Un jour pour arrêter de fantasmer l’IA dans le médicament et parler sécurité, preuves, cash
Dans un établissement de santé, une PUI, un industriel pharma/medtech ou un éditeur logiciel, l’IA sur le circuit du médicament, ça ne se juge pas à la démo. Ça se juge à trois trucs: la baisse d’erreurs, la charge en moins, et ta capacité à rester dans les clous (réglementaire, données, responsabilité). Le Symposium « Intelligence Artificielle et Circuit du Médicament » à Villeurbanne coche une case rare: un format “expertise + retours d’expérience + réseau” sur un sujet où, très vite, les slides se fracassent sur le terrain.
Tu veux y aller utile? Viens avec 7 questions. Pas “quels modèles vous utilisez?”. Plutôt: “qui est responsable quand l’algorithme se trompe?”, “comment vous prouvez le bénéfice?”, “comment vous survivez à l’AI Act?”.
Les infos pratiques, vérifiables
- Événement: Symposium « Intelligence Artificielle et Circuit du Médicament »
- Date: mardi 24 novembre 2026, 08:00 à 17:15
- Lieu: I-Factory La Doua, 10 avenue Jean Capelle Ouest, 69100 Villeurbanne (campus LyonTech La Doua)
- Format: interventions d’experts, retours d’expérience, networking (accueil café dès 8h)
- Inscription: gratuit sur inscription (places annoncées comme limitées dans la communication)
- Thèmes annoncés: pharmacie clinique et santé publique, jumeau numérique pharmacocinétique (optimisation de posologies), pharmacovigilance, repositionnement de médicaments par IA, table ronde industrielle, algorithmovigilance et AI Act, dynamique territoriale en Auvergne-Rhône-Alpes
Source: page agenda I-Factory (Université de Lyon) et communication associée sur LinkedIn (accès tram mentionné).
Le “circuit du médicament”, c’est quoi exactement?
Si tu ne poses pas les mots, tu ne poses pas les bonnes questions. Opérationnellement, le circuit du médicament, c’est l’enchaînement qui va de la prescription à la dispensation, puis à l’administration, avec la documentation dans le dossier patient. À l’hôpital, la dispensation côté PUI ne se limite pas à “délivrer”: elle inclut l’analyse pharmaceutique de l’ordonnance, la préparation éventuelle des doses, et l’information/conseil pour le bon usage. Sources: documents institutionnels sur le circuit du médicament et la dispensation.
Et il y a un point qui revient en vrai dans les risques: à la dispensation, les défauts typiques sont défaut d’analyse, erreurs de préparation, erreurs de cueillette. Donc oui, c’est un terrain naturel pour des systèmes qui aident à repérer, prioriser et tracer.
Pourquoi c’est un sujet “risque patient” et pas juste “productivité”
Les erreurs médicamenteuses et la iatrogénie pèsent lourd dans les événements indésirables graves associés aux soins déclarés (EIGS). La HAS indique que sur 2017-2023, la thématique “erreurs médicamenteuses et iatrogénie” représente 12,4 % des déclarations (11 430). Pour 2023, c’est 10,5 % (4 083). Et côté typologie, sur un échantillon analysé dans l’abrégé EIGS 2022, l’erreur de dosage ressort comme la plus déclarée (83 cas sur 143). Sources: rapports HAS EIGS.
Autre angle utile: l’OMS souligne que les dommages évitables liés aux médicaments pèsent près de 50 % des dommages évitables dans les soins médicaux, avec un focus sur polymédication et transitions de soins. Traduction terrain: la conciliation médicamenteuse et la qualité de l’information entre services, entre ville et hôpital, c’est un point dur. Source: policy brief OMS (mars 2024) + rappel HAS sur conciliation et revue de médicaments.
Où l’IA apporte de la valeur réelle dans le circuit du médicament
On va être clair: l’IA n’“automatise” pas la responsabilité clinique. Elle peut par contre réduire le bruit, faire remonter des signaux, aider à trier, et standardiser la traçabilité. Dans un circuit du médicament, la valeur se joue souvent sur la priorisation et l’assistance à la revue, pas sur une “décision IA” en roue libre.
1) Prescription: détecter des incohérences et prioriser les revues
Cas typiques: doses hors fourchette, interactions, contre-indications, duplications, allergies, adaptation rénale ou hépatique. L’IA est utile quand elle hiérarchise (ce qui est urgent et probable) et quand elle explique (pourquoi elle alerte). Sinon, tu crées une usine à fatigue d’alertes.
2) Dispensation (PUI): sécuriser l’analyse pharmaceutique et réduire les erreurs
La dispensation inclut l’analyse, la préparation, l’information. Là, l’IA peut aider à détecter des écarts et à standardiser des contrôles, mais surtout à prioriser les ordonnances à risque (polymédication, gériatrie, anticoagulants, antibiothérapie complexe, etc.).
3) Administration: traçabilité et cohérence “ce qui a été donné”
Le nerf de la guerre: la traçabilité, la conformité avec la prescription, la prise en compte des modifications, et la documentation. Ici, l’IA peut assister le rapprochement et la détection d’anomalies, mais attention: les erreurs d’interface, de synchronisation, ou de contexte patient font plus de dégâts que le modèle lui-même.
4) Conciliation et transitions: réduire les pertes d’info
La conciliation médicamenteuse (admission, transfert, sortie) est un terrain “data” très imparfait: sources multiples, médicaments de ville, automédication, ordonnances externes. L’IA peut aider à structurer et comparer des listes, mais la question centrale reste: quelle preuve clinique et quel flux de validation derrière?
5) Pharmacovigilance et algorithmovigilance: surveiller dans la durée
Le symposium annonce des sujets pharmacovigilance, repositionnement et algorithmovigilance. Pour toi, la question utile n’est pas “vous utilisez du NLP?”. C’est: comment vous captez le signal, comment vous évitez le faux positif, et comment vous prouvez que le système reste performant quand le contexte change (nouvelles pratiques, nouveaux patients, nouveaux médicaments).
Les 7 questions à venir poser (réglementaire, données, ROI)
Objectif: ressortir avec des réponses actionnables, utilisables en comité (direction, DSI, qualité, pharmacie, achats, juridique). Chaque question est formulée pour déclencher une réponse concrète, pas une dissertation.
1) “Votre cas d’usage est-il un dispositif médical logiciel, ou pas? Et qui le porte?”
Question simple, mais ça trie tout. Si l’IA influence une décision clinique ou la sécurité patient de manière significative, tu peux vite rentrer dans un cadre “DM logiciel” (ou au minimum une exigence de validation et de documentation forte). Tu veux savoir:
- si l’équipe considère le système comme support à la décision ou automatisation,
- qui est “owner” en production (pharmacie, DSI, direction qualité, éditeur),
- ce qui est verrouillé vs modifiable (notamment si le modèle évolue).
2) “Concrètement, comment vous vous alignez avec l’AI Act en santé? Qui fait quoi?”
Le symposium annonce explicitement “AI Act” et “algorithmovigilance”. Profites-en. Ce que tu veux obtenir:
- la catégorisation du risque du système et les obligations associées,
- la liste des preuves qu’ils produisent (documentation, logs, traçabilité, gestion des incidents),
- la répartition des rôles entre fournisseur et déployeur (hôpital, industriel, éditeur).
Si tu veux un cadre côté entreprise, tu peux relire ensuite le guide Lyon IA sur l’opérationnel AI Act: https://lyon-ia.com/blog/ai-act-a-lyon-ce-qui-sapplique-deja-et-ton-plan-30-jours-usages-contrats-preuves.
3) “Sur quelles données exactes ça marche chez vous, et lesquelles manquent toujours?”
Pas “on a des données hospitalières”. Tu veux le détail opérationnel:
- quelles sources: DPI, prescription informatisée, pharmacie, biologie, constantes, comptes rendus, etc.,
- quels formats et standards, et ce qui est encore en PDF ou en texte libre,
- comment ils gèrent l’horodatage (un point critique pour comprendre “qui savait quoi quand”).
Pose aussi la question qui fâche: “qu’est-ce que vous excluez, volontairement, parce que c’est trop sale ou trop risqué?”. La réponse t’indique la maturité.
4) “Quelle validation clinique avez-vous faite, avec quel design d’étude?”
Sans validation sérieuse, tu restes en POC. Demande:
- quels indicateurs (erreurs détectées, événements évités, temps de revue, pertinence des alertes),
- si c’est une étude rétrospective, prospective, en conditions réelles,
- comment ils mesurent l’acceptation utilisateur et la fatigue d’alertes.
Astuce: demande “qu’est-ce qui n’a pas marché?”. Si on te répond “tout marche”, tu sais quoi penser.
5) “Qui est responsable en cas d’erreur, et comment vous tracez la décision finale?”
Le circuit du médicament est un empilement d’acteurs: prescripteur, pharmacien, préparateur, infirmier, éditeur, intégrateur, hébergeur. Avec l’IA, tu ajoutes un composant qui peut influencer. Tu veux une réponse claire sur:
- le workflow: qui valide, qui a le dernier mot,
- la traçabilité: logs, justification, conservation, audits,
- les procédures en cas de désaccord humain vs système.
Pour cadrer la traçabilité, tu as un point de repère côté Lyon IA: https://lyon-ia.com/blog/tracabilite-decisions-ia.
6) “Comment vous surveillez le modèle après déploiement: drift, incidents, mises à jour?”
L’IA “qui marchait” se dégrade. Changement de pratiques, de population, de référentiels, de codage, de logiciels. Demande:
- quels seuils déclenchent une alerte,
- qui a le droit de mettre à jour et comment c’est validé,
- comment ils gèrent l’algorithmovigilance au quotidien.
Tu n’achètes pas une IA, tu achètes un système qui doit rester fiable.
7) “Votre ROI est calculé comment? Sur quels coûts évités, et en combien de temps?”
Le ROI en santé, c’est piégeux: le gain n’est pas toujours un “poste supprimé”. C’est souvent du risque évité, du temps clinique réalloué, des erreurs interceptées plus tôt. Demande un calcul explicite:
- temps gagné (revue pharmaceutique, conciliation, gestion d’alertes),
- coûts liés aux erreurs (reprises, hospitalisation prolongée, actes, contentieux potentiels),
- coûts projet complets: données, intégration, change management, MCO, cybersécurité.
Pour objectiver, tu peux t’appuyer ensuite sur une méthode simple “avant / après” côté Lyon IA: https://lyon-ia.com/blog/mesurer-gain-reel-usage-ia.
À qui ça sert d’y aller (et qui doit rester au bureau)
Tu devrais y aller si…
- tu es pharmacien PUI ou en pharmacie clinique et tu portes un sujet sécurité, conciliation, revue, antibiothérapie,
- tu es DSI ou responsable applicatifs santé et tu veux comprendre les impacts intégration, données, MCO,
- tu es qualité / gestion des risques et tu veux des billes sur validation, traçabilité, responsabilités,
- tu es industriel pharma/medtech ou éditeur et tu veux capter les attentes terrain (et les freins) en Auvergne-Rhône-Alpes,
- tu pilotes un budget innovation et tu veux éliminer les projets “vitrine”.
Tu peux passer ton tour si…
- tu cherches une démo “wahou” sans sujet concret,
- tu n’as pas de capacité interne à traiter un pilote (même petit) dans les 3 mois.
Comment y aller (simple et local)
Le symposium se tient à I-Factory La Doua, à Villeurbanne, sur le campus LyonTech La Doua. Accueil café annoncé dès 8h, donc vise l’arrivée avant si tu veux réseauter utile.
- Adresse: 10 avenue Jean Capelle Ouest, 69100 Villeurbanne
- Tram: accès mentionné via T1 et T4 (arrêts La Doua ou INSA, selon la communication associée)
Conseil pragmatique: viens avec une page imprimée “contexte + cible + données disponibles + contraintes SI”. Tu la sors en pause, tu gagnes du temps.
Ce que tu dois ramener en interne sous 48 h: la checklist décisionnelle
Le vrai piège après un événement, c’est le compte-rendu flou. Ton objectif: revenir avec de quoi trancher “on explore” ou “on stop” sur un cas précis. Voilà une checklist à remplir dès le retour (ou dans le train).
1) Cas d’usage cadré (1 page)
- Étape du circuit ciblée: prescription, dispensation, administration, conciliation, pharmacovigilance
- Problème concret: erreur de dose, interaction, surcharge d’alertes, conciliation trop lente, etc.
- Utilisateur cible: pharmacien, médecin, IDE, équipe qualité
- Décision attendue: alerte, priorisation, suggestion, rapprochement, tableau de bord
2) Données et intégration (feu vert ou feu rouge)
- Sources disponibles et propriétaires
- Qualité: complétude, horodatage, taux de texte libre, doublons
- Accès: qui autorise, délais, contraintes RGPD et hébergement
- Point SI: connecteurs, API, fréquence de mise à jour, logs
3) Exigences sécurité et traçabilité
- Journalisation des actions et des recommandations
- Gestion des accès (profils, droits, traçabilité)
- Plan incident: quoi faire si le système tombe ou dérive
4) Validation clinique
- Métriques: précision utile, rappel, taux de faux positifs, temps gagné
- Design: rétrospectif vs prospectif, durée, population
- Critères d’arrêt: ce qui fait dire “on coupe”
5) Réglementaire et responsabilités
- Positionnement AI Act: risque, obligations, documentation attendue
- Statut produit: support logiciel, DM logiciel, composant intégré à un DM, ou non
- RACI clair: qui est responsable de quoi (éditeur, intégrateur, hôpital, équipes)
6) ROI et budget complet
- Hypothèses chiffrées “avant / après”
- Coûts cachés: intégration, formation, MCO, cybersécurité
- Horizon: 3 mois, 6 mois, 12 mois
7) Prochain pas en 30 jours (pas 6 mois)
- Pilote minimal: périmètre, service, utilisateurs
- Gouvernance: sponsor, référent métier, DSI, qualité
- Livrables: protocole de test, tableau de bord, décision Go/No Go
Dernière consigne avant d’y aller: viens chercher une décision, pas une inspiration
Le circuit du médicament est un domaine où l’IA peut être très utile, mais seulement si tu tiens ensemble trois lignes: sécurité, preuves, exploitation. Le Symposium « IA et circuit du médicament » à Villeurbanne est une bonne occasion de confronter tes hypothèses au terrain, de poser les questions AI Act santé sans détour, et de repartir avec des éléments concrets.
Prépare tes 7 questions, récupère des réponses vérifiables, et sous 48 h transforme ça en une page de décision interne. Si tu fais ça, ta journée est rentabilisée. Sinon, tu auras juste assisté à un “symposium IA santé Lyon” de plus, et ton circuit du médicament n’aura pas bougé d’un millimètre.
Laisser un commentaire