Quand on parle d'IA santé à Lyon, l'image qui vient est celle du diagnostic automatique, du logiciel qui repère une tumeur avant le médecin. C'est le morceau le plus visible, et de loin le moins représentatif. La réalité de la filière lyonnaise est plus prosaïque, plus lente, et beaucoup plus avancée qu'on ne le croit sur des sujets dont personne ne parle.
La métropole réunit trois ingrédients qui se trouvent rarement ensemble : un ensemble hospitalier universitaire parmi les plus importants de France, une recherche biomédicale dense adossée à l'université et aux organismes nationaux, et une industrie des sciences du vivant historiquement implantée, du diagnostic in vitro aux vaccins. Chacun de ces trois mondes produit des données, et chacun a ses propres raisons d'y appliquer de l'intelligence artificielle.
Cet article décrit les familles d'usages effectivement à l'œuvre, du plus mûr au plus expérimental, et explique pourquoi leur rythme d'adoption n'a presque rien à voir avec la maturité technique.
Trois écosystèmes qui se superposent
Le premier est hospitalier. Les Hospices Civils de Lyon constituent l'un des plus grands centres hospitaliers universitaires français, avec un volume d'actes d'imagerie et de biologie qui en fait un terrain de données considérable. S'y ajoute le Centre Léon Bérard, centre de lutte contre le cancer, dont l'activité concentre des cohortes de patients suivies sur des années.
Le deuxième est académique. Les laboratoires de la métropole travaillent depuis longtemps sur le traitement du signal et de l'image appliqué au médical : le laboratoire CREATIS, unité mixte associant notamment l'INSA Lyon et l'Université Claude Bernard Lyon 1, en est l'exemple le plus connu, avec des travaux qui vont de la reconstruction d'images à la modélisation.
Le troisième est industriel. La filière des sciences du vivant, structurée autour du pôle de compétitivité régional et de sites industriels majeurs dans le diagnostic et les vaccins, apporte un rapport très différent à l'IA : ici, on ne cherche pas d'abord à assister un praticien, on cherche à accélérer une chaîne de recherche et développement ou à fiabiliser une production. Ce mélange fait la particularité lyonnaise, décrite plus largement dans notre panorama des filières qui utilisent l'IA à Lyon.
L'imagerie médicale, le terrain le plus mûr
C'est là que l'intelligence artificielle en santé a le plus d'antériorité, pour une raison simple : l'image est un format standardisé, produit en très grande quantité, et déjà stocké dans des systèmes conçus pour l'archiver.
Les usages concrets se répartissent en trois catégories, dont une seule fait les titres.
- L'aide à la détection. Repérage de nodules, de lésions, de fractures, priorisation des examens urgents dans une liste de travail. Le logiciel ne conclut pas : il attire l'attention et propose une mesure. Le radiologue valide, corrige ou ignore.
- La reconstruction et le débruitage. Beaucoup moins spectaculaire, beaucoup plus déployé. Réduire la dose d'irradiation ou raccourcir un temps d'acquisition tout en conservant une image exploitable a un intérêt clinique et économique immédiat.
- La quantification. Mesurer un volume, suivre l'évolution d'une lésion entre deux examens, segmenter un organe. C'est un travail long, répétitif et peu gratifiant pour un humain, et il est excellent pour une machine.
Point important pour comprendre le rythme : un logiciel qui participe au diagnostic est un dispositif médical. Il doit être marqué comme tel, ce qui suppose un dossier technique, des preuves cliniques et une surveillance après mise sur le marché. Entre un modèle qui fonctionne en laboratoire et un logiciel utilisable en routine, il y a donc plusieurs années et un investissement réglementaire lourd.
La recherche clinique et les données de vie réelle
C'est probablement le domaine où l'apport est le plus fort et le moins visible du public. Trois usages dominent.
L'identification de patients éligibles à un essai. Trouver, parmi des dizaines de milliers de dossiers, ceux qui correspondent à une douzaine de critères d'inclusion est un travail d'aiguille dans une botte de foin. Les modèles de langage savent lire les comptes rendus rédigés en texte libre, qui représentent l'essentiel de l'information clinique et que les requêtes structurées classiques ne savent pas exploiter. Le gain se mesure en semaines de recrutement économisées, sur des essais où le retard de recrutement est la première cause d'échec.
La structuration des comptes rendus. Extraire d'un texte libre un stade, une localisation, un traitement, une date, pour alimenter un entrepôt de données de santé. C'est un travail de codage qui mobilisait des attachés de recherche clinique et qui devient semi-automatique, avec relecture humaine sur les cas incertains.
L'analyse de données de vie réelle. Comparer des parcours de soins sur des cohortes larges pour évaluer l'efficacité d'une pratique en conditions réelles, au-delà des essais contrôlés.
Tout cela repose sur une infrastructure de données de santé encadrée, avec des méthodologies de référence qui permettent à un établissement de mener des recherches sans autorisation préalable dès lors qu'il en respecte le cadre, et un accès aux données nationales pour les projets qui le nécessitent. Cette organisation est un atout et une contrainte : elle sécurise, elle ralentit.
La logistique hospitalière et les fonctions support
Les usages les plus rentables à court terme ne touchent pas au soin. Ils touchent à tout ce qui l'entoure et qui absorbe une part considérable du temps des équipes.
| Usage | Ce que l'IA apporte | Maturité |
|---|---|---|
| Prévision d'activité | Anticiper les flux aux urgences et les besoins en lits selon la saison et les signaux locaux | Déployée dans plusieurs établissements |
| Planification des blocs | Optimiser l'enchaînement des interventions et réduire les créneaux perdus | Mature, souvent hors IA générative |
| Dictée et compte rendu | Transcrire et pré-rédiger un compte rendu à partir de la dictée du praticien | En déploiement, gain de temps immédiat |
| Codage de l'activité | Proposer les codes à partir du dossier, avec validation par le département d'information médicale | Expérimentations avancées |
| Réponse aux appels d'offres et achats | Analyser des cahiers des charges, comparer des offres de fournitures | Usage administratif banal |
La dictée assistée mérite une mention particulière. Rendre au praticien vingt à quarante minutes par jour de rédaction est le gain le plus direct qu'un établissement puisse obtenir, sans toucher à la décision médicale et sans qualification de dispositif médical, à condition que le compte rendu soit relu et validé.
Ce qui explique le rythme : le cadre, pas la technique
Un porteur de projet venu d'un autre secteur est toujours surpris par la durée des projets en santé. Quatre facteurs se cumulent.
- La nature des données. Les données de santé sont des données sensibles au sens du règlement européen. Leur traitement suppose une base légale solide, une analyse d'impact, un hébergement certifié pour les données de santé, et une information des personnes. Ces exigences ne sont pas négociables et structurent l'architecture dès la première ligne de code.
- Le statut de dispositif médical. Dès qu'un logiciel a une finalité de diagnostic, de prévention ou de traitement, il bascule dans un régime de certification long et coûteux. Beaucoup de projets sont volontairement cantonnés à l'aide administrative pour rester hors de ce périmètre.
- La responsabilité. Un praticien reste responsable de sa décision. Un outil qui ne permet pas de comprendre et de vérifier sa suggestion sera peu utilisé, quelle que soit sa performance statistique.
- Le cycle de la preuve. Publier, faire évaluer, obtenir l'adhésion des sociétés savantes : ce chemin se compte en années, pas en trimestres.
Pour les entreprises de la région qui veulent travailler avec cette filière, la conséquence est directe : les cycles de vente sont longs, l'exigence documentaire est forte, et les preuves cliniques comptent plus que la démonstration produit. Les fondamentaux de conformité applicables à tout traitement sont détaillés dans notre article sur le RGPD et l'IA en entreprise.
IA santé à Lyon : ce qu'il faut retenir
La filière santé lyonnaise n'attend pas l'IA : elle en fait déjà, à des degrés très inégaux selon les usages. L'imagerie médicale est en production depuis des années sur des tâches de quantification et de reconstruction. La recherche clinique gagne des semaines grâce à la lecture automatique de textes libres. Les fonctions support constituent le gisement le plus immédiat et le moins risqué.
Pour une organisation qui veut se positionner sur l'IA santé à Lyon, la lecture utile est celle-ci : commencez par ce qui ne touche pas à la décision médicale, apportez des preuves plutôt que des promesses, et budgétez la conformité comme un poste de premier plan et non comme une formalité de fin de projet. C'est ce qui distingue les projets qui sortent du pilote de ceux qui y restent.
Laisser un commentaire