L’IA dans les hôpitaux n’est pas un gadget ou un projet informatique, selon la teneur d’une table ronde au Health Tech Global Summit à Bâle. Si vous voulez vraiment vous préparer à l’IA en Suisse, vous devez travailler simultanément sur trois fronts : des processus standardisés et des données propres, un financement qui prenne honnêtement en compte les coûts de transformation, et une mise en œuvre qui ne se décompose pas en solutions isolées.
Dès le début, un point est apparu clairement, qui est souvent négligé dans le discours actuel sur l’IA : l’entrée de l’intelligence artificielle dans le secteur des soins de santé n’est pas une décision technologique, mais une décision stratégique. Le PDG de Schulthess Klinik, Rodolphe Eurin, a affirmé que l’IA ne devait pas être considérée comme un projet de données ou d’informatique. La question clé devrait plutôt être la suivante : Quels sont les résultats à améliorer et quelles sont les données nécessaires pour les mesurer et les optimiser de manière fiable ?
Dans les hôpitaux spécialisés, comme les cliniques orthopédiques, la voie est un peu plus directe : les traitements standardisés sont plus faciles à définir et les résultats peuvent être recueillis de manière plus cohérente. Mais même là, l’IA reste avant tout une question culturelle. L’enregistrement des résultats et l’amélioration continue sont loin d’être des pratiques courantes partout. Sans la volonté de rendre les résultats transparents et d’en tirer des enseignements, l’IA reste une couche de complexité supplémentaire plutôt qu’un levier pour améliorer les soins.
Réalité opérationnelle : silos, chaos de données et manque de gouvernance
Matthias Hermann est responsable du fonds de santé Tenity Group AG. Il a acquis son expérience à l’hôpital universitaire de Zurich et travaille aujourd’hui dans le domaine de la santé numérique. Il a dressé un tableau sobre de la situation actuelle, en particulier dans les hôpitaux publics. De nombreuses organisations manquent de données normalisées et sémantiquement propres. Dans le même temps, l’expertise en matière d’IA dans les hôpitaux et l’informatique n’est souvent pas suffisamment développée pour passer des projets pilotes aux opérations. C’est précisément là que de nombreuses initiatives échouent : Les modèles convaincants en laboratoire n’offrent pas la même qualité dans la vie de tous les jours parce que les données ne sont pas structurées dans la pratique et qu’il n’y a pas d’ensembles de données conservées.
Plus grave encore : il n’y a souvent pas de gouvernance solide des données cliniques et opérationnelles. Une stratégie d’IA, des responsabilités claires, des processus de diffusion des données, un suivi et une responsabilisation sont autant de tâches qui doivent être accomplies avant le premier déploiement. Or, dans de nombreux hôpitaux, ces questions relèvent de la responsabilité des départements d’innovation et non du conseil d’administration. En conséquence, l’IA reste une collection d’expériences plutôt qu’une transformation du modèle d’exploitation vers la gestion des données et de l’IA.
L’usine pilote plutôt que le sommet : Pourquoi l’écosystème est crucial
Nicolas Loeillot, responsable du Future of Health Grant au CSS, a apporté la perspective externe des pionniers, selon laquelle les start-ups, les équipes académiques ou les entreprises innovantes sont souvent trop rarement impliquées de manière systématique dans le paysage suisse de la santé. Il a fait valoir que nous devons d’abord clarifier ce dont nous parlons : L’IA n’est pas un bloc monolithique. La radiologie, la prévention, le coaching, l’automatisation administrative ou les applications classiques d’apprentissage automatique ont des niveaux de maturité, des risques et des voies de mise en œuvre différents.
Son approche est basée sur un mécanisme ascendant : une usine pilote qui prépare et structure les start-ups et les amène dans les hôpitaux non pas comme une démonstration de relations publiques, mais comme une preuve de valeur mesurable. Trois axes sont décisifs à cet égard : l’effet économique (la solution permet-elle d’économiser des coûts dans le système ?), l’effet clinique-opératoire (est-elle réellement acceptée par les spécialistes et les patients ?) et l’évolutivité (le succès est-il reproductible ou s’agit-il simplement d’un cas isolé ?) C’est précisément cette logique de mesure qui devrait permettre à la direction de l’hôpital de financer plus facilement l’innovation, non pas par principe, mais sur la base de résultats compréhensibles.
Dilemme du financement : le prix de la transformation est sous-estimé
Au plus tard lorsqu’il a été question du financement, la tension à laquelle les hôpitaux suisses sont actuellement confrontés est apparue clairement. Prof. Katrin Hoffmann Le directeur général de Hoffmann Global Health Advisory a évoqué la pression exercée par les remboursements dans la vie de tous les jours : les tarifs sont sous pression, tandis que la politique cantonale pousse parfois les investissements dans les bâtiments plus fortement que les investissements dans l’infrastructure numérique. Il existe également un conflit de gouvernance classique : ceux qui comprennent la technologie ne décident pas nécessairement des budgets et ceux qui contrôlent les budgets sont souvent sceptiques à l’égard des nouvelles technologies.
Sa référence aux coûts cachés était centrale. Si vous voulez introduire l’IA de manière sérieuse, vous devez prendre en compte bien plus que les coûts de licence : La formation des employés, la refonte des flux de travail, le nettoyage des données, le contrôle des performances des modèles, les exigences en matière de matériel et d’infrastructure, les capacités informatiques et les mécanismes de création de valeur font tous partie de l’analyse de rentabilité. Cependant, de nombreux conseils d’administration calculent les coûts par fonctionnalité plutôt que les coûts par résultat. C’est précisément ce changement de perspective qui détermine si l’IA est considérée comme un chantier permanent ou comme un investissement stratégique.
Logique privée : efficacité, rendement et concurrence sur la qualité
Eurin l’a dit de manière pragmatique : toute innovation doit soit réduire les coûts, soit augmenter les recettes. L’IA peut accroître le potentiel d’efficacité dans le domaine administratif, mais aussi dans le domaine médical. Pour lui, la concurrence sur les résultats est particulièrement importante : ceux qui obtiennent manifestement de meilleurs résultats gagnent des parts de marché et peuvent ainsi refinancer leurs investissements.
Les choses sont devenues passionnantes lorsque la discussion a dépassé le cadre de l’hôpital individuel. Les modèles de rémunération basés sur les résultats pourraient créer un mécanisme récompensant l’amélioration de la qualité. En particulier dans les domaines où une meilleure qualité tend à réduire les coûts (moins de complications, moins de révisions, moins de réadmissions), une intégration plus étroite entre les prestataires de services et les payeurs serait une voie possible, à condition que les résultats soient collectés de manière cohérente et acceptés comme paramètre de contrôle.
Des sources de capital créatives : Quand les fournisseurs de technologie deviennent des partenaires de recherche
Herrmann a introduit une perspective qui est encore trop peu visible dans le débat suisse : les grands fournisseurs de technologie ont un intérêt direct à développer l’IA dans les hôpitaux, par exemple en augmentant la consommation des nuages ou des centres de données. Cela pourrait donner lieu à de nouveaux modèles de cofinancement dans lesquels les fournisseurs de technologie (co)financent des projets pilotes parce qu’ils bénéficient d’une utilisation accrue à long terme. Il a établi une comparaison avec la recherche, où les partenaires industriels fournissent depuis des années des infrastructures, des instruments ou des capacités technologiques pour rendre les études possibles.
Le succès n’est pas garanti : ces modèles exigent de la transparence, des règles claires en matière de conflits d’intérêts et une gouvernance qui protège les priorités cliniques. Mais en tant qu’approche visant à réduire les obstacles à l’investissement, ce financement « prêt à l’emploi » pourrait augmenter dans les années à venir.
Là où l’IA est la plus efficace : le back office, le contrôle et la prévention en tant que frontière
Trois priorités ont émergé dans les domaines d’application spécifiques. Premièrement, les processus administratifs et opérationnels dans le back-office. L’IA est considérée comme un objectif facile à atteindre dans ce domaine, car les obstacles réglementaires sont moindres et les analyses de rentabilité plus simples. Des sujets tels que la planification des interventions chirurgicales, la gestion des ressources, l’utilisation de la RM ou les rapprochements automatisés dans les processus de facturation et d’administration mobilisent souvent du temps de travail hautement qualifié dans des listes Excel et des parcours de clics manuels. Les agents d’IA pourraient rapidement obtenir des effets mesurables dans ce domaine.
Deuxièmement : la qualité, la sécurité des patients et l’allègement cognitif. Le professeur Hoffmann a souligné que l’IA ne devait pas être synonyme d’un nouvel écran et d’encore plus de clics. Sa valeur réside dans la réduction de la charge cognitive au sein d’équipes très occupées, en évitant les redondances, en améliorant les temps de traitement et en augmentant la prévisibilité des opérations hospitalières, toujours en lien avec les objectifs cliniques.
Troisièmement, la prévention en tant que zone stratégique au-delà de l’hôpital. Loeillot a formulé ici la vision la plus ambitieuse du point de vue de l’assureur : la monétisation de la prévention et une nouvelle promesse aux assurés, à savoir ne pas devenir patient en premier lieu si possible. L’IA préventive, le coaching, les données sur le mode de vie et les interventions précoces pourraient constituer un domaine qui se situe aujourd’hui entre les mandats et est donc considéré comme une frontière.
L’éléphant dans la pièce : les données du système et la lenteur suisse
Un point de discussion est resté présent comme un bruit de fond : la situation systémique des données. Si les données des patients sont encore en partie sur papier et détenues par les médecins généralistes, si les dossiers électroniques nationaux des patients progressent lentement et si les débats sur la protection des données ralentissent la mise à l’échelle, alors l’horizon de l’IA se déplace. La comparaison avec des pays comme le Danemark, qui disposent de structures de DSE (dossiers médicaux électroniques) à l’échelle nationale, en a montré la conséquence : ceux qui peuvent utiliser les données au niveau de la population traduiront plus rapidement l’IA en gains réels pour la santé.
Parallèlement, la réalité technique a également été évoquée : L’état des données dans les hôpitaux, les compagnies d’assurance et les structures de soins est souvent un véritable gâchis. Dans les projets de science des données, la majorité du temps est consacrée au nettoyage et à la préparation des données. Sans cette base, AI-ready reste un mot à la mode.
L’IA est une conversion, pas un ajout
La table ronde l’a clairement montré : dans toute la Suisse, la préparation à l’IA n’est pas déterminée par des outils individuels, mais par l’infrastructure au sens large, comme la normalisation des processus, la gouvernance des données, l’orientation vers les résultats, le financement, y compris les coûts de transformation, et une logique de mise en œuvre qui empêche les solutions isolées. Si vous voulez vraiment utiliser l’IA, vous devez l’ancrer dans le modèle opérationnel et en assumer la responsabilité au niveau du conseil d’administration.
Et c’est peut-être là le message le plus important de Bâle : le volume du débat n’est pas d’un grand secours. Le travail discret, souvent invisible, sur les fondations est crucial.
Binci Heeb
Lire aussi : Amal Clooney : L’IA comme levier pour l’accès à la justice
Recherche :
Sponsors :
