Les statistiques de 2026 sur l’IA dans les soins de santé montrent que les médecins l’utilisent surtout pour la documentation, et non pour le diagnostic. Parmi les médecins américains, 30 % utilisent désormais l’IA pour créer des consignes de sortie, des plans de soins ou des notes d’évolution, 28 % pour documenter les codes de facturation, les dossiers ou les notes de consultation, et 28 % pour générer des résumés de dossiers, contre 20 %, 21 % et 12 % en 2024 (AMA, 2026 Physician Survey on Augmented Intelligence, mars 2026). L’aide au diagnostic, l’usage qui fait la une des journaux, arrive derrière, à 17 %, après la rédaction de réponses aux messages des patients sur les portails (19 %) et la traduction (18 %) (AMA, 2026 Physician Survey on Augmented Intelligence, mars 2026).
Les dépenses suivent la même tendance. La documentation clinique ambiante représente la plus grande catégorie de dépenses en IA dans les soins de santé, avec un montant estimé à $600M en 2025, devant l’automatisation du codage et de la facturation, à $450M (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025). L’IA diagnostique est réglementée en tant que dispositif médical : la liste de la FDA comprend essentiellement des logiciels de radiologie, et les données probantes les plus solides issues d’essais portent sur le dépistage du cancer du sein. La plupart des patients souhaitent être informés lorsque l’IA intervient dans leurs soins, et la plupart disent faire peu confiance à leur système de santé pour l’utiliser de manière responsable.
Les chiffres ci-dessous portent sur l’adoption par les médecins et les hôpitaux, les scribes IA ambiants, les dispositifs médicaux dotés d’IA de la FDA, la précision et la sécurité, l’attitude des patients et les financements. Les chiffres hors des États-Unis sont indiqués comme tels.
Points clés
- 72 % des médecins américains ont utilisé au moins un cas d’usage de l’IA dans leur pratique en 2026, contre 48 % en 2024 et 38 % en 2023 (AMA, 2026 Physician Survey on Augmented Intelligence, mars 2026).
- 71 % des hôpitaux de soins aigus américains utilisaient une IA prédictive intégrée à leur dossier médical électronique en 2024, contre 66 % en 2023 (ASTP/ONC Data Brief 80, sept. 2025).
- Les 43 grands systèmes de santé américains interrogés à l’automne 2024 ont tous déclaré avoir commencé à adopter les notes d’IA ambiante, le seul cas d’usage de l’IA parmi 37 pour lequel aucun système n’était à zéro (Poon et al., JAMIA, mai 2025).
- 29 % des médecins américains interrogés par Doximity entre novembre 2025 et janvier 2026 utilisaient des outils de documentation vocale, comme l’écoute ambiante ou les scribes IA, contre 20 % entre mars et avril 2025 (Doximity, 2026 State of AI in Medicine, mars 2026).
- L’adoption des scribes IA était associée à 16,0 minutes de documentation en moins et à 13,4 minutes de moins au total sur le DME par tranche de 8 heures de consultations prévues, pour 8 581 cliniciens dans 5 systèmes de santé universitaires américains (Rotenstein et al., JAMA, avr. 2026).
- Lors d’un essai randomisé comparant deux scribes IA auprès de 238 médecins de UCLA, l’un a réduit de 9,5 % le temps passé sur les notes, tandis que l’autre n’a entraîné aucun changement significatif (Lukac et al., NEJM AI, nov. 2025).
- La liste des dispositifs médicaux dotés d’IA de la FDA compte 1 614 dispositifs, dont les décisions définitives remontent à 1995 et vont jusqu’à juin 2026 (FDA, AI-Enabled Medical Device List, sept. 2026).
- La radiologie est le principal comité d’examen pour 76,2 % des dispositifs dotés d’IA figurant sur la liste de la FDA (FDA, AI-Enabled Medical Device List, sept. 2026).
- 43,4 % des rappels de dispositifs d’IA autorisés par la FDA ont eu lieu dans les 12 mois suivant leur autorisation, soit environ deux fois le taux observé pour l’ensemble des dispositifs 510(k) (Lee et al., JAMA Health Forum, août 2025).
- Dans un essai randomisé suédois auprès de 105 934 femmes, le dépistage mammographique assisté par l’IA a atteint une sensibilité de 80,5 %, contre 73,8 % pour deux radiologues, avec la même spécificité de 98,5 % (Gommers et al., Lancet, janv. 2026).
- L’utilisation abusive des chatbots IA arrive en tête de la liste des 10 principaux risques liés aux technologies de santé pour 2026 d’ECRI (ECRI, Top 10 Health Technology Hazards 2026, janv. 2026).
- 72 % des adultes américains estiment qu’un prestataire de soins devrait les informer si l’IA prend des notes pendant une consultation médicale (Pew Research Center, août 2026).
- 29 % des adultes américains utilisent des outils ou des chatbots d’IA pour obtenir des informations et des conseils de santé au moins une fois par mois, contre 17 % en juin 2024 (KFF Tracking Poll on Health Information and Trust, juin 2026).
- Les start-ups dotées d’IA ont reçu 54 % des investissements américains dans les entreprises de santé numérique en 2025, contre 37 % en 2024 (Rock Health, 2025 Year-End Digital Health Funding Overview, janv. 2026).
Combien de médecins et d’hôpitaux utilisent l’IA en 2026 ?
L’utilisation de l’IA par les médecins a dépassé le stade des premiers adeptes. La plupart des médecins américains l’utilisent désormais, principalement pour lire et rédiger, plutôt que pour établir des diagnostics. Les hôpitaux ont franchi ce cap plus tôt, grâce aux modèles prédictifs intégrés au DME.

Quelle est la fréquence d’utilisation de l’IA par les médecins en 2026 ?
La plupart des médecins américains utilisent désormais l’IA au travail, et chacun l’emploie pour un plus grand nombre de tâches qu’en 2023. L’adoption est plus faible et inégale hors des États-Unis, les généralistes britanniques étant très en retard.
- Le médecin moyen utilise désormais 2,3 cas d’usage de l’IA dans sa pratique, contre 1,1 en 2023 (AMA, 2026 Physician Survey on Augmented Intelligence, mars 2026).
- 76 % des médecins estiment que l’IA leur donne un avantage dans la prise en charge des patients, contre 65 % en 2023, tandis que 40 % restent à la fois enthousiastes et préoccupés par cette technologie (AMA, 2026 Physician Survey on Augmented Intelligence, mars 2026).
- 85 % des médecins souhaitent être consultés ou être responsables de l’introduction de l’IA dans leur pratique, et 92 % souhaitent davantage de formation sur l’IA (AMA, 2026 Physician Survey on Augmented Intelligence, mars 2026).
- À l’échelle mondiale, 49 % des cliniciens et 57 % des médecins avaient utilisé un outil d’IA au travail, selon une enquête auprès de 2 757 cliniciens dans 118 pays, menée entre décembre 2025 et février 2026 (Elsevier, Clinician of the Future 2026, mai 2026).
- Parmi les cliniciens qui utilisent l’IA au travail, 34 % ont désormais recours fréquemment ou toujours à des outils d’IA spécialement conçus pour le secteur clinique, contre 22 % en 2025, l’Amérique du Nord arrivant en tête à 41 % (Elsevier, Clinician of the Future 2026, mai 2026).
- Au Royaume-Uni, 25 % des généralistes ont utilisé des outils d’IA générative dans leur pratique clinique en janvier 2025, contre 20 % un an plus tôt (Blease et al., Digital Health, nov. 2025).
- 95 % des généralistes britanniques ont déclaré n’avoir reçu aucune formation professionnelle à l’utilisation de l’IA générative au travail, et 85 % ont affirmé que leur employeur ne les avait pas encouragés à l’utiliser (Blease et al., Digital Health, nov. 2025).
Une enquête menée dans un seul hôpital montre à quel point une grande partie de cette utilisation est informelle.
- Dans un grand hôpital universitaire américain, 66,7 % des 54 hospitalistes interrogés utilisaient l’IA dans leur pratique clinique sans déploiement institutionnel, et OpenEvidence (51,9 %) était bien plus utilisé que ChatGPT (7,4 %) (Bagla et al., JMIR, mars 2026).
Pour quelles tâches les médecins utilisent-ils l’IA ?
Les médecins utilisent surtout l’IA pour lire et rédiger : résumer des recherches, rédiger des notes et coder des consultations. Le diagnostic arrive loin derrière dans les enquêtes nationales, même si les hospitalistes qui utilisent déjà l’IA s’appuient sur elle pour établir des diagnostics différentiels.
- Les résumés de recherches médicales et de normes de soins constituent désormais le cas d’usage de l’IA le plus courant : 39 % des médecins américains les utilisent en 2026, contre 13 % en 2024 (AMA, 2026 Physician Survey on Augmented Intelligence, mars 2026).
- Les médecins qui utilisent des outils d’IA généralistes comme ChatGPT ou Copilot s’en servent surtout pour consulter la littérature médicale (61 %), rechercher des informations sur les médicaments (47 %) et se former professionnellement (47 %), beaucoup moins pour communiquer avec les patients (31 %) ou analyser des images médicales (18 %) (Elsevier, Clinician of the Future 2026, mai 2026).
- Parmi les généralistes britanniques qui utilisent l’IA générative, 35 % s’en servent pour rédiger la documentation après les consultations et 27 % pour suggérer un diagnostic différentiel (Blease et al., Digital Health, nov. 2025).
- 71 % des généralistes britanniques qui utilisent l’IA générative pour des tâches cliniques ont déclaré que ces outils réduisaient leur charge de travail (Blease et al., Digital Health, nov. 2025).
- Parmi les hospitalistes qui utilisent l’IA dans un hôpital universitaire américain, 88,9 % s’en servent pour répondre à des questions cliniques et 86,1 % pour établir des diagnostics différentiels, mais seulement 44,4 % pour créer des supports d’éducation destinés aux patients (Bagla et al., JMIR, mars 2026).
Combien d’hôpitaux et de systèmes de santé ont adopté l’IA ?
La plupart des hôpitaux américains utilisent déjà une IA prédictive dans leur DME, et les grands systèmes de santé ont déployé l’IA d’imagerie presque partout. Les petits hôpitaux, les hôpitaux ruraux, les hôpitaux à accès critique et les établissements indépendants accusent un retard considérable.
- L’automatisation de la facturation a été le cas d’usage de l’IA hospitalière qui a connu la plus forte croissance : la part des hôpitaux utilisant l’IA prédictive est passée de 36 % à 61 % entre 2023 et 2024, tandis que celle des hôpitaux utilisant l’IA pour la planification des horaires est passée de 51 % à 67 % (ASTP/ONC Data Brief 80, sept. 2025).
- En 2024, 82 % des hôpitaux qui utilisaient l’IA prédictive l’évaluaient pour en vérifier la précision, 74 % pour détecter les biais et 79 % la surveillaient après sa mise en œuvre (ASTP/ONC Data Brief 80, sept. 2025).
- Seulement 37 % des hôpitaux indépendants utilisaient l’IA prédictive en 2024, contre 86 % des hôpitaux membres d’un système multiétablissements. L’écart était similaire pour les hôpitaux à accès critique (50 % contre 80 % pour les autres hôpitaux), les petits hôpitaux (59 % contre 96 % pour les grands) et les hôpitaux ruraux (56 % contre 81 % pour les établissements urbains) (ASTP/ONC Data Brief 80, sept. 2025).
- L’imagerie et la radiologie sont les domaines cliniques où l’IA est la plus largement déployée dans les grands systèmes de santé américains : 90 % des 43 systèmes interrogés à l’automne 2024 l’avaient déployée dans au moins certains secteurs (Poon et al., JAMIA, mai 2025).
- Seulement 38 % des systèmes de santé qui utilisent l’IA pour la stratification des risques cliniques, par exemple pour détecter précocement un sepsis, ont déclaré obtenir de très bons résultats (Poon et al., JAMIA, mai 2025).
- 77 % des systèmes de santé ont cité l’immaturité des outils d’IA comme leur principal ou leur deuxième principal obstacle, devant les préoccupations financières (47 %) et l’incertitude réglementaire (40 %) (Poon et al., JAMIA, mai 2025).
Les données de recensement sur les entreprises de soins de santé et d’assistance sociale montrent que l’utilisation de l’IA a progressé jusqu’en 2026.
- 25,5 % des entreprises américaines de soins de santé et d’assistance sociale ont utilisé l’IA dans une fonction de l’entreprise au cours des deux semaines précédant l’enquête menée du 7 au 20 sept. 2026, contre 21,0 % lors de la vague réalisée du 29 déc. 2025 au 11 janv. 2026 (U.S. Census Bureau, Business Trends and Outlook Survey, sept. 2026). Le taux pour l’ensemble des entreprises américaines lors de la même vague était de 23,8 % (U.S. Census Bureau, Business Trends and Outlook Survey, national data, sept. 2026).
À quelle vitesse l’adoption des scribes IA ambiants progresse-t-elle ?
Selon les auteurs de l’enquête publiée dans JAMIA, les scribes ambiants ont dépassé le stade des premiers adeptes plus rapidement que l’IA d’imagerie. Les premières études rigoureuses indiquent que le temps gagné est réel, mais modeste, et qu’il est plus important en soins primaires et chez les cliniciens qui utilisent le scribe lors de la plupart de leurs consultations.

Combien de cliniciens utilisent des scribes IA ambiants ?
Peu de grands systèmes de santé américains ont activé les notes ambiantes partout, et les cliniciens qui ont accès à l’outil l’utilisent pour une minorité de consultations.
- À l’automne 2024, seuls 14 % des 43 grands systèmes de santé américains avaient entièrement déployé les notes ambiantes, tandis que 47 % ne les avaient déployées que dans certains secteurs et que 40 % en étaient encore au développement ou à la phase pilote (Poon et al., JAMIA, mai 2025).
- Microsoft a déclaré que son IA pour les soins de santé avait automatisé 28 millions de consultations de patients au cours du trimestre d’avril à juin 2026, soit deux fois plus que l’année précédente, et qu’elle était en bonne voie pour en dépasser 100 millions sur l’année civile 2026 (Microsoft, FY26 Q4 earnings call, juill. 2026).
- Au Royaume-Uni, 14 % des 1 003 généralistes interrogés en août 2025 utilisaient un scribe IA ambiant, 39 % prévoyaient d’en adopter un prochainement et 46 % n’avaient aucun projet en ce sens (Blease et al., BMJ Health & Care Informatics, juill. 2026).
Deux systèmes de santé universitaires montrent comment l’adoption progresse après le lancement.
- Au 31 mars 2025, environ 11 semaines après que Vanderbilt University Medical Center a rendu la transcription ambiante accessible à plus de 2 400 cliniciens en une seule journée, 1 223 cliniciens l’avaient utilisée et 20,1 % des notes de consultation en faisaient état (Wright et al., JAMIA, oct. 2025).
- À UCSF Health, 698 des 1 565 médecins titulaires (44,6 %) avaient adopté un scribe IA en avril 2025, mais les consultations de ces médecins ne représentaient que 15,2 % des 1,2 millions de consultations ambulatoires (Holmgren et al., JAMA Network Open, janv. 2026).
Combien de temps de documentation les scribes IA font-ils gagner ?
Les gains de temps sont réels, mais modestes. La plus vaste étude menée sur plusieurs sites et deux essais randomisés constatent des gains limités, plus importants en soins primaires et chez les utilisateurs assidus, tandis que le temps passé sur le DME en dehors des heures de travail change à peine.
- Les cliniciens de soins primaires qui ont adopté un scribe IA consacraient 26,9 minutes de moins à la documentation et 25,0 minutes de moins au DME par tranche de 8 heures de consultations prévues que ceux qui n’en avaient pas adopté (Rotenstein et al., JAMA, avr. 2026).
- Les cliniciens qui utilisaient le scribe pour 50 % ou plus de leurs consultations consacraient 27,3 minutes de moins à la documentation par tranche de 8 heures de consultations prévues et réalisaient 1,0 consultation de plus par semaine que ceux qui n’avaient pas adopté l’outil (Rotenstein et al., JAMA, avr. 2026).
- Le temps passé sur le DME en dehors des heures de travail n’a pas changé de façon significative après l’adoption d’un scribe IA (3,1 minutes de moins par tranche de 8 heures de consultations prévues, IC à 95 % : de 6,8 minutes de moins à 0,5 minute de plus), même si le nombre de consultations hebdomadaires a augmenté de 0,49 (Rotenstein et al., JAMA, avr. 2026).
- Lors d’un essai randomisé en escalier de 24 semaines auprès de 66 praticiens de cliniques dirigées par University of Wisconsin dans deux États, l’IA ambiante a réduit de 0,36 heure par jour le temps consacré aux notes. La baisse de 0,50 heure du travail effectué en dehors des heures de travail n’était plus significative une fois les 3 % de journées les plus chargées exclus (Afshar et al., NEJM AI, nov. 2025).
- Les médecins d’UCSF qui avaient adopté un scribe IA facturaient 1,81 unité de valeur relative (RVU) de plus par semaine, soit environ $3 044 par an aux tarifs de Medicare de 2025, et recevaient 0,80 patient supplémentaire par semaine, sans changement du nombre de refus de remboursement (Holmgren et al., JAMA Network Open, janv. 2026).
- Dans 14 services d’urgence, les cliniciens ne consacraient pas moins de temps à la modification active des notes rédigées avec l’aide de l’IA qu’à celle des notes classiques (différence médiane de 0,17 minute supplémentaire), même s’ils tapaient 722 caractères de moins par note (Kashiouris et al., Applied Clinical Informatics, sept. 2026).
- 46 % des responsables de cabinets médicaux américains ont déclaré que les nouveaux outils d’IA avaient amélioré la productivité de leurs prestataires au cours des deux dernières années, 27 % n’ont constaté aucun gain, et ceux qui en ont signalé ont cité les scribes IA ambiants comme principal facteur (MGMA Stat, mai 2026).
La dictée de la note après la consultation est une méthode plus ancienne pour raccourcir la rédaction. Les statistiques sur les vitesses de parole et de frappe sont comparées dans la page de référence consacrée aux statistiques sur la vitesse de frappe, et le logiciel de dictée clinique présente ce flux de travail.
Les scribes IA réduisent-ils l’épuisement professionnel et les préoccupations liées à la qualité des notes ?
Les scores des essais et des enquêtes s’améliorent avec les scribes ambiants, mais les données sur l’épuisement professionnel restent considérées comme peu fiables et proviennent principalement de premiers adeptes volontaires. Les cliniciens signalent toujours des erreurs dans les notes des scribes, et les patients sont moins disposés à donner leur consentement à mesure qu’on leur en dit plus.
- Les médecins auxquels l’un ou l’autre des scribes IA a été attribué dans l’essai de UCLA ont gagné 2,83 et 2,69 points sur l’échelle de bien-être Mini-Z, qui va de 10 à 50, et les utilisateurs de DAX ont réduit leur charge de travail de 39,9 points sur une échelle de 0 à 400. La baisse de 31,7 points pour Nabla n’était pas statistiquement significative. Les auteurs précisent que ces résultats secondaires doivent être confirmés (Lukac et al., NEJM AI, nov. 2025).
- Lors d’un essai randomisé, l’IA ambiante a réduit l’épuisement professionnel et le désengagement interpersonnel de 0,44 point sur une échelle de cinq points, mais la hausse de 0,14 point de l’épanouissement professionnel n’était pas significative (Afshar et al., NEJM AI, nov. 2025).
- Parmi 263 cliniciens en soins ambulatoires de 6 systèmes de santé américains, la proportion de personnes déclarant un épuisement professionnel est passée de 51,9 % avant l’essai à 38,8 % après 30 jours avec un scribe IA ambiant, dans une étude avant-après sans groupe témoin (Olson et al., JAMA Network Open, oct. 2025).
- Une méta-analyse de 21 études a constaté que la documentation par IA ambiante était associée à une probabilité moindre d’épuisement professionnel (rapport de cotes de 0,47, sur la base de 3 études), mais a jugé peu fiable le niveau de preuve relatif à l’épuisement professionnel (Gong et al., JMIR, août 2026).
La fréquence de l’épuisement professionnel est présentée dans la page de référence consacrée aux statistiques sur l’épuisement professionnel des médecins. Quant à la qualité des notes, les scribes ne sont pas infaillibles.
- Dans l’essai de UCLA, les médecins ont indiqué que les inexactitudes cliniquement importantes dans les notes des scribes survenaient parfois (2,7 et 2,8 sur une échelle de cinq points), et un effet indésirable bénin a été signalé (Lukac et al., NEJM AI, nov. 2025).
- 32 % des généralistes britanniques qui utilisent des scribes ambiants ont déclaré que les erreurs survenaient souvent ou toujours, et 14 % ont signalé des erreurs ayant des conséquences importantes à critiques (Blease et al., BMJ Health & Care Informatics, juill. 2026).
- 81,6 % des patients d’un centre de santé universitaire américain ont consenti à la documentation ambiante lorsqu’ils recevaient des informations de base, mais seulement 55,3 % y ont consenti après avoir été informés des fonctionnalités de l’IA, du stockage des données et de l’implication des entreprises (Lawrence et al., JAMA Network Open, juill. 2025).
Combien de dispositifs dotés d’IA sont autorisés par la FDA ?
La liste de la FDA s’allonge plus vite chaque année et recense essentiellement des logiciels qui analysent des images médicales. Presque tous ces dispositifs ont été commercialisés après une autorisation 510(k), fondée sur la comparaison avec un dispositif existant plutôt que sur de nouveaux essais cliniques, et les données publiques qui les étayent sont maigres pour la plupart.

Combien de dispositifs médicaux dotés d’IA la FDA a-t-elle autorisés ?
L’année 2025 a établi un record d’autorisations de dispositifs dotés d’IA par la FDA, et le premier semestre 2026 dépasse déjà les mêmes mois de 2025. Presque tous les dispositifs ont été autorisés par la procédure 510(k).
- La FDA a autorisé 335 dispositifs dotés d’IA en 2025, soit 43 % de plus qu’en 2024 (235) et qu’en 2023 (226) (FDA, AI-Enabled Medical Device List, sept. 2026).
- La liste compte déjà 181 dispositifs dont les décisions datent de janvier à juin 2026, contre 176 pour les mêmes mois de 2025. Le chiffre de 2026 augmentera à mesure que la FDA ajoutera des dispositifs dont les résumés ne sont pas encore publiés (FDA, AI-Enabled Medical Device List, sept. 2026).
- 96,2 % des dispositifs dotés d’IA figurant sur la liste, soit 1 553 au total, ont été commercialisés après une autorisation 510(k) ; 40 l’ont été par la procédure De Novo et 21 après approbation préalable à la mise sur le marché (PMA) (FDA, AI-Enabled Medical Device List, sept. 2026).
- La liste de la FDA n’indique pas encore quels dispositifs utilisent de grands modèles de langage ; l’agence prévoit d’identifier les fonctionnalités reposant sur des LLM lors d’une prochaine mise à jour (FDA, AI-Enabled Medical Device List, sept. 2026).
Les chiffres annuels proviennent du fichier téléchargeable de la FDA et sont calculés d’après la date de décision. La FDA ajoute des dispositifs lors de mises à jour ultérieures ; les chiffres des années récentes ont donc tendance à augmenter après coup.
Quelles spécialités médicales comptent le plus de dispositifs dotés d’IA ?
La radiologie, et de loin. Toutes les autres commissions d’examen comptent moins de 10 % des dispositifs, et près de la moitié des dispositifs d’IA dentaire concernent la radiologie buccale.
- La cardiologie arrive loin derrière sur la liste de la FDA, avec 154 dispositifs (9,5 %), suivie de la neurologie avec 73 dispositifs (4,5 %). Les autorisations en cardiologie ont doublé, passant de 15 en 2024 à 30 en 2025 (FDA, AI-Enabled Medical Device List, sept. 2026).
- Au 30 septembre 2025, seuls 30 des 1 358 dispositifs d’IA autorisés par la FDA (2,2 %) étaient spécifiques à l’urologie, et 26,7 % de ces dispositifs ont été autorisés en 2025 seulement (Qian et al., BJU International, juin 2026).
- Les chercheurs ont recensé 52 dispositifs dentaires d’IA ou d’apprentissage automatique dans la base de données 510(k) de la FDA, dont 48 % concernaient la radiologie buccale (Naved et al., BMC Oral Health, nov. 2025).
- 60 % des dispositifs dentaires dotés d’IA autorisés par la FDA ne précisaient pas le type d’algorithme d’IA utilisé, et 50 % ne disposaient d’aucune trace publique de déploiement clinique (Naved et al., BMC Oral Health, nov. 2025).
- Les 9 produits d’IA pour le dépistage du cancer du sein autorisés ou approuvés par la FDA entre 2017 et 2021 ont tous été autorisés sur la base de données rétrospectives recueillies précédemment, et aucun n’a fait état de la détection de cancers d’intervalle ou du stade du cancer au moment de sa détection (Potnis et al., JAMA Internal Medicine, déc. 2022).
Comment les dispositifs médicaux d’IA sont-ils testés et surveillés après leur autorisation ?
La plupart des résumés publics de la FDA sur les dispositifs d’IA ne fournissent aucune donnée démographique, peu font état de résultats prospectifs ou randomisés et les dispositifs sans validation clinique sont ceux qui font le plus souvent l’objet d’un rappel.
- 95,5 % des dispositifs d’IA et d’apprentissage automatique autorisés par la FDA ne fournissaient pas de données démographiques dans leurs résumés publics, et 46,7 % ne précisaient pas le plan de leur étude (Lin et al., JAMA Health Forum, sept. 2025).
- Seuls 6 des 691 dispositifs d’IA autorisés par la FDA faisaient état de données issues d’essais cliniques randomisés, et 53 (7,7 %) faisaient état de données provenant d’études prospectives (Lin et al., JAMA Health Forum, sept. 2025).
- 489 événements indésirables ont été signalés pour 36 dispositifs d’IA autorisés par la FDA, dont 458 dysfonctionnements, 30 blessures et 1 décès (Lin et al., JAMA Health Forum, sept. 2025).
- Seulement 3,6 % des autorisations de dispositifs d’IA par la FDA entre 1995 et 2023 indiquaient la race ou l’origine ethnique des participants à l’étude, et 81,6 % ne précisaient pas leur âge (Muralidharan et al., npj Digital Medicine, oct. 2024).
- Les résumés de la FDA concernant 1 012 dispositifs d’IA ont obtenu une moyenne de 3,3 sur 17 à une échelle de transparence portant sur le développement et les performances des modèles, soit une amélioration de seulement 0,88 point après les principes de l’agence de 2021 sur l’apprentissage automatique (Mehta et al., npj Digital Medicine, nov. 2025).
Les rappels sont liés au manque de données probantes. Deux équipes de recherche distinctes ont observé la même tendance dans des versions différentes de la liste.
- 60 des 950 dispositifs d’IA autorisés par la FDA (6,3 %) étaient associés à 182 événements de rappel. Les dispositifs pour lesquels aucune validation clinique n’était signalée présentaient une probabilité de rappel 2,8 fois plus élevée, et les entreprises cotées en bourse avaient fabriqué 53,2 % des dispositifs, mais étaient à l’origine de 91,8 % des rappels (Lee et al., JAMA Health Forum, août 2025).
- Parmi les 903 dispositifs d’IA autorisés par la FDA suivis jusqu’en août 2024, 43 (4,8 %) avaient été rappelés, après une durée médiane de commercialisation de 458 jours (Ren et al., JAMA Network Open, juin 2026).
- 7,8 % des dispositifs d’IA sans étude sur leurs performances cliniques ont fait l’objet d’un rappel, contre 2,6 % de ceux qui en avaient une (Ren et al., JAMA Network Open, juin 2026).
Quelle est la précision et la sécurité de l’IA en médecine ?
Les données les plus solides sur l’IA en médecine portent sur le dépistage du cancer du sein : un essai randomisé suédois a montré qu’une lecture assistée par l’IA détectait davantage de cancers tout en nécessitant bien moins de lectures par des radiologues. Les chatbots sont moins réglementés que l’IA d’imagerie et ont fait l’objet de moins d’essais cliniques.

L’IA égale-t-elle les médecins dans l’établissement d’un diagnostic ?
Dans l’essai suédois MASAI, la lecture assistée par l’IA s’est révélée non inférieure à celle de deux radiologues pour ce qui est des cancers d’intervalle. Les résultats des chatbots sont mitigés : GPT-4 n’a pas amélioré les diagnostics des médecins dans un essai, mais a augmenté leurs scores de prise en charge dans un autre.
- Dans l’essai MASAI, le dépistage mammographique assisté par l’IA a détecté 1,55 cancer d’intervalle pour 1 000 femmes, contre 1,76 avec la double lecture standard, répondant ainsi au critère de non-infériorité de l’essai (Gommers et al., Lancet, janv. 2026).
- Le dépistage assisté par l’IA a détecté 6,4 cancers pour 1 000 femmes suédoises, contre 5,0 avec la double lecture standard, soit un taux de détection supérieur de 29 %, sans hausse significative des faux positifs (Hernström et al., Lancet Digital Health, févr. 2025).
- Dans le bras de l’essai MASAI avec IA, les radiologues ont effectué 61 248 lectures de dépistage, contre 109 692 dans le bras standard, soit une charge de travail de lecture inférieure de 44,2 % (Hernström et al., Lancet Digital Health, févr. 2025).
- Lors de la première analyse de sécurité de l’essai MASAI, menée auprès de 80 033 femmes suédoises, 28,3 % des rappels dans le bras avec dépistage assisté par l’IA se sont révélés être des cancers, contre 24,8 % avec la lecture standard (Lång et al., Lancet Oncology, août 2023).
- Dans 14 études portant sur 1 214 885 examens de dépistage, l’IA autonome pour la mammographie a atteint une précision combinée (AUC) de 0,890, mais l’hétérogénéité était si élevée que l’intervalle de prédiction à 95 % pour un nouveau programme allait de 0,731 à 0,960. Les auteurs indiquent qu’une validation locale avant le déploiement reste nécessaire (Ciurescu et al., Diagnostics, sept. 2026).
Les essais sur les chatbots mesurent autre chose : leur capacité à aider un médecin à raisonner sur un cas grâce à un modèle généraliste.
- Dans un essai randomisé auprès de 50 médecins américains, ceux qui disposaient de GPT-4 ont obtenu un score médian de 76 % en raisonnement diagnostique, contre 74 % pour ceux qui utilisaient des ressources classiques, une différence qui n’était pas statistiquement significative (Goh et al., JAMA Network Open, oct. 2024).
- Dans le même essai, GPT-4 utilisé seul a obtenu un score supérieur de 16 points de pourcentage à celui des médecins utilisant des ressources classiques (Goh et al., JAMA Network Open, oct. 2024).
- Pour les décisions de prise en charge, comme le traitement et les examens, 92 médecins utilisant GPT-4 ont obtenu un score supérieur de 6,5 points de pourcentage à celui des médecins qui utilisaient des ressources classiques, mais ont passé environ 119 secondes de plus par cas (Goh et al., Nature Medicine, févr. 2025).
À quelle fréquence les outils d’IA font-ils des erreurs ou présentent-ils des biais ?
Les erreurs sont assez courantes pour qu’ECRI demande désormais aux prestataires de soins de les signaler. Les médecins qui évaluent ces outils relèvent régulièrement des omissions et des détails inventés dans les brouillons générés par l’IA, et une petite partie de ces brouillons pourrait nuire à un patient s’ils étaient envoyés sans modification.
- Dans une enquête d’ECRI auprès de 124 responsables, principalement chargés de la qualité, de la sécurité et de la gestion des risques, 31 % ont déclaré avoir vu, au cours de l’année écoulée, un résultat d’IA qu’ils jugeaient incorrect ou trompeur, et 9 % ont indiqué qu’une erreur de l’IA avait atteint un patient ou influé sur une décision de soins (ECRI, AI error survey, août 2026).
- Dans 450 notes cliniques générées par des LLM, 1,47 % des 12 999 phrases des notes contenaient des informations hallucinées, et 3,45 % des 49 590 phrases des transcriptions de consultation avaient été omises des notes (Asgari et al., npj Digital Medicine, mai 2025).
- Lorsque des médecins ont examiné des brouillons de réponses à des messages de patients générés par GPT-4, ils ont estimé que 7,1 % d’entre eux pouvaient entraîner des dommages graves s’ils étaient envoyés sans modification, et que 1 sur 156 (0,6 %) pouvait entraîner la mort (Chen et al., Lancet Digital Health, avr. 2024).
- Des médecins ayant examiné 100 résumés de l’hospitalisation rédigés par l’IA ont relevé des omissions dans 25 % des cas, des inexactitudes dans 20 % et des hallucinations dans 2 %. Ils ont estimé que 88 % des résumés ne présentaient aucun risque de préjudice s’ils étaient laissés sans modification (Grolleau et al., JAMA Network Open, mai 2026).
- Testés seuls, les LLM ont cité la bonne affection dans 94,9 % des scénarios médicaux, mais les adultes britanniques qui utilisaient ces mêmes LLM l’ont trouvée dans moins de 34,5 % des cas, soit pas mieux que les personnes utilisant d’autres sources (Bean et al., Nature Medicine, févr. 2026).
Les biais se manifestent aussi bien dans les anciens algorithmes que dans les LLM.
- Sur 1,7 millions de résultats produits par neuf LLM pour les mêmes cas d’urgence, certains cas étiquetés LGBTQIA+ ont été orientés vers des évaluations de santé mentale environ six à sept fois plus souvent que ne le justifiait leur état clinique (Omar et al., Nature Medicine, avr. 2025).
- Une étude de 2019 portant sur un algorithme commercial de gestion des soins largement utilisé a révélé que corriger son biais racial ferait passer la part des patients noirs identifiés comme nécessitant une aide supplémentaire de 17,7 % à 46,5 % (Obermeyer et al., Science, oct. 2019).
Quelles règles encadrent l’IA en médecine ?
Aux États-Unis, l’IA est encadrée par des règles d’agences et des projets de loi adoptés au niveau des États, plutôt que par une loi unique. L’UE, qui en a une, a repoussé d’un an la date limite applicable aux dispositifs médicaux.
- D’après notre décompte des fichiers d’inventaire des exercices 2025 et 2024 publiés par HHS, HHS a recensé 446 cas d’usage de l’IA au cours de l’exercice 2025, contre 271 en 2024 ; 167 des 446 étaient déployés et 88 étaient en phase pilote (HHS, AI Use Case Inventory, juill. 2026).
- La règle définitive HTI-1 de l’ONC, publiée en janvier 2024, a remplacé l’ancien critère de certification des systèmes d’aide à la décision clinique par un critère d’intervention d’aide à la décision couvrant l’IA prédictive. À partir du 1er janvier 2025, seul le nouveau critère compte dans la définition de Base EHR (ONC, HTI-1 Final Rule, Federal Register, janv. 2024).
- D’après notre décompte du tableau des projets de loi de NCSL, les législateurs des États ont présenté 152 projets de loi sur l’IA liés à la santé dans 36 États au cours de la session 2025 ; 20 ont été adoptés ou promulgués dans 16 États (NCSL, Artificial Intelligence 2025 Legislation, juill. 2025).
- En juillet 2026, l’UE a modifié son règlement sur l’IA afin que les règles relatives aux systèmes d’IA à haut risque intégrés aux dispositifs médicaux et aux diagnostics in vitro s’appliquent désormais à partir du 2 août 2028, soit un an plus tard que la date du 2 août 2027 prévue dans le texte initial de 2024 (EUR-Lex, AI Act consolidated text, juill. 2026).
- Les recommandations de l’OMS sur les grands modèles multimodaux, qui sous-tendent l’IA générative des chatbots de santé, présentent plus de 40 recommandations à l’intention des gouvernements, des entreprises technologiques et des prestataires de soins de santé (WHO, janv. 2024).
Que pensent les patients de l’IA dans leurs soins ?
Les patients veulent être informés de l’utilisation de l’IA dans leurs soins et avoir leur mot à dire à ce sujet. Ils sont aussi de plus en plus nombreux à poser des questions de santé à des chatbots de leur propre initiative.

Les patients sont-ils à l’aise avec l’utilisation de l’IA par les médecins ?
Dans l’enquête de Pew de 2023, ce n’était pas le cas de la plupart des Américains. Ils sont plus à l’aise lorsque le clinicien reste aux commandes, et les patients qui ont déjà eu un scribe IA ambiant dans la salle l’ont généralement trouvé utile.
- 60 % des adultes américains ont déclaré qu’ils seraient mal à l’aise si leur propre prestataire de soins s’appuyait sur l’IA pour diagnostiquer une maladie et recommander des traitements, contre 39 % qui seraient à l’aise, selon la dernière enquête de Pew sur cette question (Pew Research Center, févr. 2023).
- 75 % des Américains ont indiqué que leur principale inquiétude était que les prestataires adoptent l’IA trop rapidement, avant que les risques pour les patients ne soient compris ; 23 % craignaient davantage qu’ils avancent trop lentement (Pew Research Center, févr. 2023).
- Parmi 13 806 patients hospitalisés interrogés dans 43 pays, 57,6 % avaient une opinion positive de l’IA dans les soins de santé, et les patients en moins bonne santé étaient nettement moins positifs (Busch et al., JAMA Network Open, juin 2025).
- 72,9 % de ces mêmes patients préféraient que les décisions soient prises par un médecin et 70,2 % préféraient une IA capable de s’expliquer, même si sa précision était légèrement inférieure (Busch et al., JAMA Network Open, juin 2025).
- Dans une expérience de choix conjoint auprès de 3 000 adultes américains, la présence d’un clinicien augmentait de 18,4 points de pourcentage la probabilité de choisir une consultation avec l’aide de l’IA ; des performances de l’IA supérieures à celles d’un spécialiste l’augmentaient de 32,5 points (Bracic et al., JAMA Network Open, mars 2026).
L’expérience directe tend à atténuer les inquiétudes, mais la transparence reste importante.
- Dans une enquête auprès de 1 455 patients de Duke Health, les personnes interrogées ont attribué aux réponses aux messages sur les portails rédigées par l’IA un score supérieur à celui des réponses écrites par des cliniciens (0,30 point sur une échelle de satisfaction de 5 points). Toutefois, la satisfaction était inférieure de 0,13 point lorsque la réponse était présentée comme ayant été rédigée par l’IA plutôt que par un clinicien (Cavalier et al., JAMA Network Open, mars 2025).
- Parmi 2 202 patients de Stanford Health Care dont la consultation avait fait appel à un scribe IA ambiant, 70,1 % l’ont trouvé utile et 73,6 % souhaitaient qu’il soit utilisé lors de leurs prochaines consultations (Shah et al., JAMIA Open, juin 2026).
Les patients font-ils confiance aux systèmes de santé pour utiliser l’IA de manière responsable ?
La principale enquête américaine sur la question montre qu’une majorité des patients ne leur fait pas confiance, et beaucoup ignorent si l’IA a été utilisée dans leurs soins.
- 65,8 % des adultes américains interrogés au milieu de l’année 2023 faisaient peu confiance à leur système de santé pour utiliser l’IA de manière responsable (Nong and Platt, JAMA Network Open, févr. 2025).
- 57,7 % avaient peu confiance dans la capacité de leur système de santé à veiller à ce qu’un outil d’IA ne leur fasse pas de mal (Nong and Platt, JAMA Network Open, févr. 2025).
- Les adultes qui avaient subi des discriminations en cherchant à obtenir des soins étaient moins susceptibles de faire confiance à leur système de santé pour utiliser l’IA de manière responsable (rapport de cotes de 0,66) et les protéger des préjudices liés à l’IA (rapport de cotes de 0,57). La littératie en santé et les connaissances sur l’IA n’étaient pas associées au niveau de confiance (Nong and Platt, JAMA Network Open, févr. 2025).
- Dans l’enquête menée dans 43 pays, seuls 41,8 % des patients hospitalisés faisaient confiance à l’IA pour fournir des informations exactes sur leur réaction à un traitement, soit le score le plus faible parmi les éléments évalués sur la confiance (Busch et al., JAMA Network Open, juin 2025).
- 63 % des adultes américains souhaitent davantage pouvoir intervenir dans la décision d’utiliser ou non l’IA dans leurs soins, soit trois fois plus que les 21 % qui sont satisfaits de leur niveau d’intervention actuel (Pew Research Center, août 2026).
- 46 % des adultes américains ne savent pas si l’IA a été utilisée dans leurs soins, 37 % pensent que non et 16 % pensent que oui (Pew Research Center, août 2026).
- 77 % des adultes américains sont très ou assez préoccupés par la confidentialité des informations médicales personnelles qu’ils communiquent aux outils d’IA (KFF Tracking Poll on Health Information and Trust, mars 2026).
Combien de personnes posent des questions de santé aux chatbots d’IA ?
L’utilisation augmente dans les deux enquêtes qui la suivent au fil du temps, celles de Rock Health et de KFF, et les médecins indiquent que peu de patients leur en parlent.
- 34 % des adultes américains utilisent des chatbots d’IA pour au moins l’une des huit raisons liées à la santé, et 25 % s’en servent pour comprendre la cause de leurs symptômes (Pew Research Center, août 2026).
- 32 % des adultes américains ont déjà utilisé un chatbot d’IA pour obtenir des informations sur la santé, soit deux fois plus qu’un an auparavant (16 %) (Rock Health, 2025 Consumer Adoption Survey, mars 2026).
- 64 % de ces utilisateurs de l’IA pour la santé posent des questions de santé à un chatbot chaque semaine ou plus souvent (Rock Health, 2025 Consumer Adoption Survey, mars 2026).
- 41 % des adultes ayant utilisé l’IA à des fins de santé au cours de l’année passée ont téléversé des informations médicales personnelles, comme des résultats d’examens ou des notes de médecins, soit 13 % de l’ensemble des adultes américains (KFF Tracking Poll on Health Information and Trust, mars 2026).
- D’après les propres données d’OpenAI sur ses utilisateurs, plus de 300 millions de personnes dans le monde posent chaque semaine des questions sur la santé à ChatGPT (OpenAI, juill. 2026).
- Seulement 8 % des médecins américains déclarent que la plupart de leurs patients leur disent utiliser l’IA, tandis que 30 % estiment que la plupart de leurs patients l’utilisent probablement (AMA, 2026 Physician Survey on Augmented Intelligence, mars 2026).
Quels montants sont investis dans l’IA pour les soins de santé ?
Les systèmes de santé fournissent la majeure partie des fonds consacrés à l’IA dans les soins de santé, et la documentation en représente la part la plus importante. Les estimations de la taille du marché varient d’environ 40 %, même pour 2026 ; il faut donc considérer chacune d’elles comme l’estimation d’une entreprise en particulier.

Quelle part du capital-risque va aux start-ups d’IA dans les soins de santé ?
En 2025, les tours de financement étaient plus importants et moins nombreux, une poignée d’opérations majeures ont marqué l’année, et le financement a continué de progresser au premier semestre 2026.
- Les start-ups américaines de santé numérique ont levé $14,2B en 2025, soit 35 % de plus que les $10,5B levés en 2024 et le total annuel le plus élevé depuis 2022 (Rock Health, 2025 Year-End Digital Health Funding Overview, janv. 2026).
- Les start-ups de santé numérique dotées d’IA ont levé des tours de table environ 19 % plus importants en moyenne que les start-ups dont les produits ne reposent pas principalement sur l’IA ; l’écart a atteint 61 % à la série C (Rock Health, 2025 Year-End Digital Health Funding Overview, janv. 2026).
- Moins de start-ups ont reçu davantage de financements en 2025 : le nombre d’opérations a diminué de 5 %, à 482, tandis que le montant moyen est passé de $20,7M à $29,3M (Rock Health, 2025 Year-End Digital Health Funding Overview, janv. 2026).
- Les opérations majeures de $100M ou plus ont représenté 42 % de l’ensemble des financements en santé numérique en 2025, soit près du double de la part de l’année précédente. Sans les neuf premières entreprises selon les montants levés, le total de 2025 serait inférieur à celui de 2024 (Rock Health, 2025 Year-End Digital Health Funding Overview, janv. 2026).
- Les start-ups américaines de santé numérique ont levé $7,4B lors de 244 opérations au premier semestre 2026, soit $1B de plus qu’au premier semestre 2025 pour un nombre d’opérations à peu près identique (Rock Health, H1 2026 Funding and Market Overview, juill. 2026).
- Au premier semestre 2026, 20 opérations majeures, soit un peu plus de 8 % de l’ensemble des opérations, ont absorbé 45 % du capital-risque destiné à la santé numérique. Rock Health a cessé de qualifier les start-ups de « dotées d’IA » à partir du premier trimestre 2026, car, selon l’organisation, l’IA est désormais trop répandue pour constituer un facteur de différenciation (Rock Health, H1 2026 Funding and Market Overview, juill. 2026).
Les grands tours de financement ont bénéficié à des entreprises d’IA clinique et de documentation ambiante. Chaque chiffre ci-dessous provient de l’annonce par l’entreprise de son propre tour de financement.
- Aidoc, entreprise d’IA clinique, a levé $150M lors d’un tour de série E en avril 2026, moins d’un an après son précédent tour de croissance, portant son financement total à plus de $500M (Aidoc, avr. 2026).
- Abridge, entreprise de documentation ambiante, a levé $250M lors d’un tour de série D en février 2025 (Abridge, févr. 2025).
Combien les systèmes de santé dépensent-ils en IA ?
Selon la seule enquête d’investisseurs qui mesure ces dépenses, celles-ci augmentent rapidement et les systèmes de santé en assument la majeure partie. Les cycles d’achat raccourcissent chez les prestataires et s’allongent chez les assureurs.
- Les organismes de santé américains ont dépensé environ $1,4B en IA générative en 2025, soit près de trois fois leur montant de 2024 (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
- Les systèmes de santé ont contribué environ $1B de ces dépenses (75 %), les prestataires ambulatoires $280M (20 %) et les assureurs seulement $50M (5 %) (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
- 22 % des organismes de santé américains ont mis en œuvre des outils d’IA spécialisés, soit 7 fois plus qu’en 2024 et 10 fois plus qu’en 2023. Les systèmes de santé arrivent en tête à 27 %, suivis des prestataires ambulatoires à 18 % et des assureurs à 14 % (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
- 85 % des dépenses de santé en IA générative vont à des start-ups plutôt qu’aux fournisseurs déjà en place (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
- Les systèmes de santé mettent désormais 6,6 mois en moyenne à acheter des solutions d’IA, contre 8,0 mois pour les achats informatiques classiques ; les prestataires ambulatoires mettent 4,7 mois, contre 6,0 (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
- Les assureurs suivent la tendance inverse : leur cycle d’achat moyen de solutions d’IA s’est allongé, passant de 9,4 à 11,3 mois (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
Les plafonds contractuels et le chiffre d’affaires des fournisseurs offrent un autre éclairage sur ces dépenses.
- Le contrat d’entreprise d’IA ambiante du Department of Veterans Affairs des États-Unis, un contrat à commandes multiples partagé par tous les fournisseurs éligibles, est assorti d’un plafond total de $775,72M sur cinq ans, selon le bénéficiaire Abridge (Abridge, sept. 2026).
- Tempus AI, qui vend des solutions de diagnostic et des données pilotées par l’IA, a déclaré un chiffre d’affaires de $382,5M au deuxième trimestre 2026, en hausse de 22 % sur un an. Son activité Data and Applications a progressé de 28 %, à $93,2M (Tempus AI, Q2 2026 results (SEC Form 8-K), juill. 2026).
Quelle sera la taille du marché de l’IA dans les soins de santé ?
Tout dépend du modèle consulté. Trois cabinets d’études divergent d’environ 40 % sur le chiffre de 2026 et utilisent des années de référence différentes ; aucun chiffre unique ne peut donc être considéré comme la taille du marché.
- MarketsandMarkets évalue le marché mondial de l’IA dans les soins de santé à $25,88B en 2025 et prévoit qu’il passera de $36,67B en 2026 à $194,79B d’ici 2031, soit un taux de croissance annuel de 39,7 % (MarketsandMarkets, juin 2026).
- Grand View Research évalue le marché à $36,7B en 2025 et prévoit qu’il passera de $50,7B en 2026 à $505,6B d’ici 2033, soit un taux de croissance annuel de 38,9 %. L’Amérique du Nord représentait 54 % du chiffre d’affaires de 2025 (Grand View Research, juin 2026).
- Precedence Research évalue le marché à $36,96B en 2025 et à $51,20B en 2026, et prévoit qu’il atteindra $744,34B d’ici 2035, soit un taux de croissance annuel de 35,02 % (Precedence Research, sept. 2026).
Les trois rapports sont payants, et les chiffres ci-dessus proviennent de la page de présentation publique de chaque cabinet. Ils ne définissent pas le marché de la même manière ; leurs valeurs finales ne peuvent donc pas être comparées comme si elles correspondaient à la même année.
Glossaire
- IA : intelligence artificielle, logiciels qui réalisent des tâches comme lire des images, prédire les risques ou rédiger du texte.
- LLM : grand modèle de langage, le type d’IA qui alimente les chatbots comme ChatGPT.
- IA générative : IA qui produit de nouveaux textes, images ou fichiers audio, plutôt que de se limiter à classer des données.
- Scribe IA ambiant : outil qui écoute une consultation clinique, avec le consentement du patient, et rédige une note que le clinicien peut ensuite relire.
- DME : dossier médical électronique.
- Temps consacré aux notes : temps que le clinicien passe à rédiger et à modifier des notes dans le DME, tel qu’il est enregistré par le DME.
- RVU : unité de valeur relative, la mesure utilisée par Medicare pour fixer le prix du travail des médecins.
- Mini-Z : court questionnaire qui évalue le bien-être et l’épuisement professionnel des médecins.
- 510(k) : procédure d’autorisation de la FDA pour les dispositifs dont l’équivalence substantielle avec un dispositif déjà commercialisé a été démontrée.
- De Novo : procédure de la FDA pour les nouveaux dispositifs à risque faible ou modéré qui n’ont pas d’équivalent existant.
- PMA : approbation préalable à la mise sur le marché, procédure de la FDA pour les dispositifs à haut risque qui exige des données cliniques démontrant leur innocuité et leur efficacité.
- ASTP/ONC : Assistant Secretary for Technology Policy and Office of the National Coordinator for Health IT, qui fait partie de HHS.
- HHS : Department of Health and Human Services des États-Unis.
- HTI-1 : règle de 2024 de l’ONC sur la certification des technologies de l’information en santé, qui a fixé des exigences de transparence pour les outils d’aide à la décision, notamment l’IA prédictive.
- Sensibilité : part des personnes atteintes d’une maladie qu’un test identifie correctement.
- Spécificité : part des personnes qui ne sont pas atteintes d’une maladie qu’un test classe correctement comme telles.
- Cancer d’intervalle : cancer diagnostiqué entre deux dépistages prévus, après un résultat de dépistage normal.
- AUC : aire sous la courbe, score de 0 à 1 qui mesure la capacité d’un test à distinguer les cas positifs des cas négatifs.
Méthodologie et sources
Chaque statistique de cette page a été retracée jusqu’à l’organisation qui a produit les données : agences gouvernementales et organismes de réglementation (FDA, HHS, ASTP/ONC, Census Bureau, EUR-Lex), études évaluées par les pairs dans des revues telles que JAMA, Lancet, NEJM AI et Nature Medicine, organismes professionnels et de sécurité (AMA, ECRI, MGMA, WHO, NCSL), instituts de sondage (Pew Research Center, KFF) et entreprises publiant leurs propres données, tours de financement ou déclarations réglementaires. Chaque lien a été consulté le 2 octobre 2026 afin de vérifier que la page s’ouvrait, que le chiffre y figurait et que la date était correcte ; les décomptes établis à partir des fichiers de la FDA, de HHS et de NCSL sont nos propres calculs des données publiées. Les études observationnelles sont présentées comme des associations, les résultats des essais conservent leurs groupes de comparaison, les prévisions de marché sont attribuées aux cabinets qui les ont établies et les données hors des États-Unis sont indiquées comme telles. Nous ne citons pas de récapitulatifs statistiques. La page est mise à jour chaque mois, en commençant par la liste de la FDA, les enquêtes auprès des médecins, les financements en capital-risque et l’enquête du Census sur les entreprises.
Sources
- Abridge : annonce du financement de série D
- Abridge : contrat d’entreprise de transcription ambiante du VA
- Afshar et al., NEJM AI : essai randomisé pragmatique sur la documentation par IA ambiante et le bien-être des praticiens
- Aidoc : Aidoc lève $150 millions lors d’un tour de série E
- AMA : 2026 Physician Survey on Augmented Intelligence
- Asgari et al., npj Digital Medicine : cadre d’évaluation de la sécurité clinique et des taux d’hallucination des LLM pour le résumé de textes médicaux
- ASTP/ONC Data Brief 80 : tendances des hôpitaux en matière d’utilisation, d’évaluation et de gouvernance de l’IA prédictive, de 2023 à 2024
- Bagla et al., JMIR : modes d’utilisation de l’IA par les hospitalistes
- Bean et al., Nature Medicine : LLM et membres du public dans des scénarios médicaux
- Blease et al., BMJ Health & Care Informatics : généralistes britanniques et scribes IA ambiants
- Blease et al., Digital Health : généralistes britanniques et IA générative, enquête de 2025
- Bracic et al., JAMA Network Open : préférences des patients à l’égard du diagnostic assisté par l’IA
- Busch et al., JAMA Network Open : attitudes multinationales des patients hospitalisés à l’égard de l’IA
- Cavalier et al., JAMA Network Open : perception des patients des réponses aux messages sur les portails rédigées par l’IA
- Chen et al., Lancet Digital Health : effet de l’utilisation d’un LLM pour répondre aux messages des patients
- Ciurescu et al., Diagnostics : méta-analyse de l’IA pour le dépistage mammographique
- Doximity : 2026 State of AI in Medicine
- ECRI : l’utilisation abusive des chatbots IA en tête de la liste annuelle des risques liés aux technologies de santé
- ECRI : ECRI élargit son réseau de signalement des problèmes et demande davantage de données sur les erreurs de l’IA dans les soins aux patients
- Elsevier : Clinician of the Future 2026, rapport complet
- EUR-Lex : AI Act, règlement (UE) 2024/1689, version consolidée du 27 juillet 2026
- FDA : liste des dispositifs médicaux dotés d’intelligence artificielle
- Goh et al., JAMA Network Open : influence des LLM sur le raisonnement diagnostique, essai randomisé
- Goh et al., Nature Medicine : assistance de GPT-4 au raisonnement de prise en charge, essai randomisé
- Gommers et al., Lancet : essai MASAI, cancers d’intervalle et précision du dépistage
- Gong et al., JMIR : méta-analyse de l’IA, de la charge cognitive et de l’épuisement professionnel dans les soins de santé
- Grand View Research : rapport sur le marché de l’IA dans les soins de santé
- Grolleau et al., JAMA Network Open : résumés de séjours hospitaliers rédigés par l’IA
- Hernström et al., Lancet Digital Health : performances du dépistage et caractéristiques des cancers du sein détectés dans l’essai MASAI
- HHS : inventaire des cas d’usage de l’IA
- Holmgren et al., JAMA Network Open : scribes IA et productivité financière des médecins à UCSF
- Kashiouris et al., Applied Clinical Informatics : déploiement de l’IA ambiante dans 14 services d’urgence
- KFF : enquête de suivi sur l’information et la confiance en matière de santé, utilisation de l’IA pour obtenir des informations et des conseils de santé (mars 2026)
- KFF : enquête de suivi sur l’information et la confiance en matière de santé, utilisation des réseaux sociaux et de l’IA pour obtenir des informations sur la santé (juin 2026)
- Lång et al., Lancet Oncology : essai MASAI, première analyse de sécurité
- Lawrence et al., JAMA Network Open : consentement des patients à la documentation par IA ambiante
- Lee et al., JAMA Health Forum : rappels de dispositifs médicaux d’IA autorisés par la FDA
- Lin et al., JAMA Health Forum : communication des avantages et des risques des dispositifs d’IA autorisés par la FDA
- Lukac et al., NEJM AI : essai randomisé de deux scribes IA ambiants à UCLA
- MarketsandMarkets : rapport sur le marché de l’intelligence artificielle dans les soins de santé
- Mehta et al., npj Digital Medicine : transparence des résumés de la FDA sur les dispositifs dotés d’IA
- Menlo Ventures : 2025 State of AI in Healthcare
- MGMA Stat : les outils d’IA améliorent-ils la productivité des cliniciens ?
- Microsoft : conférence téléphonique sur les résultats du quatrième trimestre de l’exercice 2026
- Muralidharan et al., npj Digital Medicine : revue exploratoire des dispositifs d’IA approuvés par la FDA et de la communication des données démographiques
- Naved et al., BMC Oral Health : dispositifs dentaires d’IA autorisés par la FDA
- NCSL : législation sur l’intelligence artificielle en 2025
- Nong et Platt, JAMA Network Open : confiance des patients dans la capacité des systèmes de santé à utiliser l’IA
- Obermeyer et al., Science : analyse du biais racial d’un algorithme utilisé pour gérer la santé des populations
- Olson et al., JAMA Network Open : scribes IA ambiants et épuisement professionnel des cliniciens dans 6 systèmes de santé
- Omar et al., Nature Medicine : biais sociodémographiques dans la prise de décision médicale par les LLM
- ONC : règle définitive HTI-1, Federal Register
- OpenAI : lancement de Health dans ChatGPT
- Pew Research Center : 60% des Américains seraient mal à l’aise si leur prestataire de soins s’appuyait sur l’IA pour leurs soins de santé
- Pew Research Center : les Américains souhaitent de la transparence lorsque l’IA est utilisée dans leurs soins de santé
- Pew Research Center : des diagnostics aux traitements, pourquoi les Américains utilisent des chatbots d’IA pour la santé
- Poon et al., JAMIA : adoption de l’IA dans les grands systèmes de santé américains
- Potnis et al., JAMA Internal Medicine : produits d’IA autorisés par la FDA pour le dépistage du cancer du sein
- Precedence Research : rapport sur le marché de l’intelligence artificielle dans les soins de santé
- Qian et al., BJU International : dispositifs d’IA autorisés par la FDA en urologie
- Ren et al., JAMA Network Open : données cliniques et rappels de dispositifs d’IA autorisés par la FDA
- Rock Health : bilan de fin d’année 2025 sur les financements dans la santé numérique, deux marchés en contraste
- Rock Health : bilan des financements et du marché au premier semestre 2026
- Rock Health : perspectives sur l’IA dans la santé tirées de l’enquête 2025 sur l’adoption par les consommateurs
- Rotenstein et al., JAMA : évolution du temps de travail des cliniciens et du nombre de consultations après l’adoption de scribes alimentés par l’IA
- Shah et al., JAMIA Open : expérience des patients avec les scribes IA ambiants à Stanford Health Care
- Stanford HAI : rapport 2026 AI Index, chapitre sur la médecine (données de la FDA)
- Tempus AI : résultats du deuxième trimestre 2026, pièce 99.1 du formulaire 8-K de la SEC
- U.S. Census Bureau : Business Trends and Outlook Survey, données nationales
- U.S. Census Bureau : Business Trends and Outlook Survey, données sectorielles
- WHO : recommandations sur l’éthique et la gouvernance de l’IA pour les grands modèles multimodaux
- Wright et al., JAMIA : déploiement de la transcription ambiante dans l’ensemble de l’établissement de Vanderbilt