Il existe une règle simple pour distinguer une information stratégique d’une information promotionnelle : la première est produite par un tiers indépendant selon une méthode stable, la seconde par l’intéressé selon son intérêt. Appliquée à l’intelligence artificielle hospitalière, cette règle disqualifie l’essentiel de ce qui s’écrit sur le sujet, fondé sur des annonces, des partenariats et des expérimentations que les établissements communiquent eux-mêmes. Elle désigne en revanche une source que personne n’exploite : depuis le 1er septembre 2025, les visites de certification conduites par la Haute Autorité de santé dans le cadre de son sixième cycle évaluent explicitement l’usage des technologies numériques en contexte de soins, y compris les systèmes d’intelligence artificielle. Ces évaluations sont conduites par des experts-visiteurs mandatés par la HAS, selon un référentiel national public, et leurs rapports sont publiés établissement par établissement. La conséquence est considérable et, à notre connaissance, non encore tirée : il est aujourd’hui possible de comparer la préparation numérique et algorithmique des hôpitaux français sans envoyer le moindre questionnaire déclaratif, à partir de preuves déjà recueillies sur site. Précision d’usage : cet article décrit une méthode et une opportunité éditoriale, il ne publie aucun résultat d’établissement.
Ce que la certification évalue réellement depuis septembre 2025
Entrons dans le détail, car c’est lui qui fait la valeur de la source. Le sixième cycle de certification, dont le lancement a été présenté par la HAS lors d’un webinaire le 21 janvier 2025 et applicable aux visites d’établissements à compter de septembre 2025, prolonge une stratégie de maîtrise des risques numériques engagée dès 2024. Deux critères y ont été introduits qui portent spécifiquement sur l’usage des technologies numériques en contexte de soins : le critère 3.4-05, qui porte sur le pilotage des dispositifs médicaux numériques à usage professionnel, en particulier ceux faisant appel à l’intelligence artificielle, et le critère 3.4-06, qui porte sur l’usage d’outils technologiques innovants sans finalité médicale destinés à améliorer l’organisation. L’un des deux relève du niveau avancé, dont les résultats ne sont pas comptabilisés dans le score de l’établissement parce qu’ils correspondent à des attendus souhaités mais non exigibles à ce jour. Le rapprochement des rapports publiés est le seul moyen d’établir lequel, et cette vérification conditionne la méthode. Les éléments d’évaluation associés à ces critères méritent d’être cités, parce qu’ils sont exactement ceux qu’un dirigeant devrait exiger de sa propre organisation : cartographier les technologies existantes, structurer un processus de choix, informer les patients, et mettre en place un processus de contrôle qualité des résultats produits. À ces deux critères s’ajoutent, dans le même référentiel, des exigences sur le pilotage des dispositifs médicaux numériques y compris ceux recourant à l’intelligence artificielle, sur le recours à la télésanté pour améliorer le parcours du patient et sur l’adoption d’outils technologiques innovants pour optimiser l’organisation. Le référentiel applicable aux établissements et services sociaux et médico-sociaux comporte de son côté des exigences de formalisation d’une stratégie numérique et de formation des professionnels. Nous ne sommes donc pas devant une mention symbolique du numérique, mais devant une grille d’évaluation opérationnelle, appliquée sur site, et documentée.
Pourquoi cette source vaut mieux que toutes les enquêtes déclaratives
Trois raisons rendent cette matière première supérieure à ce qui existe. D’abord, elle échappe au biais déclaratif : un établissement qui répond à un questionnaire décrit ses intentions, un établissement visité par des experts doit montrer ses preuves. La différence entre les deux est précisément l’écart que tout le secteur cherche à mesurer sans y parvenir. Ensuite, elle est homogène : le même référentiel s’applique à tous, ce qui autorise une comparaison que les enquêtes sectorielles, aux périmètres variables, ne permettent jamais. Enfin, elle est cumulative : le cycle s’étalant jusqu’en 2030, la base s’enrichit à chaque vague de visites, ce qui permettra non seulement une photographie mais une trajectoire, et c’est la trajectoire qui intéresse les décideurs. Ajoutons une observation qui a son importance pour la suite : un guide publié conjointement par la HAS et la CNIL en février 2026 sur le bon usage des systèmes d’intelligence artificielle en contexte de soins qualifie les professionnels et établissements décidant du déploiement de « déployeurs » au sens du règlement européen sur l’IA. Ce terme est repris du Règlement (UE) 2024/1689 sur l’intelligence artificielle (AI Act), dont certaines obligations de transparence s’appliquent dès cet été. Autrement dit, les critères de certification et les obligations réglementaires convergent vers les mêmes exigences, et un établissement qui satisfait aux premiers a déjà fait une partie du chemin vers les secondes.
La méthode d’un indice, et ce qu’elle exige de rigueur
Construire un indice à partir de cette source suppose une discipline que nous voulons énoncer publiquement, car c’est elle qui fera la différence entre un classement contestable et une référence citée. Il s’agit d’abord d’extraire, pour chaque établissement disposant d’un rapport publié, les résultats obtenus sur les critères numériques et sur les éléments d’évaluation qui les composent, en distinguant strictement le critère standard du critère avancé, puisqu’ils ne mesurent pas la même chose. Il s’agit ensuite de documenter les limites, et elles sont réelles : les établissements ne sont pas tous visités la même année, ce qui interdit de comparer sans précaution un rapport de 2025 et un rapport de 2027 ; la taille et la mission des structures diffèrent, ce qui impose des catégories de comparaison plutôt qu’un classement unique ; et une note de certification n’est pas une mesure de performance clinique, ce qu’il faut dire explicitement pour ne pas laisser croire ce que la donnée ne dit pas. Il s’agit enfin de publier la méthode avant les résultats, avec ses critères, ses pondérations, sa date d’extraction et ses limites, de sorte que quiconque puisse la contester ou la reproduire. Un indice qui refuse cet exercice n’est pas un instrument, c’est une opinion chiffrée, et il ne survit pas au premier contradicteur compétent.
Ce que cet indice changerait pour chaque acteur
Pour les directions d’établissement, il transformerait une question aujourd’hui abstraite, sommes-nous prêts, en un positionnement comparé et en une liste de chantiers, puisque les éléments d’évaluation désignent eux-mêmes les manques : absence de cartographie, processus de choix informel, patients non informés, résultats non contrôlés. Pour les industriels et éditeurs, il fournirait une carte de la maturité réelle de leurs clients, information dont ils manquent cruellement et qu’ils remplacent aujourd’hui par des intuitions commerciales. Pour les tutelles et les fédérations, il donnerait une base de discussion moins polémique que les débats habituels, parce que fondée sur des évaluations qu’elles-mêmes ont organisées. Pour les patients enfin, et c’est peut-être le point le plus important, il rendrait visible une exigence que la certification a déjà posée mais que presque personne ne connaît : celle d’être informé lorsqu’une technologie numérique intervient dans sa prise en charge. Nous soutenons que cette information deviendra dans les prochaines années un critère de confiance aussi discuté que les indicateurs de qualité des soins, et que les établissements qui l’auront anticipée auront un avantage de réputation durable.
ELMARQ construit des indices et des observatoires à partir de sources publiques sous-exploitées, de la méthode à la publication, en stratégie et en exécution. Trente minutes de diagnostic suffisent à identifier la donnée publique qui documente déjà votre secteur.
Terminons sur ce que cet exemple enseigne au-delà de la santé. Les organisations et les rédactions cherchent en permanence des données nouvelles, et négligent presque systématiquement les données existantes mais dispersées. Une source publique, homogène, régulièrement alimentée et jamais agrégée vaut mieux qu’une enquête coûteuse, parce qu’elle est vérifiable par tous et opposable à personne. C’est le principe que nous appliquons à nos propres instruments de mesure : ne pas produire de la donnée là où il suffit de la lire. La maturité en intelligence artificielle d’un hôpital ne se mesure pas au nombre de projets qu’il annonce, mais à sa capacité à les choisir, à les documenter, à les expliquer à ses patients et à en contrôler les résultats. Cette capacité est désormais évaluée, écrite et publique. Il ne manque que quelqu’un pour la lire.
