Au CHU de Montpellier, l’IA au service des données cliniques et du dépistage

Dans un hôpital, les données sont partout : comptes rendus médicaux, résultats de laboratoire, images, antécédents, prescriptions ou rendez-vous. Leur abondance peut devenir une difficulté lorsqu’il faut en tirer rapidement une information utile pour un patient. Au CHU de Montpellier, l’intelligence artificielle est précisément envisagée comme un moyen de mieux mobiliser ces informations, en particulier pour le dépistage et l’appui au diagnostic.

L’enjeu ne consiste pas à confier la médecine à une machine. Il est de doter les équipes de nouveaux outils d’analyse, capables de repérer des éléments pertinents dans de très grands ensembles de données. Cette ambition concerne autant les activités cliniques que la recherche, l’organisation interne et l’enseignement. Elle suppose toutefois une condition essentielle : l’outil doit être fiable, compris par les soignants et employé dans un cadre qui protège les patients.

Depuis fin 2020, un rôle régional d’innovation

Le CHU de Montpellier a été désigné « extracteur de territoire » à la fin de l’année 2020. Cette mission l’inscrit dans une logique de soutien aux hôpitaux publics de sa région pour accélérer l’innovation en santé. L’expression souligne l’importance prise par les données issues des territoires de soins : correctement organisées et analysées, elles peuvent alimenter des travaux de recherche, aider à évaluer des pratiques et faire émerger de nouveaux outils.

Lors d’une conférence consacrée à l’intelligence artificielle, organisée par le CHU, des experts ont présenté les possibilités ouvertes par l’exploitation de grandes quantités de données cliniques. L’une des applications mises en avant concerne le meilleur dépistage de pathologies, dont les tumeurs. L’idée est de recourir à des algorithmes afin d’affiner l’analyse d’informations médicales complexes et de fournir des éléments complémentaires aux équipes soignantes.

Ce point est important : un algorithme n’établit pas seul un diagnostic médical. Dans le cadre hospitalier, il peut signaler un motif inhabituel, classer des données ou mettre en évidence une cohérence qui mérite une attention particulière. L’interprétation clinique, la discussion avec le patient et la décision thérapeutique restent du ressort des professionnels de santé.

Comment l’IA peut-elle soutenir le dépistage et le diagnostic ?

L’intelligence artificielle désigne un ensemble de méthodes informatiques capables d’identifier des régularités dans des données. En santé, ces données peuvent prendre de nombreuses formes : texte médical, imagerie, résultats biologiques ou informations administratives. Lorsqu’un système a été conçu et évalué pour une tâche déterminée, il peut aider à traiter un volume d’informations qu’aucune personne ne pourrait examiner seule dans le même délai.

Dans le cas du dépistage des tumeurs évoqué au CHU de Montpellier, l’intérêt potentiel réside dans l’analyse plus fine de données cliniques. Un outil peut, par exemple, contribuer à faire ressortir des caractéristiques à vérifier, à prioriser certains dossiers ou à rapprocher plusieurs informations utiles à l’évaluation médicale. Cela ne signifie pas que tout résultat généré par un système est juste. La qualité des données, la méthode d’entraînement, la population concernée et les conditions réelles d’utilisation influencent directement la pertinence d’un outil.

Le tableau ci-dessous distingue les principaux domaines cités par le CHU et la logique d’usage qui peut les relier à l’IA.

Les informations disponibles ne précisent ni le nombre de patients concernés ni les performances mesurées de tel ou tel outil au CHU de Montpellier. Il serait donc prématuré d’affirmer que l’IA y améliore déjà, à elle seule, les résultats médicaux. L’intérêt du projet tient à l’exploration de ces usages et à l’organisation nécessaire pour les évaluer dans des conditions adaptées au soin.

L’IA générative ouvre un autre chantier pour les données cliniques

L’essor de l’IA générative ajoute une dimension particulière à cette transformation. À la différence d’un algorithme conçu pour une tâche très circonscrite, comme l’analyse d’une image, un système génératif peut produire ou reformuler du texte. Dans un contexte de santé, ce type d’outil peut notamment être envisagé pour aider à structurer, résumer ou retrouver des informations présentes dans une documentation volumineuse.

Mais cette capacité à produire du contenu appelle une vigilance renforcée. Un système génératif peut formuler une réponse convaincante tout en étant inexact ou incomplet. En médecine, où une erreur d’interprétation peut avoir des conséquences concrètes, les contenus produits par l’IA doivent être vérifiés. Ils ne peuvent pas être intégrés automatiquement à un dossier ou utilisés comme un avis médical sans relecture et sans règles d’utilisation précises.

Cette distinction est utile pour comprendre la stratégie hospitalière. L’IA ne constitue pas une technologie unique : elle recouvre des outils aux objectifs, aux risques et aux méthodes d’évaluation différents. Un logiciel qui aide à analyser une imagerie médicale, un système qui organise des rendez-vous et une IA générative qui traite du texte n’appellent pas les mêmes garanties.

Une intégration qui dépasse le seul acte médical

Le CHU de Montpellier envisage l’intelligence artificielle à plusieurs niveaux de son fonctionnement : gestion, soins, recherche et enseignement. Cette approche multidimensionnelle vise à éviter que les outils numériques soient isolés dans un seul service. Une innovation utile à l’hôpital doit pouvoir dialoguer avec les réalités du terrain, les contraintes des équipes, les besoins des patients et les exigences de la recherche.

Les travaux mentionnés du centre de recherche ERIOS, présenté comme un espace consacré à l’intégration d’outils numériques en santé, s’inscrivent dans cette perspective. Ils illustrent l’intérêt d’un lieu où cliniciens, chercheurs et spécialistes des technologies peuvent confronter les possibilités techniques aux pratiques de soin. C’est dans ce type de dialogue que l’on peut déterminer si une solution répond réellement à un besoin et si elle s’intègre sans alourdir le travail des équipes.

Le partenariat évoqué entre Intrasense et le CHU de Montpellier porte, lui, sur l’étude de l’impact de solutions d’IA sur la précision diagnostique. Cette démarche rappelle qu’un outil médical ne doit pas seulement être innovant sur le plan informatique. Il doit aussi faire l’objet d’une évaluation rigoureuse de son utilité dans le parcours réel des patients.

Pourquoi l’IA ne remplace pas le médecin

L’introduction d’un outil d’IA modifie la manière de travailler, mais elle ne supprime ni le jugement clinique ni la responsabilité des soignants. La médecine ne repose pas seulement sur la détection de régularités statistiques. Elle implique l’examen d’une personne, son histoire, ses symptômes, ses préférences, les bénéfices et les risques d’un traitement, ainsi qu’un échange humain indispensable.

L’IA peut apporter une aide d’analyse, particulièrement lorsque les données sont nombreuses ou difficiles à comparer. Le médecin, lui, est chargé de replacer ce résultat dans son contexte. Il doit aussi savoir quand ne pas suivre une recommandation automatisée. Cette capacité de recul est d’autant plus importante qu’un modèle peut reproduire des biais présents dans ses données d’apprentissage ou fonctionner moins bien sur certaines catégories de patients.

Le maintien d’une relation de confiance avec les patients passe donc par une information claire sur la place de ces outils. Un patient doit pouvoir comprendre que l’IA assiste les professionnels, qu’elle ne décide pas seule de sa prise en charge et que ses informations de santé sont soumises à des règles de protection spécifiques.

Données, sécurité et réglementation : les conditions de la confiance

L’utilisation de données cliniques à grande échelle soulève des questions éthiques et réglementaires majeures. Les établissements doivent protéger la confidentialité des patients, limiter les accès aux personnes et services autorisés, sécuriser les infrastructures et veiller à la traçabilité des usages. Il faut également s’assurer que les données utilisées sont pertinentes pour l’objectif poursuivi et que les résultats ne créent pas de discrimination ou d’erreurs systématiques.

En France, la CNIL rappelle régulièrement la nécessité de concilier innovation et protection des personnes lorsque des données de santé sont traitées. Le cadre européen de protection des données s’applique à ces informations sensibles. Pour les équipes hospitalières, cela implique de ne pas considérer une solution d’IA comme un simple logiciel de bureautique : son déploiement doit être préparé, documenté et surveillé.

Le contexte réglementaire évolue aussi au niveau européen. Le règlement européen sur l’intelligence artificielle, entré en vigueur le 1er août 2024, prévoit une mise en application progressive de ses dispositions. Selon leur usage et leur statut, des systèmes d’IA employés dans le secteur de la santé peuvent relever d’exigences élevées, notamment en matière de gestion des risques, de qualité des données, de documentation et de supervision humaine.

Pour un CHU, la prudence ne constitue donc pas un frein extérieur à l’innovation. Elle conditionne son acceptabilité. Un outil qui ne protège pas les données, dont les limites restent opaques ou qui complique le travail quotidien a peu de chances de s’installer durablement dans les pratiques.

Former les équipes et construire des usages utiles

Les informations disponibles indiquent que des formations spécifiques sont dispensées au personnel médical afin de faciliter l’utilisation des outils d’IA. Cette dimension est déterminante. Une formation ne consiste pas seulement à apprendre à utiliser une interface : elle doit permettre de comprendre la finalité de l’outil, d’interpréter ses résultats, d’identifier ses limites et de savoir à quel moment demander un avis complémentaire.

L’enjeu concerne aussi les futurs professionnels de santé. En intégrant l’enseignement parmi les axes de travail, le CHU de Montpellier reconnaît que les compétences numériques prennent une place croissante dans l’environnement hospitalier. Les soignants devront pouvoir dialoguer avec des spécialistes de la donnée, participer à l’évaluation des outils et rester en mesure de préserver la qualité de la relation avec les patients.

La collaboration avec des startups et des experts des technologies médicales est également présentée comme nécessaire pour maintenir une dynamique d’innovation. Ces partenariats peuvent accélérer l’accès à des solutions nouvelles. Ils demandent néanmoins un cadre précis : l’hôpital doit conserver la maîtrise de ses exigences cliniques, éthiques et de sécurité.

Ce qu’il faut surveiller pour la suite

L’initiative montpelliéraine illustre une évolution plus large de l’hôpital : l’IA devient un sujet d’organisation, de recherche et de formation autant qu’un sujet technologique. Les usages les plus prometteurs seront ceux qui répondent à un problème concret, apportent un gain démontré et s’intègrent sans fragiliser la confidentialité ni la responsabilité médicale.

Plusieurs questions guideront la suite : quels outils améliorent effectivement la précision ou la rapidité des prises en charge ? Comment évaluer leurs résultats sur des patients représentatifs ? Qui contrôle les données et les mises à jour des logiciels ? Comment expliquer ces pratiques aux patients ? Les réponses détermineront si l’IA devient un soutien réellement utile au système de santé.

Au CHU de Montpellier, l’ambition affichée est de mobiliser les données cliniques pour soutenir le dépistage, les soins et l’innovation régionale. La réussite de cette démarche ne se mesurera pas à la seule présence d’outils d’intelligence artificielle, mais à leur capacité à renforcer, de manière sûre et contrôlée, le travail des équipes médicales et la qualité de la prise en charge.