Santé et medtech : faire adopter l'IA dans des métiers réglementés

On entend souvent que les médecins, soignants, ingénieurs qualité et responsables réglementaires résistent à l'IA. Nous pensons que ce diagnostic est paresseux. Ces professionnels posent une question légitime, que beaucoup de projets évitent : si l'outil se trompe, qui répond, devant qui, et sur quelle base ? Tant que la réponse reste floue, ne pas utiliser l'outil est le comportement rationnel. L'adoption dans un métier réglementé est donc d'abord un travail de clarification, avant d'être un travail de conviction.

C'est un point central de notre approche en organisation et adoption : on ne change pas des usages en demandant aux gens d'oublier leurs obligations.

Le frein n'est pas la culture, c'est la responsabilité

Un clinicien suisse est tenu au secret professionnel. Une entreprise qui traite des données de santé relève de la loi révisée sur la protection des données (nLPD), en vigueur depuis le 1er septembre 2023, qui classe ces données parmi les données sensibles et impose, dans certains cas, une analyse d'impact. Un fabricant de dispositifs médicaux évolue sous un système qualité où tout changement d'outil ou de processus doit être maîtrisé. Et le règlement européen sur l'IA, entré en vigueur le 1er août 2024, applique ses obligations par étapes : interdictions en février 2025, modèles d'IA à usage général en août 2025, l'essentiel du reste en août 2026, avec des échéances propres pour les produits déjà encadrés par une réglementation sectorielle, comme les dispositifs médicaux.

Face à cet empilement, un professionnel qui ne se sert pas d'un assistant ne fait pas preuve d'immobilisme. Il se protège, et protège ses patients. Nous avons décrit ailleurs pourquoi les outils d'IA restent dans le tiroir : dans les métiers réglementés, le tiroir est simplement plus profond, parce que le coût d'une erreur est plus élevé et moins bien réparti.

Trois zones d'usage, trois régimes d'adoption

Notre position : il ne faut pas parler « d'IA en santé » comme d'un bloc. Il faut découper les usages en trois zones, et ne pas leur appliquer la même gouvernance.

Zone 1 : l'administratif et le support

Planification, courriers types, synthèse de documents internes, réponses aux questions des patients ou clients sur des sujets non cliniques. Ici, aucune décision clinique n'est en jeu et les données de santé peuvent souvent être évitées. L'adoption relève des règles classiques de conduite du changement. Le retour d'expérience d'un assistant IA au service client s'applique presque tel quel.

Zone 2 : l'aide à la documentation

Comptes rendus, lettres de sortie, rapports de réclamation, dossiers de surveillance après commercialisation, projets de documents réglementaires. L'outil propose, le professionnel relit, corrige et signe. C'est la zone où le gain est le plus visible et où l'adoption se joue vraiment. Les conditions sont strictes : traitement des données conforme à la nLPD, hébergement et sous-traitants documentés, et, côté medtech, validation de l'outil lorsqu'il intervient dans le système qualité.

Zone 3 : la décision clinique et le produit

Tout ce qui oriente un diagnostic, un traitement ou qui est embarqué dans un dispositif. Ici, on entre dans la qualification comme dispositif médical, les exigences de preuve et de traçabilité, et la réglementation sur l'IA. Ce n'est pas un chantier d'adoption, c'est un chantier de développement et de conformité, avec ses propres équipes et son propre calendrier.

Notre conseil, volontiers tranché : ne pas commencer par la zone 3 pour « montrer l'ambition », et ne pas rester en zone 1 par prudence excessive. Commencer par la zone 2, avec une validation humaine systématique, offre le meilleur rapport entre gain et risque. Elle prouve la valeur, et elle forge les réflexes de gouvernance dont la zone 3 aura besoin plus tard.

Un ordre de grandeur pour juger l'enjeu

Prenons un exemple volontairement simple, avec des hypothèses explicites. Un établissement compte 40 cliniciens qui rédigent chacun des comptes rendus. Supposons qu'une aide à la rédaction, relue systématiquement, fasse gagner 25 minutes par jour et par personne, sur 220 jours de travail. Cela représente 40 x 25 x 220 / 60, soit environ 3 700 heures par an. Si seule la moitié des cliniciens adopte l'outil de façon régulière, on reste de l'ordre de 1 800 heures.

Ces chiffres ne sont pas une prévision, c'est un moyen de poser la question : combien d'heures cliniques rendues aux patients ou à la réduction des heures supplémentaires valent un effort sérieux de cadrage et de formation ? Dans la plupart des cas, la réponse justifie l'investissement, à condition que le taux d'usage soit réel. Le risque n'est pas que l'outil soit mauvais, c'est qu'il soit acheté, validé juridiquement, puis peu utilisé.

Ce que les dirigeants doivent décider

Quatre décisions suffisent, selon nous, à débloquer l'essentiel.

Nommer un responsable par usage. Une personne, pas un comité, répond de l'usage : périmètre, données, qualité des sorties. Dans une PME ou une clinique de taille moyenne, il s'agit souvent du responsable qualité ou du directeur médical, appuyé par la protection des données.

Écrire une page de règles, avec les professionnels. Ce qui est permis, interdit, et ce qui doit être relu. Une page, pas un manuel. Si les soignants ou les ingénieurs ne reconnaissent pas leur métier dans ce texte, il ne sera pas appliqué.

Contrôler par échantillon, pas par principe. Une relecture humaine de chaque sortie est indispensable côté utilisateur, mais la direction doit en plus vérifier régulièrement un échantillon : erreurs repérées, corrections fréquentes, dérives. Ce dispositif rassure les professionnels, parce qu'il montre que la responsabilité n'est pas reportée sur eux seuls.

Former par rôle, en peu de temps. Un médecin, une infirmière, un chargé d'affaires réglementaires et un contrôleur de gestion n'ont pas les mêmes cas d'usage. Une formation courte, centrée sur leurs documents réels, vaut mieux qu'un programme général. Nous détaillons cette logique dans former les équipes à l'IA sans les noyer.

Une adoption lente en apparence, rapide en pratique

Il est tentant de voir dans ces précautions un frein. Nous y voyons l'inverse. Les organisations qui clarifient la responsabilité tôt avancent ensuite vite, parce que chaque nouvel usage s'inscrit dans un cadre déjà accepté. Celles qui improvisent finissent avec des usages parallèles, non déclarés, ce qui est le pire scénario pour la confidentialité comme pour la qualité.

L'IA n'a pas à être partout dans un établissement de santé ou une entreprise medtech. Elle doit être là où elle libère du temps de métier, avec des règles que les professionnels reconnaissent. Pour situer votre organisation dans ces trois zones et identifier le premier usage à cadrer, vous pouvez partir de notre diagnostic, et consulter notre approche pour le secteur santé et medtech.