Un hôpital français déploie une IA souveraine : les 5 usages qui vont réellement changer le travail des soignants
Le CHU de Montpellier ne se contente plus d’expérimenter un chatbot. Il commence à déployer à l’échelle de l’établissement Alliance Santé IA, une infrastructure souveraine dont ERIOS Assistant est l’interface pour les professionnels. Comptes rendus, aide au raisonnement, données structurées, codage, facturation et automatisations : voici ce qui est déjà opérationnel, ce qui est en cours d’intégration et ce qui doit encore être évalué.
Dans beaucoup d’hôpitaux, l’intelligence artificielle reste un outil isolé : un professionnel ouvre un site web, copie un texte expurgé, récupère une réponse puis la reporte dans le logiciel métier. Le projet porté à Montpellier prend le problème dans l’autre sens. L’IA est intégrée au système d’information de l’établissement, reliée au dossier patient informatisé (DPI) et à l’entrepôt de données, avec des règles d’usage fixées par le CHU.
La différence est décisive. L’objectif n’est pas de confier une décision médicale à une machine, mais de réduire les ressaisies et de faire circuler une information déjà vérifiée entre les outils. Le professionnel garde le dernier mot. L’IA propose, structure ou déclenche une action ; le soignant contrôle et valide.
Il faut toutefois éviter un raccourci : les cinq usages ci-dessous ne sont pas tous au même niveau de maturité. La page officielle du CHU distingue clairement une première intégration clinique opérationnelle, une connexion au DPI encore engagée et des interfaces avec la planification, la pharmacie ou la gestion qui seront déployées progressivement.
| Niveau annoncé | Fonctions concernées | Ce que cela signifie |
|---|---|---|
| Déjà opérationnel | Documents médicaux normés, aide contextualisée, structuration de l’information | Premiers cas d’usage intégrés et utilisés dans le cadre présenté par le CHU |
| Intégration engagée | Notes médicales du DPI, réutilisation pour le codage et la facturation | Connexion et qualification des données à la source en cours d’extension |
| Déploiement progressif | Planification, pharmacie, qualité, pilotage, automatisations RPA | Connexions standardisées annoncées à l’échelle du CHU, sous supervision humaine |
Alliance Santé IA : une IA dans l’hôpital, pas un ChatGPT ouvert dans un navigateur
Le CHU présente Alliance Santé IA comme une IA institutionnelle, souveraine et interopérable. Son infrastructure est hébergée dans un environnement HDS et s’appuie sur un cluster de calcul de huit GPU H100. Les objectifs, règles et limites d’usage sont définis par l’établissement. Les opérations sont journalisées afin de pouvoir retracer et auditer le fonctionnement du système.
ERIOS Assistant constitue la partie visible pour l’utilisateur. Cet agent conversationnel comprend la parole et l’écrit, génère des documents normés et transforme du langage libre en informations structurées. Il est déjà intégré au DPI et dialogue avec l’entrepôt de données du CHU.
Cette architecture répond à une question devenue centrale : comment utiliser un modèle puissant avec des données de santé sans sortir le dossier patient de la gouvernance hospitalière ? Le sujet dépasse Montpellier. Le choix d’une infrastructure maîtrisée fait écho au mouvement de souveraineté autour de Scaleway et des données de santé.
Attention au vocabulaire. La certification HDS encadre l’hébergement des données de santé ; elle ne prouve ni l’exactitude clinique d’une réponse, ni l’absence d’hallucination, ni la souveraineté juridique complète d’un service. À Montpellier, elle n’est qu’une brique d’un dispositif plus large comprenant contrôle humain, gouvernance, garde-fous, gestion des versions, journalisation et évaluation continue.
1. Rédiger les comptes rendus sans imposer une deuxième consultation administrative
Le premier usage est aussi le plus immédiatement compréhensible. Le clinicien dicte ou saisit ses observations ; ERIOS Assistant les met en forme dans le modèle attendu par le service. Le système peut préparer un compte rendu, un certificat ou une lettre explicative. Le médecin relit, corrige et valide.
Le gain potentiel ne vient donc pas d’un texte « rédigé tout seul ». Il vient de la suppression d’étapes intermédiaires : notes temporaires, reprise de dictée, copier-coller dans un autre écran, ajout manuel des rubriques obligatoires et duplication d’informations déjà présentes dans le DPI.
Aux urgences pédiatriques, un essai validé par le comité d’éthique a commencé en septembre 2025 et doit inclure 120 familles volontaires. Il évalue la perception et l’apport de comptes rendus et de lettres explicatives produits en temps réel. Cette précision compte : le CHU ne présente pas seulement une démonstration technique, mais un usage observé avec des patients et des professionnels.
Les indicateurs à surveiller seront très concrets : temps moyen de rédaction, nombre de corrections par document, omissions détectées, compréhension de la lettre par les familles et temps réellement rendu au soin. Une génération rapide n’a de valeur que si la relecture ne devient pas plus longue que la rédaction initiale.
2. Aider le raisonnement clinique sans transformer l’IA en médecin
ERIOS Assistant peut rassembler le contexte utile, interroger des référentiels et proposer une synthèse ou une conduite cohérente avec les règles du service. Dans le scénario des urgences pédiatriques présenté par le CHU, l’assistant comprend les observations sur une crise d’asthme, prépare les documents et suggère une prescription adaptée aux référentiels.
Le mot important reste « suggère ». Une recommandation vraisemblable peut être fausse, incomplète ou inadaptée au patient. Les risques classiques des modèles génératifs demeurent : hallucination, automatisation excessive de la décision, confiance injustifiée dans une réponse bien formulée et reproduction d’un biais contenu dans les données.
L’architecture montpelliéraine prévoit donc des garde-fous, une gestion de l’incertitude, une journalisation des décisions et un contrôle humain constant. La décision médicale et la responsabilité restent humaines. C’est la frontière qui sépare une aide au raisonnement d’un système qui déciderait à la place du praticien.
La question essentielle ne sera pas seulement « l’IA donne-t-elle souvent la bonne réponse ? », mais aussi : signale-t-elle clairement ses limites, fournit-elle les éléments vérifiables, et le professionnel peut-il comprendre pourquoi une proposition lui est présentée ?
3. Structurer les données au moment où elles sont produites
Un compte rendu hospitalier contient énormément d’informations utiles, mais une grande partie reste enfermée dans du texte libre. Pour retrouver un diagnostic, un dispositif utilisé, un événement indésirable ou un critère d’inclusion dans une étude, il faut relire ou retraiter les documents.
Alliance Santé IA cherche à transformer les informations pertinentes en données structurées dès la production du document. Cela peut éviter une seconde saisie, faciliter le suivi d’une population et rendre les informations réutilisables par la recherche, sous réserve des autorisations applicables.
Le CHU cite deux résultats illustratifs. Il indique avoir traité en quelques heures 27 000 commentaires issus du dispositif e-Satis. Il explique également avoir identifié en quelques minutes, dans des milliers de comptes rendus de réanimation, des patients correspondant aux critères d’une étude rétrospective.
Ces performances ne suffisent pas à démontrer une fiabilité universelle. La qualité dépend de celle des documents sources, du taux de faux positifs et de faux négatifs, du vocabulaire propre à chaque service et de la capacité à détecter une négation ou une ambiguïté. Mais cet usage est probablement l’un des plus structurants : une donnée correctement qualifiée à la source peut ensuite servir au soin, à la recherche, à la qualité et au pilotage, sans être ressaisie quatre fois.
4. Relier le soin au codage et à la facturation
Le codage médico-administratif n’est pas une formalité secondaire. Un acte oublié, un diagnostic mal documenté ou une justification absente peut retarder la facturation, provoquer un rejet ou faire perdre une recette à l’établissement. À l’inverse, un codage automatique non contrôlé exposerait à des erreurs et à des valorisations injustifiées.
ERIOS Assistant doit extraire les éléments utiles du document validé et les présenter pour leur réutilisation dans le codage et la facturation. Le CHU évoque une meilleure exhaustivité du codage, une réduction des délais et une baisse des rejets payeurs. À ce stade, ce sont des objectifs et des résultats attendus du déploiement ; ils devront être publiés avec des mesures comparables avant et après mise en service.
L’intérêt organisationnel est néanmoins évident : le soignant documente l’événement clinique une fois, l’information validée alimente ensuite les professionnels du codage et les systèmes financiers. Le contrôle humain doit rester présent aux points sensibles, notamment lorsque la proposition a un effet sur la facturation ou sur la description du séjour.
5. Déclencher des automatisations, mais sous supervision
Le cinquième usage est le plus ambitieux et le moins avancé. Le CHU organise des connexions entre son moteur d’IA et les modules du DPI, la planification des séjours, les prescriptions pharmaceutiques, la qualité, la sécurité des soins, le pilotage financier et le reporting.
L’objectif est de faire d’ERIOS un orchestrateur : après validation d’un événement, il pourrait préparer plusieurs actions cohérentes, alerter le bon métier, mettre à jour un indicateur ou déclencher une automatisation RPA. Au bloc opératoire, le scénario décrit par l’établissement associe checklist, compte rendu, cotation, matériel utilisé, notification à la pharmacie et tableaux de bord.
Il s’agit d’une trajectoire de déploiement, pas de la preuve que tous ces enchaînements tournent déjà dans chaque service. Plus une automatisation agit sur plusieurs logiciels, plus les conséquences d’une erreur s’étendent. Il faut donc des droits limités, un journal complet, une possibilité d’annulation, une validation explicite pour les actions critiques et une surveillance des dérives.
Cette logique d’automatisation maîtrisée existe aussi à une échelle plus simple chez les professionnels libéraux. Par exemple, la synchronisation de Doctolib vers Google Calendar avec CalMedi automatise un flux d’agenda précis. La comparaison a ses limites, mais le principe est le même : supprimer une ressaisie répétitive sans retirer au professionnel la maîtrise de son organisation.
IA souveraine contre ChatGPT : la vraie différence n’est pas seulement le modèle
| Question | Assistant grand public utilisé isolément | Alliance Santé IA selon le CHU |
|---|---|---|
| Connexion au dossier | Pas d’intégration institutionnelle native | ERIOS est connecté au DPI et à l’entrepôt de données |
| Gouvernance | Dépend du contrat et des réglages du service choisi | Règles et limites définies par l’établissement |
| Traçabilité | Variable selon l’offre | Journalisation, versionnement et auditabilité annoncés |
| Actions métier | Réponse à recopier ou intégrations distinctes | Actions supervisées au sein du système d’information |
| Responsabilité | L’utilisateur reste responsable de son usage | Décision et responsabilité médicales explicitement humaines |
Opposer simplement « IA française sûre » et « ChatGPT dangereux » serait trompeur. Des offres d’entreprise peuvent fournir des garanties contractuelles et techniques fortes. Inversement, une infrastructure locale mal gouvernée ne devient pas fiable par magie. La particularité du projet du CHU réside dans l’ensemble : hébergement adapté, intégration au dossier, règles institutionnelles, contrôles, évaluation et responsabilité humaine.
Le contraste est également éclairant avec Health in ChatGPT, lancé aux États-Unis le 23 juillet 2026. Ce service grand public permet aux utilisateurs américains éligibles de connecter volontairement certains dossiers médicaux et Apple Health, avec des protections dédiées et une autorisation de l’utilisateur avant l’emploi des données connectées. Il n’est pas disponible en France à la date de publication. Alliance Santé IA répond à un autre besoin : intégrer un assistant au système d’information d’un établissement français pour accompagner le travail de ses professionnels.
Le réflexe prudent reste de ne pas transmettre de données identifiantes d’un patient à un outil grand public non autorisé par l’établissement. Un assistant peut être excellent pour expliquer un concept général et totalement inadapté au traitement d’un dossier patient réel.
L’automatisation hospitalière concerne aussi l’expérience patient et l’e-réputation
Le traitement des 27 000 commentaires e-Satis montre qu’une IA peut aussi faire remonter des thèmes récurrents dans la parole des usagers. L’analyse de l’expérience patient et la réputation en ligne ne sont pas le même sujet que le DPI : elles exigent d’autres règles, d’autres données et d’autres objectifs. Mais elles participent à la transformation numérique des établissements.
Pour les cliniques, centres de santé, cabinets, laboratoires ou EHPAD qui souhaitent structurer cette partie, Meditrust propose d’automatiser la collecte et le suivi de l’e-réputation des établissements de santé. La solution permet notamment d’organiser les demandes d’avis, de suivre les retours et de préparer la réponse aux avis sensibles, afin que les équipes restent concentrées sur les patients.
Transparence : Meditrust et CalMedi sont cités comme exemples de services d’automatisation dans l’écosystème santé et entretiennent un lien commercial avec l’éditeur d’Okibata. Ils ne sont pas présentés comme des partenaires d’Alliance Santé IA ou du CHU de Montpellier.
Les chiffres qu’il faudra regarder avant de parler de révolution
Le déploiement à l’échelle d’un CHU est un changement de catégorie. Une démonstration réussie dans un service ne garantit ni l’adoption partout ni la stabilité dans le temps. Pour juger Alliance Santé IA, il faudra suivre des résultats documentés :
- le temps net gagné après relecture et correction ;
- le taux d’erreurs, d’omissions et de propositions refusées ;
- la qualité perçue par les patients et les professionnels ;
- la fréquence des alertes inutiles et le risque de fatigue cognitive ;
- le délai de codage et de facturation ainsi que le taux de rejets payeurs ;
- le nombre d’incidents, leur gravité et la capacité à les auditer ;
- l’évolution des pratiques après plusieurs mois, pas seulement lors du lancement.
Le projet montpelliérain est important parce qu’il quitte la logique du gadget conversationnel pour s’attaquer aux flux réels de l’hôpital. Son succès ne se mesurera pas au nombre de textes générés, mais au temps effectivement rendu aux équipes, à la qualité des données, à la sécurité des enchaînements et à la capacité des soignants à conserver leur jugement.
La promesse est considérable, mais elle est vérifiable. Si le CHU publie des indicateurs robustes sur ses premiers usages, Alliance Santé IA pourrait devenir une référence française. Si la supervision, la formation ou l’évaluation ne suivent pas, l’outil risque au contraire d’ajouter une nouvelle couche de contrôle à des professionnels déjà surchargés.
Source principale
CHU de Montpellier — Présentation officielle d’Alliance Santé IA, consultée le 27 juillet 2026. Les niveaux de déploiement, caractéristiques techniques, cas d’usage et chiffres cités dans cet article proviennent de cette présentation institutionnelle. Les résultats annoncés par le CHU doivent être distingués d’une évaluation indépendante publiée.
