eli Lilly pour le médicament, Recursion pour la biotech, Illumina pour le génome, GE HealthCare pour l’imagerie, Medtronic pour l’endoscopie, Johnson & Johnson pour la chirurgie, IQVIA pour la recherche clinique, Mayo Clinic pour l’hôpital : Nvidia se positionne progressivement à presque tous les étages de la chaîne de valeur de la santé. C’est probablement le point essentiel. Le pari de Nvidia n’est peut-être pas de devenir une entreprise de santé. Il est plus ambitieux : devenir l’entreprise dont les entreprises de santé ne pourront plus se passer. La prochaine étape pourrait encore élargir ce rôle. Aujourd’hui, nous associons souvent l’IA médicale à un algorithme capable de détecter une anomalie sur une image ou à un modèle de langage capable de résumer un dossier médical. Mais les recherches se tournent également vers les jumeaux numériques. Le principe consiste à construire une représentation informatique dynamique d’un patient, d’un organe ou d’un système biologique afin d’en simuler certaines évolutions. Comment une maladie pourrait-elle évoluer ? Quelle serait la réponse à un traitement ? Quel patient présente le risque le plus élevé de complication ? La littérature scientifique explore déjà leur potentiel en médecine personnalisée et, à plus long terme, dans le développement des médicaments et les essais cliniques. Nous en sommes encore aux prémices et les difficultés scientifiques restent considérables : qualité des données, causalité, validation clinique, biais et capacité des modèles à fonctionner sur des populations différentes. Mais une chose est certaine : ces approches nécessiteront des capacités de calcul considérables. Encore une fois, Nvidia se trouve idéalement placé. Le prochain géant de la santé ne fabriquera peut-être aucun médicament Pendant des décennies, les acteurs dominants de la santé étaient facilement identifiables : laboratoires pharmaceutiques, fabricants de dispositifs médicaux, hôpitaux et assureurs. L’IA fait apparaître une nouvelle catégorie d’acteurs. Une entreprise technologique peut désormais être présente dans la découverte du médicament, la génomique, l’imagerie, la chirurgie, la recherche clinique et l’exploitation des données hospitalières sans fabriquer elle-même un médicament, réaliser un scanner ou prendre en charge un patient. Elle fournit quelque chose de plus transversal : l’infrastructure sur laquelle les autres construisent leur intelligence artificielle. Le prochain acteur incontournable de la santé pourrait donc ne fabriquer ni médicament ni dispositif médical. Il pourrait fournir la puissance de calcul et les outils dont tous les autres ont besoin. Une question de souveraineté sanitaire Cette concentration ouvre des possibilités extraordinaires. Accélérer la découverte de médicaments, améliorer l’analyse des images, personnaliser les traitements ou rapprocher l’expertise des patients sont autant de progrès potentiels. Mais cette révolution soulève aussi une question stratégique pour la France et l’Europe. Nous parlons beaucoup de souveraineté des données de santé. C’est indispensable, mais probablement insuffisant. La souveraineté concerne également les processeurs sur lesquels ces données sont analysées, le cloud dans lequel elles circulent, les logiciels qui permettent de les exploiter et les modèles qui produisent les résultats. Des données françaises hébergées en France ne suffisent pas à garantir une IA française ou européenne souveraine si toute la chaîne technologique nécessaire à leur exploitation dépend d’acteurs étrangers. La réponse ne consiste évidemment pas à se priver de Nvidia ou des autres leaders mondiaux. Les chercheurs et les hôpitaux européens doivent pouvoir utiliser les meilleurs outils disponibles. Mais partenariat ne doit pas devenir synonyme de dépendance. L’Europe doit investir simultanément dans ses capacités de calcul, ses infrastructures de données, ses modèles biomédicaux et surtout dans les compétences permettant aux médecins, chercheurs et ingénieurs de maîtriser ces technologies. La question n’est donc probablement plus : faut-il travailler avec Nvidia ? Nous travaillerons avec Nvidia et avec d’autres géants technologiques. La véritable question est : quelle partie de la chaîne de l’IA en santé voulons-nous encore être capables de maîtriser nous-mêmes ? Mais l’exemple de Nvidia rappelle une réalité parfois oubliée : l’intelligence artificielle n’est pas seulement une révolution logicielle, c’est aussi une révolution industrielle, énergétique et géopolitique. Derrière chaque modèle se trouvent des des centres de données, des réseaux électriques et des matières premières critiques. Il n’existe donc pas de véritable souveraineté en IA sans capacité à maîtriser au moins une partie de cette chaîne de valeur. La France dispose ici d’atouts qu’elle sous-estime parfois : une recherche scientifique de haut niveau, une industrie des semi-conducteurs présente notamment autour de Grenoble, mais surtout une production nucléaire largement décarbonée et pilotable, alors que l’essor des centres de calcul rend l’accès à une électricité abondante et stable de plus en plus stratégique. À cela s’ajoute une autre richesse : les outre-mer et le deuxième espace maritime mondial, qui donnent à la France une présence géopolitique exceptionnelle et un accès potentiel à des ressources critiques. La Nouvelle-Calédonie, notamment, possède d’importantes ressources en nickel, métal stratégique pour de nombreuses technologies contemporaines. À l’heure où États-Unis et Chine ont parfaitement compris que puissance numérique, énergie, semi-conducteurs et matières premières sont désormais indissociables, la France et l’Europe doivent raisonner avec la même vision d’ensemble. Notre souveraineté en IA ne se jouera pas uniquement dans nos algorithmes : elle se jouera aussi dans nos usines, notre énergie et nos territoires. L’ascension de Nvidia raconte bien plus que le succès de la première capitalisation boursière mondiale : elle révèle le déplacement du centre de gravité de l’innovation médicale. Hier, la valeur était dans le médicament, le dispositif ou l’acte de soin. Demain, elle sera aussi dans la donnée, le modèle et la puissance de calcul. De la découverte d’une molécule au séquençage d’un génome, du scanner au robot chirurgical et, demain, au jumeau numérique du patient, une même infrastructure relie désormais des mondes autrefois séparés.  C’est la grande leçon de Nvidia : celui qui maîtrise la puissance de calcul ne fournit plus seulement une technologie, il prend une position stratégique sur tout ce qui en dépend. Et désormais, notre santé en fait partie. 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. Il est l’auteur de « La République de la prévention » aux éditions LEH. Léa Behr est CEO de RespublicIA et membre de la Commission Santé du Laboratoire de la République. Rendez-vous mardi 15 septembre pour la prochaine note « Les mardis de l’innovation en santé »

Santé, mobilité, usages numériques : les progrès de l’intelligence artificielle rendent beaucoup plus puissantes nos capacités de rapprochement entre des informations dispersées. Une évolution encore peu visible, qui oblige à réexaminer ce que nous appelons « anonyme » et les conditions de confiance qui permettent aux données de circuler. Prenons un dossier médical. Retirons le nom du patient, son adresse, son numéro de dossier et les éléments permettant de l’identifier directement. Que reste-t-il ? Beaucoup de choses. Un âge, une pathologie parfois rare, une succession de consultations, des traitements, une chronologie, quelques événements personnels. Pour un médecin ou un chercheur, ces informations font précisément l’intérêt du dossier. Pour un système capable de les rapprocher de milliers d’autres traces, elles peuvent aussi devenir des indices. Des chercheurs de Cornell Tech et de Weill Cornell Medicine ont récemment tenté l’expérience sur de véritables notes cliniques. Après avoir utilisé trois systèmes de désidentification différents pour retirer les informations personnelles, ils ont construit un dispositif chargé de faire exactement l’inverse : essayer de retrouver le patient. Le meilleur des trois systèmes de protection testés, ClinicalBERT, masquait les informations personnelles qu’il identifiait. Malgré cela, leur dispositif est encore parvenu à réidentifier correctement le patient correspondant dans 9 % des notes cliniques étudiées. Le problème n’était donc pas simplement qu’un nom avait été oublié quelque part. Le système travaillait aussi avec ce qui restait. Cette expérience médicale rejoint un travail beaucoup plus vaste présenté cet été à USENIX Security 2026. Simon Lermen, Daniel Paleka, Joshua Swanson, Michael Aerni, Nicholas Carlini et Florian Tramèr, chercheurs notamment à l’ETH Zurich et chez Anthropic, ont voulu mesurer la capacité des grands modèles de langage à retrouver des personnes à partir de contenus pseudonymisés disponibles sur Internet. Le principe est assez facile à comprendre. Imaginons quelqu’un qui écrit depuis plusieurs années sous pseudonyme. Il ne donne jamais explicitement son identité. Mais au fil de centaines de messages, il parle de son métier, d’une région dans laquelle il a vécu, d’une école, de ses centres d’intérêt, de films qu’il apprécie, d’un changement professionnel ou d’un événement personnel. Aucun de ces éléments ne permet nécessairement de savoir qui il est. Leur combinaison peut être beaucoup plus révélatrice. Les chercheurs demandent donc aux modèles d’extraire les informations susceptibles de caractériser une personne, de rechercher des profils compatibles, puis de raisonner sur les candidats pour déterminer lesquels correspondent le mieux. Ils testent cette méthode en rapprochant notamment des profils Hacker News et LinkedIn, des utilisateurs de différentes communautés Reddit ou encore deux périodes éloignées de l’historique d’un même utilisateur. Les performances varient selon les expériences et la taille de la population dans laquelle le système doit chercher. Le papier rapporte jusqu’à 68 % de rappel à 90 % de précision dans certaines configurations. Sur leur expérience à grande échelle, avec environ 89 000 candidats, les auteurs obtiennent encore 55 % de rappel à ce même niveau de précision. Ces chiffres ne signifient pas que 68 % des internautes pseudonymes pourraient aujourd’hui être identifiés. Ils ne signifient évidemment pas davantage que 68 % des dossiers médicaux anonymisés, des données administratives ou des consommations électriques seraient réidentifiables. Les auteurs eux-mêmes exposent les limites de leurs expériences. Leur résultat important est ailleurs : des opérations de rapprochement qui pouvaient nécessiter des heures de recherche humaine deviennent en partie automatisables. La donnée n’a pas changé. La puissance de celui qui la regarde, si. Nous étions aussi protégés par la difficulté. Cette idée mérite que l’on s’y arrête. Nous avons tendance à penser la confidentialité comme une propriété de l’information : une donnée serait publique, confidentielle, pseudonymisée ou anonyme. Notre protection repose pourtant aussi sur quelque chose de beaucoup plus banal : la difficulté de réunir les pièces d’un puzzle. Il était déjà possible de consacrer plusieurs soirées à parcourir les interventions d’un utilisateur sous pseudonyme, à reconstituer son parcours, son métier probable, ses centres d’intérêt, puis à rechercher une personne correspondant à ce portrait. Encore fallait-il avoir une bonne raison de le faire. Et beaucoup de temps. Les chercheurs de l’ETH parlent de practical obscurity : une forme de protection liée non à l’impossibilité absolue d’accéder à une information, mais au coût et à l’effort nécessaires pour la retrouver. Les grands modèles réduisent cette friction. Ils peuvent lire énormément de matière, conserver des indices faibles, rechercher des correspondances et recommencer l’opération sur des milliers de profils. C’est ce déplacement qui mérite notre attention. La santé permet d’en comprendre immédiatement l’enjeu. La recherche médicale a besoin de données. Elles permettent d’étudier des maladies, d’évaluer des traitements, de constituer des cohortes et, désormais, d’entraîner ou d’évaluer des systèmes d’intelligence artificielle. Le Laboratoire de la République l’a récemment rappelé en présentant les données de santé comme un « socle invisible de l’innovation ». Leur qualité et leur accessibilité conditionnent une partie des progrès médicaux futurs. Mais cette circulation repose sur la confiance. Un patient peut accepter que ses données contribuent à la recherche parce qu’un ensemble de garanties lui assure qu’elles ne seront pas utilisées pour l’exposer personnellement. L’expérience menée à Weill Cornell ne démontre nullement que les données médicales correctement anonymisées seraient devenues facilement identifiables. Elle porte sur un protocole précis, un environnement déterminé et des systèmes particuliers de désidentification. Elle démontre en revanche l’intérêt d’une autre manière d’évaluer la protection. Au lieu de vérifier uniquement si les éléments considérés comme identifiants ont correctement disparu, essayons effectivement de retrouver la personne. C’est une logique assez familière en cybersécurité : on éprouve une protection en tentant de la contourner. Appliquée à l’anonymisation, elle pourrait devenir de plus en plus utile. Quatre lieux et quatre moments La singularité de nos traces n’est d’ailleurs pas une découverte de l’intelligence artificielle. En 2013, bien avant les LLM actuels, une équipe de chercheurs avait étudié quinze mois de données de mobilité concernant 1,5 million de personnes. Le résultat était déjà saisissant : dans ce jeu de données, quatre points spatio-temporels — quatre lieux associés à quatre moments — suffisaient à distinguer 95 % des individus. Nous sommes beaucoup plus prévisibles et, simultanément, beaucoup plus singuliers que nous l’imaginons. Notre domicile, notre lieu de travail, un déplacement régulier, une activité inhabituelle composent rapidement une signature. L’IA n’a pas créé cette singularité. Elle augmente notre capacité à l’exploiter. Et c’est probablement la raison pour laquelle le sujet dépasse rapidement la médecine ou les pseudonymes utilisés sur Internet. Les transports, l’énergie, les télécommunications, les services financiers, les objets connectés ou les services publics produisent tous des traces. Cela ne signifie pas que ces traces permettraient systématiquement de nous identifier. Le risque dépend énormément de leur nature, de leur granularité, des protections appliquées et surtout des autres informations auxquelles celui qui cherche à effectuer un rapprochement peut accéder. C’est précisément ce dernier point qui évolue. Ce que la machine peut déduire Dans les organisations, nous avons appris à raisonner sur les accès. Qui peut consulter un dossier ? Quel collaborateur possède quelle habilitation ? À quelles bases un système informatique peut-il accéder ? Pendant combien de temps les informations sont-elles conservées ? Ces questions restent essentielles. Mais l’arrivée d’agents capables d’interroger plusieurs sources en introduit une autre : que peut déduire un système de ce qu’il est parfaitement autorisé à consulter ? Imaginons un agent d’intelligence artificielle travaillant dans une grande organisation. Il possède un accès légitime à plusieurs systèmes. Chacun respecte ses propres règles. Aucune des bases ne contient isolément une information particulièrement révélatrice. L’agent peut pourtant rapprocher ces sources. Il ne récupère pas nécessairement une information interdite. Il peut en produire une nouvelle par inférence. Ce phénomène n’est évidemment pas propre à l’IA. Les statisticiens, les enquêteurs et les spécialistes des données savent depuis longtemps effectuer des rapprochements. Ce qui change est l’échelle à laquelle des systèmes généralistes commencent à pouvoir le faire, le coût de l’opération et le nombre de personnes susceptibles d’utiliser ces capacités. La protection des données doit donc progressivement intégrer non seulement ce qui est contenu dans une base, mais aussi ce qu’il devient possible d’en apprendre lorsqu’elle rencontre d’autres informations. Ce que cela change pour le citoyen C’est ici que le sujet rejoint directement certaines des interrogations qui ont traversé les dernières Universités d’été du Laboratoire de la République. La transformation numérique de nos sociétés repose sur une forme de contrat de confiance. Nous acceptons que certaines informations circulent parce qu’elles permettent de soigner, de chercher, d’organiser les mobilités, d’améliorer les services publics ou de mieux comprendre la société. Cette circulation n’est possible durablement que si les citoyens conservent une compréhension raisonnable de ce qui est fait de leurs informations et peuvent avoir confiance dans les protections annoncées. L’enjeu n’est donc certainement pas de refermer les données. Dans la santé, ce serait même particulièrement contre-productif. La recherche a besoin de données nombreuses et de qualité. Il en va de même pour une partie de la recherche publique, de la transition énergétique ou de l’amélioration des services collectifs. La question consiste plutôt à préserver les conditions permettant cette circulation lorsque les capacités techniques évoluent. Elle concerne aussi le consentement. Nous pouvons accepter qu’une information soit utilisée dans un objectif donné. Mais si son rapprochement avec d’autres données permet de produire une connaissance nouvelle sur nous — que nous n’avons jamais explicitement communiquée — le périmètre de ce que nous pensions avoir autorisé devient moins évident. La question existait avant les LLM. Ils lui donnent une nouvelle échelle. L’Europe choisit précisément ce moment pour rouvrir le dossier Le calendrier est intéressant. Le 8 juillet 2026, le Comité européen de la protection des données a publié de nouvelles lignes directrices consacrées à l’anonymisation. Elles sont actuellement soumises à consultation publique jusqu’au 30 octobre. Le droit européen fait depuis longtemps une distinction essentielle entre anonymisation et pseudonymisation. Remplacer un nom par un numéro ne rend pas nécessairement une donnée anonyme. Une donnée pseudonymisée demeure une donnée personnelle au sens du RGPD. Pour parler réellement d’anonymisation, il faut notamment apprécier la possibilité d’identifier la personne en tenant compte des moyens raisonnablement susceptibles d’être utilisés. Cette formulation prend aujourd’hui une importance particulière. Car les moyens raisonnablement disponibles changent. L’IA ne vient donc pas invalider le droit européen ni rendre inutiles des décennies de recherche sur l’anonymisation. Elle oblige plus simplement à actualiser le modèle de menace. Ne jamais considérer l’anonymat comme acquis Nous savons déjà raisonner ainsi dans un autre domaine. Un système informatique audité il y a cinq ans n’est pas considéré comme sûr pour l’éternité. Les capacités d’attaque progressent, de nouvelles vulnérabilités apparaissent et nous le testons à nouveau. Certains jeux de données particulièrement sensibles méritent peut-être désormais la même discipline. Tester une anonymisation au moment de sa réalisation, bien sûr. Mais aussi pouvoir la réévaluer lorsque les moyens de rapprochement, de recherche et d’inférence progressent suffisamment pour modifier le risque. C’est finalement ce que racontent ces travaux. Ils ne démontrent pas la disparition de l’anonymat. Ils montrent que certaines des difficultés qui contribuaient à nous protéger peuvent diminuer très rapidement. Dans une démocratie qui a besoin de données pour soigner, chercher, décider et améliorer ses services publics, la réponse ne peut être de renoncer à leur circulation. Elle consiste à préserver la confiance qui la rend possible. Et cela suppose probablement de ne jamais considérer une donnée comme anonyme par habitude. Thierry Taboy est membre du conseil d’administration du think tank Impact AI.

Alors que l’IA s’impose comme l’un des grands récits de transformation du système de santé, un angle pourtant décisif demeure trop souvent relégué au second plan : celui des données qui la rendent possible. Leur qualité, leur disponibilité, leur protection et leur gouvernance conditionneront la capacité de la France à convertir la promesse technologique en progrès médical, industriel et démocratique. Deux échéances en font désormais un sujet stratégique : la migration de la Plateforme des données de santé vers un hébergeur français et l’entrée en application progressive de l’Espace européen des données de santé. Depuis plusieurs années, le débat public s’est concentré sur la performance des algorithmes, leurs promesses diagnostiques, leurs risques éthiques et leur capacité à transformer les pratiques médicales. Cette focale est nécessaire, mais insuffisante. Une IA de santé n’a de valeur que par la donnée qui l’alimente : son origine, son niveau de qualité, ses conditions d’accès, son hébergement, ses usages autorisés et la confiance qu’elle inspire aux citoyens. En somme, parler uniquement des algorithmes, revient à disserter de manière exclusive sur la couleur du véhicule en oubliant ce qui le fait avancer : son carburant, les données qui l’alimente. Les professionnels interrogés au fil de cette série convergent vers un même constat. Qu’il s’agisse du Pr Florian Scotté, attaché à préserver la décision partagée et la place du soignant, de la Dr Marie Sockeel, qui relie directement innovation, accès au marché et souveraineté numérique, ou du Pr Cécile Badoual, qui insiste sur le temps médical et le doute clinique, tous rappellent que l’IA en santé ne se résume pas à une performance technique. Les questions de souveraineté, de protection, de financement de l’accès aux données et de structuration des prélèvements ne sont pas périphériques : elles constituent l’infrastructure même de l’innovation en santé. Un trésor que nous exploitons trop peu La France se trouve face à un paradoxe stratégique. Avec le Système national des données de santé (SNDS), elle dispose d’un patrimoine médico-administratif d’une ampleur exceptionnelle, couvrant la quasi-totalité de la population et souvent présenté comme l’un des plus riches au monde. Créé par la loi de modernisation de notre système de santé du 26 janvier 2016, puis élargi par la loi du 24 juillet 2019, le SNDS agrège notamment les remboursements de l’Assurance maladie, l’activité hospitalière et les causes médicales de décès. Un tel actif devrait constituer un avantage comparatif majeur pour la recherche, l’évaluation des politiques publiques, la pharmacovigilance et le développement d’innovations fondées sur des preuves en vie réelle. Il demeure pourtant insuffisamment exploité. La difficulté n’est pas seulement juridique ; elle est aussi technique, organisationnelle et culturelle. Détenir une donnée n’équivaut pas à pouvoir l’utiliser : encore faut-il qu’elle soit qualifiée, documentée, interopérable et accessible dans des conditions prévisibles. Repère · Le SNDS, mémoire administrative de notre système de santé Le Système national des données de santé est l’un des grands actifs invisibles de la puissance sanitaire française. Il relie les principales bases médico-administratives du pays (remboursements de l’Assurance maladie, activité hospitalière, causes médicales de décès) et couvre la quasi-totalité de la population. Sa valeur ne tient pas seulement à son volume, mais à sa continuité : il permet de suivre les parcours de soin, d’évaluer les pratiques et de produire des connaissances en vie réelle. Parce qu’il porte sur des données particulièrement sensibles, son accès reste strictement encadré : les données mises à disposition ne comportent pas, en principe, d’identifiants directement lisibles, et leur réutilisation suppose des autorisations, des finalités définies et des garanties de sécurité. La souveraineté sort enfin du discours La question de la souveraineté numérique en santé illustre le passage d’un débat de principe à une décision industrielle. Depuis sa création en 2019, la Plateforme des données de santé s’appuyait sur l’infrastructure cloud de Microsoft Azure, choix qui avait nourri une controverse durable en raison des risques associés à l’extraterritorialité du droit américain. Pour des données aussi sensibles que les données de santé, la localisation juridique et opérationnelle de l’hébergement n’est pas un détail technique : elle participe directement de la confiance publique. Le choix annoncé le 23 avril 2026 de confier l’hébergement à Scaleway, filiale française du groupe Iliad, marque une inflexion politique nette. La migration vers un cloud souverain vise à renforcer la sécurité, la maîtrise technologique et la confiance des acteurs de la recherche comme des citoyens. Elle ne règle pas à elle seule l’ensemble des questions : la trajectoire de qualification SecNumCloud, les exigences de sécurité, la résilience opérationnelle et la capacité à accompagner des usages scientifiques à grande échelle devront être suivies dans la durée. Mais elle transforme la souveraineté numérique en donnée concrète de politique publique. Cette dimension est d’autant plus centrale que l’innovation française se heurte à une concurrence internationale déjà structurée. La Dr Marie Sockeel le soulignait dans cette série à propos de l’anatomopathologie : les outils existent, les besoins cliniques sont avérés, mais l’accès au marché, l’évaluation médico-économique et le financement hospitalier conditionnent leur diffusion réelle. La souveraineté ne consiste donc pas seulement à héberger les données en France : elle suppose aussi de donner aux innovations utiles les moyens d’être évaluées, financées et déployées sur le territoire. Un cadre européen qui rebat les cartes Cette inflexion nationale s’inscrit dans un mouvement européen plus large. Le règlement relatif à l’Espace européen des données de santé, publié au Journal officiel de l’Union européenne le 5 mars 2025 et entré en vigueur le 26 mars 2025, crée le premier cadre sectoriel européen destiné à organiser l’accès, le partage et la réutilisation des données de santé. Le règlement distingue deux usages structurants : l’usage primaire vise à permettre aux citoyens d’accéder plus facilement à leurs données et à améliorer la continuité des soins, notamment dans un cadre transfrontalier. l’usage secondaire organise la réutilisation des données pour la recherche, l’innovation, les politiques publiques et les activités réglementaires, dans des environnements sécurisés et sous contrôle. Ce compromis européen repose sur une ligne de crête : faciliter l’accès aux données sans affaiblir les droits des personnes ni la protection des usages sensibles. Les principaux actes d’exécution doivent être adoptés d’ici 2027, tandis que l’application des obligations les plus structurantes s’échelonnera à partir de 2029. Or les capacités requises (qualité des données, interopérabilité, gouvernance des accès, traçabilité, sécurisation des environnements) ne se construisent pas en quelques mois. Les États, établissements et acteurs industriels qui anticiperont cette transition disposeront d’un avantage décisif. En France, cette mise en œuvre suppose de désigner l’organisme responsable de l’accès aux données (ORAD), pendant national du Health Data Access Body prévu par le règlement. Cette désignation, attendue dans le cadre d’un projet de loi en 2026 et à notifier à la Commission européenne d’ici mars 2027, n’est pas encore tranchée : les missions concernées sont aujourd’hui réparties entre la CNIL, la Plateforme des données de santé et le comité éthique et scientifique compétent. La Plateforme des données de santé apparaît comme l’acteur le mieux placé, mais rien n’est encore acté. L’EHDS marque ainsi un changement de doctrine : après une séquence dominée par la protection et la mise en conformité, l’Europe affirme que la circulation encadrée des données peut devenir un instrument de puissance scientifique, industrielle et sanitaire. Le RGPD demeure le socle ; l’EHDS ajoute une ambition d’usage. La difficulté consistera à faire coexister protection, efficacité administrative et capacité d’innovation. Repère · L’EHDS, le pari européen de la circulation encadrée Avec l’Espace européen des données de santé, l’Union européenne tente de résoudre une tension centrale : mieux faire circuler les données de santé sans affaiblir la protection des personnes. Le règlement crée un cadre commun pour deux usages : l’accès des citoyens à leurs propres données et leur réutilisation, sous contrôle, pour la recherche, l’innovation, les politiques publiques et les activités réglementaires. Le changement est considérable : l’Europe ne considère plus seulement la donnée de santé comme une information à protéger, mais aussi comme une ressource d’intérêt général à gouverner. Le RGPD demeure le socle, tandis que l’EHDS ajoute une ambition d’usage, d’interopérabilité et de circulation sécurisée. Son application sera progressive : les actes d’exécution sont attendus d’ici 2027, avant une première vague d’obligations à partir de 2029, puis une seconde à partir de 2031, notamment pour l’imagerie médicale, les résultats de laboratoire et les données génomiques. Le calendrier laisse du temps, mais pas de marge d’improvisation. Ouvrir, protéger, structurer : l’équation à trois termes Les prochaines années imposeront de tenir ensemble trois impératifs que le débat public oppose trop souvent : le premier est l’ouverture : sans accès effectif aux données, la recherche, l’évaluation et les entreprises innovantes resteront dépendantes de jeux fragmentés, insuffisants ou difficilement comparables. le deuxième est la confiance : sans garanties fortes sur la sécurité, les finalités d’usage et la transparence, l’acceptabilité sociale de l’innovation s’érodera. le troisième est la gouvernance : sans règles lisibles, délais prévisibles et responsabilités clairement établies, les meilleures intentions se heurteront à l’inertie institutionnelle. Le modèle économique de cet accès sera également décisif. Les détenteurs de données ne peuvent être traités comme de simples réservoirs passifs : ils supportent des coûts de production, de documentation, de sécurisation et de mise à disposition. En reconnaissant la possibilité de redevances et de garanties relatives à la propriété intellectuelle comme au secret des affaires, le cadre européen ouvre la voie à un partage plus soutenable, à condition que celui-ci ne reconstitue pas des barrières d’accès excessives. Reste l’enjeu le moins visible, mais probablement le plus déterminant : la structuration. Une donnée de santé n’a de valeur collective que si elle peut être comprise, comparée, reliée et réutilisée. Cela suppose des standards, des investissements, des compétences et un accompagnement des équipes qui produisent la donnée au plus près du soin. La souveraineté de l’hébergement et l’ambition européenne ne produiront leurs effets que si la France investit dans cette infrastructure ordinaire de la qualité. Cette exigence rejoint également l’idée d’un « soignant augmenté » : non pas un professionnel remplacé par la machine, mais un clinicien capable de gagner du temps sans renoncer au doute. C’est dans cette articulation entre données de qualité, outils compréhensibles et responsabilité humaine que l’IA peut devenir un instrument de soin plutôt qu’un facteur d’automatisation aveugle. Le socle d’une République de la prévention L’innovation en santé ne se jouera donc pas uniquement dans les laboratoires, les start-up ou les modèles d’intelligence artificielle. Elle se jouera dans une infrastructure moins spectaculaire, mais plus décisive : la capacité collective à gouverner les données de santé comme un bien stratégique. Les protéger, les rendre accessibles, les documenter, les héberger dans des conditions maîtrisées et les mettre au service de finalités d’intérêt général : tel est le véritable agenda des prochaines années. Comme le rappelait le Pr Florian Scotté, l’IA ne doit pas devenir un effecteur qui décide à la place du médecin ; elle doit demeurer un outil au service d’une décision médicale partagée. Cette exigence rejoint une ambition plus large : passer d’un système centré sur la réparation à une République de la prévention. La répartition actuelle des dépenses, massivement orientée vers le curatif (80% pour le curatif, 20% pour le préventif), ne pourra durablement soutenir les besoins sanitaires et démographiques des prochaines décennies. Donner corps à cette ambition suppose de détecter plus tôt, de comprendre les trajectoires de santé, d’identifier les signaux faibles et d’évaluer les politiques publiques sur des bases objectivées. Sans données fiables, gouvernées et exploitables, cette ambition restera déclarative ; avec elles, la France peut transformer son patrimoine de santé en un levier de prévention, de souveraineté et de progrès médical. 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. Il est l’auteur de « La République de la prévention » aux éditions LEH. Léa Behr est CEO de RespublicIA et membre de la Commission Santé du Laboratoire de la République. Rendez-vous mardi 8 septembre pour le prochain épisode « Les mardis de l’innovation en santé » Sources Commission européenne, « Règlement relatif à l’espace européen des données de santé (EHDS) », health.ec.europa.eu (calendrier, usages primaire et secondaire, estimations économiques). Règlement (UE) 2025/327 du Parlement européen et du Conseil du 11 février 2025 relatif à l’espace européen des données de santé, Journal officiel de l’UE, 5 mars 2025. Ministère de la Santé (sante.gouv.fr) et Délégation au numérique en santé : mise en œuvre de l’EHDS en France, concertation publique de 2025, calendrier national. Doctrine du numérique en santé et G_NIUS (esante.gouv.fr) : usage secondaire, Organisme responsable de l’accès aux données (ORAD), statut de détenteur de données, redevances et garanties. Choix de Scaleway pour l’hébergement du SNDS, annonce du ministère de la Santé et du Health Data Hub, 23 avril 2026. Assurance maladie (ameli.fr), CNIL, Inserm, DREES : présentation du SNDS, périmètre, bases constitutives et cadre légal (lois n° 2016-41 du 26 janvier 2016 et n° 2019-774 du 24 juillet 2019). Entretiens « Les mardis de l’innovation en santé » : Pr Florian Scotté, « Si on laisse l’IA décider de tout, on n’est plus dans le partage », 14 juillet 2026 ; Dr Marie Sockeel, « Nos concurrents internationaux sont féroces, ils ne vont pas laisser passer le marché », 21 juillet 2026 ; Pr Cécile Badoual, « Le soignant augmenté : gagner du temps sans perdre le doute ».

Synthèse Le guide pratique « Faire vivre la neutralité en entreprise – Mettre en place un règlement intérieur conforme et opérationnel », publié par la Commission République laïque du Laboratoire de la République, accompagne employeurs, responsables RH et managers dans la gestion du fait religieux au travail. À la fois juridique et opérationnel, il rappelle les règles applicables et propose une méthode pour concilier liberté de conviction, exigences professionnelles et bon fonctionnement du collectif de travail.  Le premier enjeu est de distinguer clairement laïcité et neutralité. Dans le service public, les agents sont soumis à une obligation de neutralité. Dans l’entreprise privée, en revanche, la liberté de manifester ses convictions religieuses est le principe et les restrictions demeurent l’exception. Une entreprise privée ne peut donc pas invoquer la laïcité pour imposer à l’ensemble de ses salariés de rendre leurs convictions invisibles. Les restrictions doivent être justifiées par la nature de la tâche à accomplir et proportionnées au but recherché.   Depuis la loi de 2016, l’employeur dispose toutefois de la faculté d’introduire une clause de neutralité dans son règlement intérieur. Celle-ci n’est pas obligatoire et doit correspondre à un besoin réel de l’entreprise. Pour être valable, elle doit respecter plusieurs conditions fixées par les jurisprudences française et européenne : répondre à un besoin véritable, être appliquée de manière cohérente et systématique, concerner toutes les convictions religieuses, philosophiques et politiques sans distinction et rester limitée au strict nécessaire. Lorsqu’elle est motivée par une politique de neutralité à l’égard de la clientèle, son champ d’application doit être circonscrit aux salariés concernés.   Le guide insiste aussi sur la nécessité de construire cette politique dans le dialogue. La consultation du Comité social et économique (CSE) est obligatoire avant l’introduction d’une clause dans le règlement intérieur. Une concertation en amont avec les représentants du personnel est également recommandée afin d’identifier les situations concrètes, de prévenir les contestations et de favoriser l’appropriation des règles. Les managers doivent eux aussi être associés et sensibilisés pour assurer une application cohérente du dispositif.   Une large place est consacrée aux situations rencontrées au quotidien : port de signes religieux, demandes de congés pour fêtes religieuses, prière, alimentation, prosélytisme ou refus d’exécuter certaines tâches. Le guide invite à distinguer les manifestations de convictions qui ne perturbent pas le fonctionnement de l’entreprise de celles qui contreviennent aux obligations professionnelles. Le recrutement fait également l’objet d’une vigilance particulière : aucune candidature ne peut être écartée en raison d’une conviction religieuse et les questions portant sur la religion ou la pratique du candidat sont proscrites. L’employeur peut en revanche s’assurer de sa disponibilité et de son aptitude à répondre aux exigences professionnelles du poste, ainsi que l’informer de l’existence d’une clause de neutralité.  Enfin, le guide se veut avant tout un outil d’aide à la décision. Modèle de clause, réponses aux cas concrets, tableau de bord, références jurisprudentielles et checklist finale permettent aux entreprises de sécuriser leur démarche. Son objectif : fournir un cadre permettant de respecter la liberté de conviction tout en donnant aux employeurs et aux managers les moyens d’agir lorsque l’organisation du travail, la sécurité, les relations professionnelles ou les obligations contractuelles sont en jeu.   Pascale d’Artois est présidente du cabinet Movimentia (Stratégie RH & Compétences), ancienne directrice générale de l’Agence pour la Formation Professionnelle des Adultes (Afpa). Théo Fouquer est sherpa de la commission République laïque du Laboratoire de la République. Sous la direction de Michel Lalande, préfet honoraire, responsable de la commission République laïque du Laboratoire de la République. Guide Neutralité en entrepriseTélécharger