Les points de blocage typiques
- Temps administratif qui mange 30-50 % du temps soignant
- Dossiers patients fragmentés entre 4-8 logiciels métier
- Contraintes HDS + RGPD qui bloquent les projets IA
- Veille médicale impossible à tenir à jour manuellement
- Turnover soignant qui rend la documentation critique
Ce que Kezify vous apporte
- Compte-rendu de visite rédigé en 3 min au lieu de 15
- Recherche dans le dossier patient en langage naturel
- Veille médicale automatisée avec alertes ciblées
- Documentation des protocoles toujours à jour
- Conformité HDS + RGPD maintenue par construction
L’IA en médico-social français en 2026, c’est 4 cas d’usage qui passent (compte-rendu de visite, dossier patient interrogeable, veille médicale, protocoles RAG) sur architecture HDS souveraine (Mistral + Scaleway/OVH HDS), pour un budget de 18 à 120 k€ par projet et un ROI de 30-50 % de temps soignant rendu. Tout le reste (diagnostic IA, chatbot patient médical, scoring) reste interdit ou non rentable à l’échelle PME.
D’après nos audits sur 80 % des projets IA santé qu’on voit arriver chez nous dans ce secteur, ils sont non conformes ou mal cadrés [source : Kezify, retours d’audit 2025-2026]. Le secteur santé et médico-social français est le plus contraint de tous pour l’IA : HDS, RGPD renforcé, secret médical, AI Act “haut risque” sur certains usages, ordre professionnel.
Voici ce qui est réellement faisable en 2026 chez une PME ou ETI santé (clinique, EHPAD, SSIAD, éditeur logiciel santé, CRO, laboratoire), avec les contraintes réelles et les cas qu’on refuse. Sur les 150+ projets que nous avons livrés, dont une douzaine dans le secteur santé, voici nos retours terrain.
Avant de lire la suite — évaluez votre maturité IA en 5 min → Diagnostic interactif gratuit : 12 questions, score sur 100, radar par dimension, recommandations spécifiques ESMS / EHPAD / SSIAD. Sans inscription.
Quels sont les 4 cas d’usage IA qui passent en santé en 2026 ?
1. Génération de compte-rendu de visite / consultation
Le problème : un médecin passe 30-50 % de son temps en administratif. Un compte-rendu de consultation type prend 10-20 minutes à rédiger, souvent le soir après les consultations.
La solution : un assistant de dictée augmenté qui :
- Transcrit la consultation (en local ou via un service HDS type Spoken).
- Structure automatiquement selon le gabarit du service (antécédents, examen clinique, conclusion, prescription).
- N’invente rien : reste strictement ancré sur le dicté.
- Laisse le médecin relire et valider avant enregistrement au DPI.
Technologie : Whisper-large en local ou Mistral Voice + Mistral Large 2.5 en hébergement français Scaleway ou OVH HDS. Jamais OpenAI ou Anthropic directement pour des données patient identifiantes.
Gain : temps de rédaction divisé par 3-5. Budget : 40 000 - 90 000 € selon intégration DPI (DxCare, HM, Orbis, Medistory, Hellodoc).
2. Interrogation du dossier patient en langage naturel
Le problème : un dossier patient moderne contient 50-500 documents (lettres spécialistes, CR bio, imagerie, ordonnances, hospitalisations). Chercher une information précise prend 5-15 minutes de navigation entre onglets.
La solution : un agent qui indexe le dossier patient en local (ou en hébergement HDS) et permet à un soignant d’interroger : “A-t-il déjà eu une allergie à un produit iodé ?”, “Quelle était sa dernière créatinine ?”. Réponse avec citation de la source (date + document).
Ancrage strict, aucune hallucination tolérée. Si l’info n’est pas dans le dossier, l’agent dit “Information non présente dans le dossier.”
Budget : 60 000 - 120 000 €. ROI immédiat en temps médecin, moins facile à chiffrer mais fortement plébiscité en usage.
3. Veille médicale automatisée ciblée
Le problème : les recommandations HAS, ANSM, publications cliniques, protocoles évoluent constamment. Un médecin ou pharmacien hospitalier n’arrive plus à suivre manuellement sa spécialité.
La solution : un agent qui surveille PubMed, HAS, ANSM, EMA, sociétés savantes selon vos thématiques, résume les nouveautés pertinentes, et vous envoie un digest hebdo classé par niveau de preuve.
Attention : aucun patient impliqué, aucune donnée personnelle. C’est le cas le plus simple à déployer en santé parce qu’il est hors HDS et hors AI Act “haut risque”.
Budget : 18 000 - 35 000 €. Très bon cas de démarrage pour tester la maturité IA d’un établissement.
4. Documentation des protocoles + interrogation par les soignants
Le problème : les protocoles de soin, procédures, fiches techniques sont dispersés sur 3-5 plateformes, pas toujours à jour. Un infirmier de nuit qui arrive en remplacement ne trouve pas rapidement “la conduite à tenir en cas de…”.
La solution : base RAG sur vos protocoles + interface de questionnement langage naturel, accessible sur tablette de service.
Garde-fou critique : réponses toujours avec citation de source. Pas de “conseils médicaux” générés hors source. Les protocoles sont la vérité, l’IA est un outil de navigation.
Budget : 25 000 - 50 000 €.
Quels usages IA refusons-nous catégoriquement en santé ?
Les demandes qu’on voit régulièrement et qu’on refuse :
- “Agent IA qui diagnostique” — interdit (AI Act “haut risque” + ordre professionnel). On ne fait pas le diagnostic, on peut faire de l’aide à la décision avec validation systématique du médecin.
- “Chatbot patient qui donne des conseils médicaux” — refusé. Risque judiciaire énorme, même avec disclaimer. On fait des chatbots administratifs (prise de RDV, info pratique), jamais médicaux.
- “IA qui répond aux patients à la place du médecin” — refusé. Même sur du SMS de rappel post-consultation. Le patient qui pose une question médicale doit avoir un humain derrière.
- “Scoring d’admission ou de priorisation patient” — AI Act “haut risque”, AIPD obligatoire, audit externe, non rentable sur une échelle PME. À laisser aux grands CHU et éditeurs spécialisés.
Quelle architecture technique imposons-nous pour les projets IA santé ?
Pour tout projet santé chez nous, non négociable :
| Composant | Choix | Pourquoi |
|---|---|---|
| Modèle LLM | Mistral Large 2.5 + Mistral Small | Hébergé France, souverain |
| Hébergement | Scaleway HDS ou OVH HDS | Certification HDS niveau 6 |
| Voice / transcription | Whisper local ou Spoken HDS | Pas d’envoi vers OpenAI |
| Stockage RAG | Qdrant / PgVector sur infra HDS | Pas de service US |
| Logs / observabilité | Langfuse self-hosted sur HDS | Pas de SaaS US |
| Auth | Pro Santé (RPPS) + MFA | Audit trail médecin |
Claude et GPT, même en région EU, ne sont pas retenus pour les données patient identifiantes. Pour les données anonymisées (veille médicale, protocoles), Claude reste utilisable. Pour tout ce qui touche à un patient nommé, on reste souverain.
Conformité — la checklist minimale
- Hébergement HDS validé (certification à jour du prestataire).
- DPA + accord de sous-traitance signé.
- DPO informé et projet inscrit au registre.
- AIPD réalisée si décision automatisée ou scoring.
- Information des patients si traitement de leur données.
- Droit d’opposition effectif et documenté.
- Traçabilité des accès (qui a interrogé quoi, quand).
- Durée de conservation définie et appliquée.
- Revue annuelle de conformité.
Temps nécessaire pour mettre ces 9 points en place correctement sur un nouveau projet : 2-3 mois incluant validation juridique et DPO. À anticiper dans le calendrier.
Budgets typiques secteur santé
| Projet | Budget initial | Coût exploitation / mois |
|---|---|---|
| Veille médicale ciblée (15 médecins) | 18-30 k€ | 150 €/mois |
| Protocoles interrogeables (établissement 200 lits) | 30-55 k€ | 300 €/mois |
| Dossier patient interrogeable (clinique 80 lits) | 65-110 k€ | 600 €/mois |
| Assistant CR consultation (15 médecins) | 50-90 k€ | 500 €/mois |
Ajouter +20-30 % sur les budgets vs autre secteur, lié au surcoût conformité HDS + validation juridique + intégration DPI. À noter : sur l’ensemble de notre portfolio, les projets santé prennent en moyenne 2,5× plus de temps de calendrier qu’un projet équivalent dans un secteur non régulé [source : Kezify, n=12 projets santé livrés 2024-2026].
L’ordre recommandé pour un établissement
- Mois 1-3 : Veille médicale automatisée (cas simple, hors HDS, teste la maturité organisationnelle).
- Mois 4-8 : Protocoles interrogeables (quick win soignants, HDS mais risque faible).
- Mois 9-14 : CR consultation ou dossier interrogeable (cas à plus forte valeur, validation plus lourde).
Budget cumulé 14 mois : 100 000 - 180 000 €. Démarrer plus gros est casse-gueule sur ce secteur.
Votre établissement ?
Si vous êtes une clinique, un GHT, un éditeur santé ou un laboratoire et que vous voulez savoir par où commencer sans risquer un hors-jeu HDS, 30 minutes au téléphone. On vous dit ce qui est faisable chez vous et dans quel ordre. Sans engagement.
À retenir
- 4 cas d’usage IA passent en santé : compte-rendu de visite, dossier patient interrogeable, veille médicale, protocoles RAG
- Architecture obligatoire : Mistral Large 2.5 + hébergement HDS Scaleway/OVH + Whisper local — jamais OpenAI/Anthropic en direct sur données patient
- Budget moyen : 18-120 k€ par projet, avec un surcoût HDS de +20-30 % vs secteur non régulé
- Calendrier réaliste : 2-3 mois rien que pour la mise en conformité avant tout développement
- À refuser systématiquement : diagnostic IA, chatbot patient médical, scoring d’admission — interdits ou hors-jeu PME
Pour aller plus loin
- Cas client — rédaction de conclusions chez un cabinet d’avocats Paris… — Comment nous avons réduit de 55 % le temps de
- Claude vs GPT vs Mistral pour une PME française — lequel choisir en 20… — Comparaison technique et économique des 3 principaux LLM pour une
- AI Act 2026 — ce qui change concrètement pour une PME qui déploie de l… — Entrée en application progressive du règlement IA européen en 2026
- RGPD + IA en 2026 — ce qui change concrètement pour une PME française — AI Act, DPA, zéro rétention, région EU
- Cas client — maintenance prédictive chez un équipementier auto (480 ma… — Comment nous avons réduit de 31 % les arrêts machine
- ChatGPT Team vs Claude Team vs Mistral Le Chat Pro — quelle souscripti… — Comparatif des 3 souscriptions IA équipe leaders en 2026