Par Bruno Queiroz
Pendant des années, la question que se posait un responsable de santé face à la technologie était simple : comment digitaliser ? Puis, c’en est devenu une autre : comment adopter l’intelligence artificielle ? En 2026, la question change encore et devient plus inconfortable. Il ne s’agit plus de savoir si la solution dispose de l’IA. Presque tous déclarent en être atteints. La question est de savoir si ces renseignements ont un impact sur le fonctionnement même de l’institution.
La distinction semble subtile. Ce n'est pas. Il sépare les investissements des déchets.
Le contexte pousse en faveur de la promesse. Marges serrées, complexité croissante des soins, viabilité financière au centre de l’agenda. Lorsque la pression est forte, la tentation d’adhérer à la promesse selon laquelle « cela peut être résolu grâce à l’IA » augmente également. Et c’est exactement là que le marché a appris à vendre des étiquettes.
Un problème qui a déjà un nom
Le marché de la technologie connaît depuis quelques années un lavage de l’IA : la pratique consistant à reconditionner d’anciens logiciels avec le sceau « propulsé par l’IA ». Avec l’arrivée des agents, Gartner a donné son nom à la version la plus récente du même mouvement, l’agent washing. Il s’agit de la pratique du reconditionnement de produits qui existaient déjà, comme les assistants, l’automatisation des tâches répétitives (l’ancienne RPA) et les chatbots, désormais vendus comme « agents IA », sans qu’il y ait de réelle capacité agentique derrière eux. Le cabinet de conseil a été simple avec les chiffres : sur les milliers de fournisseurs qui prétendent être des agents, ils estiment que seuls 130 environ sont en réalité ce qu'ils prétendent être. Et il prévoit que plus de 40 % des projets d’IA agentique seront annulés d’ici fin 2027, en raison de l’escalade des coûts, de la non-valeur commerciale et d’un contrôle des risques insuffisant.
Pour un PDG, ces chiffres ne sont pas un détail technique. C’est une question d’allocation du capital et de risque institutionnel. L'annulation de quatre projets sur dix n'est pas un problème informatique. C'est un budget compromis, un temps d'équipe épuisé et, peut-être le plus coûteux, l'illusion d'avoir modernisé l'opération alors qu'en pratique, seule l'étiquette a été changée.
En santé, l’étiquette ne survit pas au contact de l’opération
Dans de nombreux secteurs, l’IA superficielle engendre la frustration. Dans le domaine de la santé, cette situation est rapidement exposée et le coût est rarement uniquement financier.
Une recommandation qui ne parvient pas au professionnel au moment de la décision n’est pas de l’intelligence : c’est un autre panel que quelqu’un pourra consulter plus tard. Un contexte clinique perdu entre l’admission, le bloc opératoire et la sortie n’est pas reconstruit par un chatbot. Un patient chronique qui sort sans surveillance et revient en crise n'est pas un événement imprévisible : c'est un signe qu'une automatisation aux règles fixes ne voit pas. Un diagnostic image qui devient un goulot d’étranglement lorsque le volume augmente bloque tout le flux de soins. Et oui, il y a la recette qui échappe : le rejet initial moyen est passé de 12,45 % à 14,6 % entre 2024 et 2025, selon l’Anahp, non pas parce qu’il y a un manque de système, mais parce que la perte se forme avant que les données ne deviennent une décision.
Le fil qui relie tous ces points est le même : la distance entre les données et la décision. L'institution dispose d'informations. Il y a un système. Souvent, il y a « l’IA ». Ce qui lui manque, c'est un renseignement agissant au moment où la décision a effectivement lieu. Et c’est précisément cette lacune que le lavage des agents ne comble pas. Il le décore simplement.
La question qui change la conversation
La solution n’est pas d’adopter davantage d’IA. Cela change les critères d'achat.
Gartner lui-même recommande que l'IA agentique ne soit poursuivie que là où il y a une valeur ou un retour clair, et que le véritable gain vient de la productivité au niveau opérationnel : utilisation d'agents dans des situations où une décision doit être prise, automatisation pour ce qui est routinier et assistant pour ce qui est une simple requête. Transposé à la réalité d'un hôpital ou d'un réseau, peu importe si la solution « possède de l'IA », mais plutôt si cette intelligence lit le contexte de l'opération, agit au bon moment et le fait sous la gouvernance et la supervision humaine.
Il existe également un deuxième filtre qui, dans le domaine de la santé, n’est pas facultatif : l’explicabilité. Le marché appelle cela une IA explicable, et la logique est simple. Une recommandation clinique dont la raison n’est pas claire est une recommandation à laquelle personne ne donne suite. Le médecin doit en comprendre la raison avant de prendre le risque. Les renseignements qui ne peuvent être audités ne deviennent pas une décision, ils deviennent un autre avertissement ignoré. Il ne suffit donc pas que l’IA agisse : elle doit agir dans le contexte, sous gouvernance et de manière explicable.
C’est la maturité que le secteur commence à exiger. La conversation est passée de « l’innovation » à la « capacité d’exécution ». Le PDG qui pose cette question se demande si l’intelligence qu’il achète fonctionne réellement ou n’est qu’une étiquette sur l’automatisation habituelle, protège le capital, protège les opérations et, dans le domaine de la santé, protège le patient.
Car, au final, la différence entre une IA qui agit et une IA qui se contente de se faire de la publicité n’apparaît pas dans le support commercial. Elle apparaît dans l’opération, le jour où elle doit délivrer la bonne décision, au bon moment, à la bonne personne. C'est là que tombe l'étiquette.
*Bruno Queiroz est vice-président de la technologie et de l'innovation chez Salux.
