IA à l’hôpital : protéger le patient sans priver le soignant

Les soignants utilisent déjà l’IA générative, souvent hors de tout cadre. Interdire ne fonctionne pas, laisser faire expose les patients. Entre les deux, une approche simple gagne du terrain : retirer les données identifiantes avant qu’elles ne quittent l’hôpital.

Un courrier de sortie, trente secondes, un nom de trop

Une médecin de médecine interne termine sa journée avec six courriers de sortie en retard. Elle copie les notes d’hospitalisation d’une patiente dans un assistant d’IA générative et demande une synthèse pour le médecin traitant. Trente secondes plus tard, le courrier est propre, structuré, juste. Dans le texte collé figuraient le nom de la patiente, sa date de naissance, son numéro de séjour, un diagnostic psychiatrique ancien et l’adresse de sa fille. Rien de tout cela n’était nécessaire pour rédiger le courrier. Tout cela est pourtant parti.

Le faux dilemme

La plupart des établissements réagissent à ce type de scène par une note de service : l’usage des IA génératives grand public est interdit. La note est signée, diffusée, archivée. Et les usages continuent, simplement moins visibles, sur le téléphone personnel plutôt que sur le poste de l’hôpital. L’interdiction a un défaut de conception : elle demande au soignant de renoncer à un gain de temps réel, sans rien lui proposer en échange. Dans un hôpital sous tension, ce marchandage est perdu d’avance. La HAS a d’ailleurs choisi une autre posture. Dans ses premières clés d’usage de l’IA générative en santé, elle ne la proscrit pas : elle demande que chaque usage soit conscient, supervisé et raisonné (HAS). Le projet de guide HAS-CNIL soumis à consultation au printemps 2026 consacre une fiche entière aux spécificités de l’IA générative (AP-HP, affaires juridiques). Le message est clair : encadrer plutôt qu’interdire. Reste à savoir comment encadrer un usage qui se joue dans une fenêtre de navigateur.

Ce qu’un prompt contient vraiment

Un prompt médical mélange presque toujours deux choses. La matière clinique, dont l’IA a besoin : symptômes, traitements, chronologie, résultats. Et l’identité du patient, dont elle n’a aucun besoin pour rédiger, résumer ou traduire. L’identité se cache à plusieurs niveaux. Il y a les identifiants directs, faciles à repérer : nom, prénom, numéro de sécurité sociale, IPP, numéro de séjour. Il y a ensuite les identifiants indirects, plus sournois : une date de naissance complète, une commune de 800 habitants, une profession rare, le nom d’un proche. Pris isolément, ils semblent anodins. Combinés, ils désignent une personne avec une précision redoutable. C’est là que la sensibilisation atteint sa limite. On peut demander à un soignant de retirer le nom du patient. On ne peut pas lui demander, à 19 heures, après douze heures de service, de relire chaque prompt avec l’œil d’un DPO.

Retirer l’identité, garder la clinique

L’idée est de confier ce travail à la machine, au bon endroit : dans le navigateur, avant l’envoi. Le principe tient en trois temps. Le texte saisi est analysé au moment où le soignant l’envoie. Les éléments identifiants sont remplacés par des étiquettes neutres, du type « Patient A » ou « Date 1 ». Le service d’IA reçoit un texte cliniquement complet mais sans identité, et sa réponse peut être réassociée localement aux bonnes informations. Pour la médecin de notre exemple, rien ne change : elle colle ses notes, elle obtient son courrier. Pour l’établissement, tout change : le nom, la date de naissance et l’adresse de la fille ne sont jamais sortis. Cette approche a des limites qu’il faut nommer. Juridiquement, remplacer un identifiant par une étiquette relève de la pseudonymisation, pas de l’anonymisation au sens du RGPD : la donnée reste une donnée personnelle, et les obligations demeurent. La détection des identifiants indirects n’est jamais parfaite. Et l’outil ne dit rien de la fiabilité clinique de la réponse : la supervision humaine reste entière. Ce n’est donc pas une solution miracle. C’est une réduction massive de l’exposition, là où elle se produit réellement, sans dépendre de la vigilance d’un soignant épuisé.

Une brique de gouvernance, pas un gadget

L’intérêt de cette approche dépasse la protection ponctuelle. Elle produit aussi de la connaissance : quels services utilisent quelles IA, pour quels usages, avec quels types de données. C’est exactement ce que le référentiel de certification 2027 commence à demander. Le critère 3.4-05 attend des établissements une cartographie des outils d’IA utilisés et une analyse des risques de transmission de données. Le critère 3.4-06, encore au rang de critère avancé, étend cette logique aux IA sans finalité médicale (Ageval). Un établissement capable de montrer où passent les prompts, et ce qui en a été retiré, aura une réponse concrète à apporter aux experts-visiteurs. C’est aussi un levier de dialogue avec le corps médical. Il est plus facile de convaincre une CME avec « vous pouvez continuer, vos patients sont protégés » qu’avec « c’est interdit ». Les médecins ne demandent pas à être surveillés. Ils demandent à ne pas être mis en faute pour avoir voulu gagner du temps.

L’IA n’a pas besoin de connaître le patient

Un bon médecin sait ce qu’il doit dire à un confrère, et ce qu’il doit taire. On n’attend pas moins d’un outil qui s’invite dans le soin. L’IA a besoin de la clinique pour aider. Elle n’a jamais eu besoin du nom du patient. Le reste est une question de réglage. Et de volonté.

Tanguy Duthion, CEO d’Avanoo