Les établissements de santé abordent l’intelligence artificielle avec une double pression: améliorer les soins sans fragiliser la sécurité des patients. La question posée par DSIH, les hôpitaux sont-ils prêts à gouverner l’intelligence artificielle, arrive dans un moment sensible. En 2026, les usages se multiplient dans l’imagerie, le codage, la rédaction médicale, la logistique et la relation patient. Mais la gouvernance reste souvent moins avancée que les expérimentations.

DSIH interroge la gouvernance de l’IA hospitalière

La formulation retenue par DSIH cible un point devenu central dans les directions hospitalières: la capacité à organiser, contrôler et documenter les usages de l’IA. Dans de nombreux établissements, les premières initiatives sont nées dans les services, au contact des besoins quotidiens. Un radiologue teste un outil de détection, une équipe administrative expérimente l’aide au codage, une direction des opérations regarde les prévisions de flux aux urgences. Cette dynamique apporte des solutions concrètes, mais elle expose aussi les organisations à une dispersion des responsabilités.

La gouvernance ne se limite pas à valider un logiciel avant son achat. Elle suppose de définir qui autorise un usage, qui suit les incidents, qui vérifie les performances après déploiement et qui répond en cas de litige. Dans un hôpital, ces questions touchent à la fois la direction générale, les équipes médicales, la direction des systèmes d’information, le délégué à la protection des données, les achats et la qualité. Sans cadre partagé, le risque est de traiter l’IA comme une simple brique informatique, alors qu’elle influence parfois une décision clinique ou organisationnelle.

Les établissements de santé les plus avancés mettent en place un comité IA rattaché à la gouvernance numérique ou à la commission médicale d’établissement. Ce comité examine les cas d’usage, la nature des données mobilisées, le niveau d’autonomie de l’outil, la place du professionnel et les conditions d’information du patient. Dans les faits, cette structure doit aussi pouvoir refuser un projet si les garanties sont insuffisantes.

Cette montée en maturité impose une cartographie précise. Les directions doivent recenser les solutions déjà utilisées, y compris les outils généralistes accessibles en ligne. Une simple copie de compte rendu dans un service externe peut créer une exposition juridique majeure si les données ne sont pas maîtrisées. L’enjeu n’est donc pas de freiner l’innovation, mais d’éviter que les usages se développent dans des zones grises.

L’AI Act encadre les usages médicaux à haut risque

Le cadre européen change la nature du débat. L’AI Act place les acteurs de santé face à des obligations de contrôle, de documentation et de suivi. Les solutions utilisées dans un contexte médical, notamment lorsqu’elles contribuent à un diagnostic, à une orientation thérapeutique ou à une priorisation de patients, peuvent relever du régime à haut risque. Pour les hôpitaux, cela signifie que le choix d’un outil ne peut plus reposer seulement sur une démonstration commerciale ou sur un retour d’expérience limité.

Les directions doivent demander aux fournisseurs des éléments vérifiables: finalité exacte du système, données utilisées pour l’entraînement, limites connues, résultats sur des populations comparables, procédures de mise à jour et modalités de surveillance. Le marquage CE d’un dispositif médical reste un repère important, mais il ne dispense pas l’établissement d’un examen local. Un algorithme performant dans un centre universitaire très équipé peut produire des résultats différents dans un hôpital général où les profils de patients, les appareils et les pratiques de saisie ne sont pas identiques.

La protection des données ajoute une contrainte structurante. La CNIL rappelle régulièrement que les données de santé bénéficient d’un niveau de protection renforcé. L’établissement doit vérifier la base légale du traitement, la minimisation des informations utilisées, la durée de conservation et les conditions d’hébergement. La question devient encore plus sensible lorsque des outils d’IA générative rédigent, résument ou reformulent des documents médicaux.

La conformité ne doit pas être traitée comme un dossier séparé du soin. Dans une unité de neurologie, par exemple, un outil d’aide à l’interprétation d’imagerie peut accélérer la prise en charge, mais il doit laisser une trace claire de son intervention. Le médecin doit savoir si le système a produit une alerte, une probabilité ou une recommandation. Cette distinction conditionne la responsabilité professionnelle et la confiance du patient.

DSI, DIM et CME partagent les responsabilités internes

La gouvernance de l’IA oblige l’hôpital à sortir d’une logique en silos. La DSI maîtrise l’architecture technique, les interconnexions, les habilitations et la cybersécurité. Elle peut évaluer la robustesse d’une solution, son hébergement, ses journaux d’activité et sa compatibilité avec le dossier patient informatisé. Mais elle ne peut pas juger seule de la pertinence clinique d’un algorithme ni de son impact sur l’organisation d’un service.

Le DIM, département d’information médicale, occupe une place stratégique lorsque l’IA touche au codage, à l’analyse de parcours ou à la valorisation de l’activité. Les outils capables de suggérer des codes PMSI ou de repérer des éléments dans les comptes rendus peuvent améliorer la qualité documentaire. Ils peuvent aussi introduire des biais économiques si leur fonctionnement pousse à une codification plus favorable sans justification médicale solide. Un contrôle humain structuré reste indispensable.

La CME apporte la légitimité médicale. Elle peut fixer des principes: aucun outil ne remplace la décision du praticien, tout usage clinique doit être expliqué aux équipes, les résultats doivent être évalués dans le temps et les patients doivent pouvoir obtenir une information claire. Dans les établissements publics, cette articulation avec la direction générale devient un marqueur de sérieux. Dans les cliniques privées, la même exigence concerne les médecins libéraux, les groupes gestionnaires et les prestataires techniques.

Le RSSI doit aussi être impliqué dès le lancement. L’IA augmente les surfaces d’attaque, car elle multiplie les flux de données, les API et les connexions à des plateformes externes. Une solution utile pour anticiper les tensions sur les lits peut devenir un point faible si elle extrait des données sensibles vers un environnement mal contrôlé. Les établissements déjà fragilisés par les rançongiciels savent que l’innovation numérique ne vaut que si la continuité d’activité reste protégée.

Les hôpitaux mesurent encore mal les risques cliniques

Le principal angle mort reste l’évaluation en conditions réelles. Les risques cliniques ne se résument pas à une erreur spectaculaire. Ils peuvent apparaître sous forme de délais allongés, de fausses alertes répétées, de priorisations contestables ou d’une dépendance progressive des équipes à un outil peu transparent. Dans un service d’urgences, un système de tri mal calibré peut orienter l’attention vers certains profils et en négliger d’autres. Le risque devient organisationnel autant que médical.

La traçabilité est donc essentielle. Chaque établissement devrait pouvoir répondre à des questions simples: quel outil a été utilisé, à quel moment, par quel professionnel, sur quel type de donnée et avec quel effet sur la décision. Cette exigence peut paraître lourde, mais elle protège les patients comme les soignants. Elle permet aussi de détecter une dégradation des performances après une mise à jour logicielle ou après un changement de pratique dans un service.

La formation constitue un autre point faible. Les médecins, infirmiers, cadres de santé et personnels administratifs n’ont pas besoin de devenir spécialistes du code informatique. Ils doivent néanmoins comprendre les limites d’un score, la différence entre corrélation et causalité, les risques de biais et les règles de confidentialité. Une IA générative peut produire un texte fluide mais inexact. Dans un compte rendu, cette apparence de cohérence peut devenir dangereuse si la relecture humaine se relâche.

L’évaluation doit être continue. Un projet sérieux comporte des indicateurs avant déploiement, une phase pilote, un suivi des incidents, des audits réguliers et une décision explicite de poursuite ou d’arrêt. Les directions qui attendent une doctrine parfaite avant d’agir prennent du retard. Celles qui déploient sans contrôle prennent un risque plus lourd. Entre ces deux positions, la gouvernance de l’IA devient une compétence hospitalière à part entière, au même titre que la qualité, la sécurité des soins et la gestion des données.

Société crypto de Trump, IA chinoise sous restrictions américaines, ce lien inattendu attire Washington et les régulateurs

• À propos
• Articles récents

P. Marcelle

Rédacteur chez KivuPress.info

Accros à l’actu sur internet, vous aimez suivre l'actualité,alors suivez le site Kivupress ;Je suis passionnée par les Technologies du Web, l'information en générale. Je vous invite à proposer des actualités en nous adressant une news via le formulaire de contact. Nous publions toutes les informations chaudes du moment ; des news toutes fraiches que vous nous apporterez. Au plaisir d’échanger sur vos besoins.

Les derniers articles par P. Marcelle (tout voir)

• En 2026, IA et double pression dans les hôpitaux, soins, sécurité, gouvernance en retard, ce que les directions affrontent - août 18, 2026
• Spin Master rachète Hapiko, mise sur Stickerbox et le jouet IA créatif, ce que le géant du jouet doit affronter - août 18, 2026
• Sécheresse, contrôles par IA, restrictions d’eau, la colère des maraîchers que les autorités doivent affronter - août 18, 2026