Dessinons votre avenir
IA générative en santé : 7 règles pour sécuriser les équipes
IA générative en santé : 7 règles concrètes issues des repères HAS et CNIL pour former les équipes, protéger les données et sécuriser les usages.
8/4/20265 min read
L’intelligence artificielle générative est déjà entrée dans les usages quotidiens : recherche d’information, reformulation d’un document, préparation d’un support ou synthèse d’idées. Dans les secteurs sanitaire, social et médico-social, cette facilité d’accès crée une question très concrète : comment profiter de ces outils sans fragiliser la confidentialité, la qualité de l’information ni la responsabilité professionnelle ? Les repères publiés par la Haute Autorité de santé offrent une base utile pour former les équipes et organiser des usages maîtrisés.
Pourquoi encadrer l’IA générative dès maintenant ?
Un outil d’IA générative peut produire rapidement un texte convaincant, mais une réponse bien rédigée n’est pas nécessairement exacte. Elle peut contenir une erreur, omettre une nuance ou présenter une information ancienne comme actuelle. En santé, ces limites prennent une importance particulière lorsque le contenu concerne une personne accompagnée, un protocole, une conduite à tenir ou une décision clinique.
La HAS a mis à jour en avril 2026 ses premières clefs d’usage de l’IA générative en santé. Elle rappelle que chaque usage doit être conscient, supervisé et raisonné. En juin 2026, elle a également publié, avec la CNIL et France Assos Santé, des repères destinés aux usagers. Le message commun est clair : esprit critique, vigilance sur les données personnelles et intervention humaine restent indispensables.
1. Définir les usages autorisés avant de choisir l’outil
La première étape n’est pas technique. Elle consiste à décider ce que l’établissement souhaite permettre, encadrer ou interdire. Préparer le plan d’une présentation, reformuler un texte générique ou proposer des questions pour un exercice ne présente pas les mêmes risques que résumer un dossier de soins ou suggérer une orientation clinique. Une charte courte peut préciser les usages possibles, les personnes référentes et les situations qui nécessitent une validation préalable.
Cette cartographie évite deux écueils : une interdiction générale difficile à appliquer et une utilisation individuelle sans cadre partagé. Elle doit être adaptée au contexte, aux outils réellement disponibles et aux procédures internes de l’établissement.
2. Protéger les données avant toute requête
Avant de saisir une information dans un service d’IA, le professionnel doit se demander si elle permet d’identifier directement ou indirectement une personne. Nom, date de naissance ou numéro de dossier sont évidents, mais une fonction rare, une situation clinique singulière ou le croisement de plusieurs détails peuvent aussi rendre quelqu’un identifiable. En l’absence d’un outil validé et d’un cadre explicite, la prudence consiste à travailler uniquement sur des exemples fictifs et dépourvus de données personnelles.
La CNIL rappelle que les données de santé bénéficient d’une protection particulière. Les projets qui utilisent ces données pour développer ou évaluer un système d’IA nécessitent une analyse spécifique associant notamment le responsable du traitement, le délégué à la protection des données et les responsables du projet.
3. Vérifier le contenu généré et retrouver la source
Une réponse produite par une IA doit être considérée comme une proposition à contrôler, jamais comme une preuve. La HAS résume cette démarche avec la ligne directrice A.V.E.C. : Apprendre, Vérifier, Estimer et Communiquer. Concrètement, le professionnel vérifie les faits, les dates, le périmètre d’application et les références dans une source fiable. Si l’outil cite un texte réglementaire, une recommandation ou une étude, il faut ouvrir le document original et s’assurer qu’il dit réellement ce qui est annoncé.
La vérification doit être renforcée lorsque l’information pourrait influencer un soin, une organisation ou la sécurité d’une personne. Une réponse impossible à sourcer ne doit pas être intégrée à un document opérationnel comme si elle était acquise.
4. Maintenir une décision humaine identifiable
L’IA peut assister la préparation d’un travail, mais elle ne remplace ni l’expertise ni le jugement du professionnel. Celui qui utilise le résultat doit pouvoir expliquer ce qu’il a contrôlé, pourquoi il l’a retenu et quelles limites subsistent. Pour les productions sensibles, l’établissement peut prévoir une validation par un second professionnel ou par le responsable du domaine concerné.
Ce principe protège aussi les équipes : il évite qu’un contenu apparemment abouti soit repris automatiquement sous la pression du temps. L’objectif n’est pas de ralentir tous les usages, mais d’adapter le niveau de contrôle à la conséquence possible d’une erreur.
5. Former avec des situations de travail réelles
Une sensibilisation efficace ne se limite pas à expliquer le fonctionnement d’un modèle. Elle confronte les participants à des cas proches de leur activité : repérer des données identifiantes dans une requête, comparer une réponse à une source officielle, détecter une affirmation non vérifiée ou améliorer une consigne trop vague. Ces exercices rendent immédiatement visibles les bénéfices et les risques.
La formation peut réunir professionnels de terrain, cadres, qualité, informatique et protection des données. Ce dialogue pluridisciplinaire aide à construire des règles compréhensibles et applicables. Il s’inscrit naturellement dans une démarche plus large de développement des compétences et d’amélioration continue.
6. Tester à petite échelle et mesurer l’utilité
Avant un déploiement large, mieux vaut choisir un cas d’usage peu risqué, définir le résultat attendu et observer ce qui change réellement. Le temps gagné ne suffit pas : il faut aussi regarder la qualité du résultat, le temps consacré aux vérifications, les erreurs détectées, l’acceptabilité par les équipes et les éventuels effets sur l’organisation.
Un retour d’expérience simple permet de décider si l’usage doit être conservé, modifié ou arrêté. Cette logique d’évaluation rejoint le pilotage qualité présenté dans notre article sur les IQSS 2026 et la mobilisation des équipes : un outil n’a d’intérêt que s’il contribue à une amélioration observable et maîtrisée.
7. Organiser le signalement et l’amélioration continue
Les usages évolueront vite. L’établissement doit donc prévoir un circuit pour signaler une réponse problématique, un doute sur les données ou un besoin non couvert. Le signalement ne doit pas servir à sanctionner une expérimentation de bonne foi ; il permet d’identifier les difficultés, d’ajuster les consignes et de partager les apprentissages.
Un point périodique peut réunir les référents concernés afin d’examiner les usages, les incidents, les nouveaux outils et les évolutions officielles. Les équipes doivent aussi savoir où poser une question avant d’utiliser l’IA dans une situation inhabituelle.
Un plan d’action en 30 jours pour les établissements
Semaine 1 : recenser les usages déjà présents, sans jugement, et identifier les outils employés. Semaine 2 : classer les cas selon leurs risques, associer la direction, la qualité, le DPO et les métiers, puis rédiger quelques règles prioritaires. Semaine 3 : former un premier groupe à partir de cas concrets et tester un usage à faible risque. Semaine 4 : recueillir les retours, corriger le cadre et communiquer à l’ensemble des équipes un point de contact clair.
Cette progression rend la démarche tangible sans promettre une solution universelle. Elle peut être adaptée à la taille de l’établissement, à sa maturité numérique et à ses obligations internes. Pour construire une sensibilisation ou une formation adaptée à vos équipes, vous pouvez échanger avec MVR Formations Santé.
En conclusion
L’IA générative peut soutenir les professionnels, à condition de rester un outil supervisé. Un cadre utile repose sur des usages définis, la protection des données, la vérification des contenus, une décision humaine explicite, une formation pratique et une évaluation continue. Les repères de la HAS donnent aux établissements une base solide pour passer d’usages dispersés à une démarche collective et responsable.
Cet article propose des repères opérationnels généraux et ne constitue pas un avis juridique. Les décisions doivent être adaptées au contexte de chaque établissement et validées par les personnes compétentes.
Découvrez nos formations et rejoignez-nous aujourd'hui.
Équipe
Contact
+33 1 30 32 17 96
© 2024. Tous droits réservés.